R语言 CNVtools包 CNVtest.select.model()函数中文帮助文档(中英文对照)

loveR

CNVtest.select.model(CNVtools)
CNVtest.select.model()所属R语言包：CNVtools

                                        Select number of components in a CNV
                                         选择元件数量在CNV

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function fits mixtures of Gaussians to Copy Number Variant data, and uses the Bayesian Information Criteria (BIC) to select the most likely number of components.
此功能适合高斯混合拷贝数变异数据，并使用贝叶斯信息标准（BIC）的选择最有可能的组件数量。


用法----------Usage----------


CNVtest.select.model(signal, batch, sample = NULL, n.H0 = 3,
                     method="BIC",
                     v.ncomp = 1:6,
                     v.model.component = rep('gaussian',6),
                     v.model.mean = rep("~ strata(cn)",6),
                     v.model.var = rep("~1", 6),
                     control=list(tol=1e-5, max.iter = 500, min.freq=4) )




参数----------Arguments----------

参数：signal
The vector of intensity values, meant to be a proxy for the number of copies.
强度值向量，意味着，份数代理。


参数：batch
Factor, that describes how the data points should be separated in batches, corresponding to different tehnologies to measure the number of DNA copies, or maybe different cohorts in a case control framework.  
因素，描述数据点应如何分批分离，对应到不同tehnologies DNA拷贝，或者不同世代的数量来衡量的情况下控制框架。


参数：sample
Character vector containing a name for each data point, typically the name of the individuals.
特征向量包含一个名称为每个数据点，通常是个人的名字。


参数：n.H0
Number of times the EM should be used to maximize the likelihood and calculate the BIC for each different model.  
数量的EM应使用最大化的可能性，并计算出每个不同型号的BIC倍。


参数：v.ncomp
Model specification. Numeric vector specifying number of components to attempt. See discussion.  
型号规格。数字矢量指定的元件数量尝试。见讨论。


参数：v.model.component
Character vector defining the mixture model. Can either be 'T' or 'gaussian'.
特征向量定义的混合模型。可以是“T”或“高斯”。


参数：v.model.mean
Model specification. Character vector specifying  different models for the component means. See discussion.
型号规格。指定为不同的组件模型的特征向量表示。见讨论。


参数：v.model.var
Model specification. Character vector specifying different models for the component means. See discussion.  
型号规格。指定为不同的组件模型的特征向量表示。见讨论。


参数：method
Either BIC or AIC  
无论是BIC或者AIC准则


参数：control
A list of parameters that control the behavior of the fitting.
拟合的行为的参数控制列表。


Details

详情----------Details----------

The function fits the different models, specified by the vectors v.ncomp, v.model.mean, v.model.var, to the data contained in signal. The lengths of v.ncomp, v.model.mean, v.model.var must be equal. The function iterates through the length of these vectors and fits the models n.H0 times, keeping the fit with the highest likelihood. The BIC and AIC is calculated for each model, the lowest BIC/AIC indicates the 'best' model.       
该功能适合不同型号，信号中所包含的数据的的向量v.ncomp，v.model.mean，v.model.var指定。长度，v.model.mean v.ncomp，v.model.var必须是平等的。该函数遍历这些向量的长度和适合型号n.H0倍，保持最高的可能性适合。在BIC和AIC每个模型计算，最低的BIC /工商局表示最好的模式。

In the default model specification, first the data is fit with 1 component, mean model = "~ 1" and variance model = "~ 1". Next the data is fit with 2 components, mean model = "~ as.factor(cn)" and variance model "~ 1" etc.
在默认模式规范，首先数据是合适的1组件，意味着模型=“~1”和方差模型=“~1”。适合2组件下一步的数据，意味着模型=“~as.factor（CN）”和方差模型“~1”等。


值----------Value----------

A data structure containing information from the fitting of the different models specified.
一个数据结构，包含从指定的不同型号的配件信息。


参数：model
A list (length = number of model fit) containing the models specified by the user.  
列表（长度=数量模型拟合），其中包含由用户指定的模型。


参数：BIC
A vector (length = number of model fit) containing the BIC values for each model.  
一个矢量（长度=数量模型拟合）包含每个模型的BIC值。


参数：AIC
A vector (length = number of model fit) containing the AIC values for each model.  
一个矢量（长度=模型拟合），其中包含每个模型的AIC值。


参数：status
A vector (length = number of model fit) containing the status of every fit of every model.  
一个矢量（长度=模型拟合），其中包含的每一个模型的每一个合适的状态。


参数：np
A vector (length = number of model fit) containing the number of parameters of each model.  
一个矢量（长度=模型拟合），其中包含了每个模型的参数。


参数：posteriors
A list (length = number of model fit) containing the best posterior distribution number of each model.  
列表（长度=数量模型拟合）最好每个模型的后验分布数量。


参数：selected
The number of the best model. This will be the model that has the lowest BIC or AIC depending on which method was specified.  
的最佳模式。这将是具有最低BIC或者AIC准则，根据所指定的方法模型。


作者（S）----------Author(s)----------


Vincent Plagnol <a href="mailto:vincent.plagnol@cimr.cam.ac.uk">vincent.plagnol@cimr.cam.ac.uk</a> and Chris Barnes <a href="mailto:christopher.barnes@imperial.ac.uk">christopher.barnes@imperial.ac.uk</a>



参考文献----------References----------

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。