gseattperm(Category)
gseattperm()所属R语言包：Category
Permutation p-values for GSEA
置换p值的GSEA
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function performs GSEA computations and returns p-values for each gene set based on repeated permutation of the phenotype labels.
执行此功能设置基础上，反复置换型标签为每个基因的的GSEA计算和返回的p值。
用法----------Usage----------
gseattperm(eset, fac, mat, nperm)
参数----------Arguments----------
参数：eset
An ExpressionSet object
ExpressionSet对象
参数：fac
A factor identifying the phenotypes in eset. Usually, this will be one of the columns in the phenotype data associated with eset.
一个factor确定在eset的表型。通常，这将是一个在eset相关的表型数据的列。
参数：mat
A 0/1 incidence matrix with each row representing a gene set and each column representing a gene. A 1 indicates membership of a gene in a gene set.
一个0/1的发病率矩阵每行代表一个基因组，每一列代表一个基因。 1表示一个基因在基因组的成员。
参数：nperm
Number of permutations to test to build the reference distribution.
数排列进行测试，以建立参考分布。
Details
详情----------Details----------
The t-statistic is used (via rowttests) to test for a difference in means between the phenotypes determined by fac within each gene set (given as a row of mat).
使用t-统计（通过rowttests），以测试为手段，在确定表型之间的差异fac在每个基因组（作为mat行）。
A reference distribution for these statistics is established by permuting fac and repeating the test B times.
建立一个参考这些统计数字分布置换fac和重复测试B倍。
值----------Value----------
A matrix with the same number of rows as mat and two columns, "Lower" and "Upper". The "Lower" ("Upper") column gives the probability of seeing a t-statistic smaller (larger) than the observed.
与相同数量的mat和两列，"Lower"和"Upper"行矩阵。 "Lower"（"Upper"）列给出看到一个小于t-统计的观察（大）的概率。
作者（S）----------Author(s)----------
Seth Falcon
举例----------Examples----------
## This example uses a random sample of probesets and a randomly[＃这个例子使用了probesets随机抽样和随机]
## generated category matrix. The results, therefore, are not[＃生成的类矩阵。结果，因此，不]
## meaningful, but the code demonstrates how to use gseattperm without[＃有意义的，但代码演示了如何使用gseattperm无]
## requiring any expensive computations.[＃不需要任何昂贵的计算。]
## Obtain an ExpressionSet with two types of samples (mol.biol)[＃获得两个样本类型（mol.biol）的ExpressionSet]
haveALL <- require("ALL")
if (haveALL) {
data(ALL)
set.seed(0xabcd)
rndIdx <- sample(1:nrow(ALL), 500)
Bcell <- grep("^B", as.character(ALL$BT))
typeNames <- c("NEG", "BCR/ABL")
bcrAblOrNegIdx <- which(as.character(ALL$mol.biol) %in% typeNames)
s <- ALL[rndIdx, intersect(Bcell, bcrAblOrNegIdx)]
s$mol.biol <- factor(s$mol.biol)
## Generate a random category matrix[＃生成随机类矩阵]
nCats <- 100
set.seed(0xdcba)
rndCatMat <- matrix(sample(c(0L, 1L), replace=TRUE),
nrow=nCats, ncol=nrow(s),
dimnames=list(
paste("c", 1:nCats, sep=""),
featureNames(s)))
## Demonstrate use of gseattperm[＃展示gseattperm。]
N <- 10
pvals <- gseattperm(s, s$mol.biol, rndCatMat, N)
pvals[1:5, ]
}
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-2-25 14:09:17
