R语言 crlmm包 snprma()函数中文帮助文档(中英文对照)

loveR

snprma(crlmm)
snprma()所属R语言包：crlmm

                                         Preprocessing tool for SNP arrays.
                                         SNP芯片的预处理工具。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

SNPRMA will preprocess SNP chips. The preprocessing consists of quantile normalization to a known target distribution and summarization to the SNP-Allele level.
SNPRMA将预处理的SNP芯片。预处理包括一个已知的目标分配和汇总的SNP等位基因水平位数标准化。


用法----------Usage----------


snprma(filenames, mixtureSampleSize = 10^5, fitMixture = FALSE, eps = 0.1, verbose = TRUE, seed = 1, cdfName, sns)
snprma2(filenames, mixtureSampleSize = 10^5, fitMixture = FALSE, eps = 0.1, verbose = TRUE, seed = 1, cdfName, sns)



参数----------Arguments----------

参数：filenames
'character' vector with file names.  
“字符”矢量文件名。


参数：mixtureSampleSize
Sample size to be use when fitting the mixture model.  
样本大小必须使用混合模型拟合时。


参数：fitMixture
'logical'. Fit the mixture model?  
“逻辑”。适合混合模型？


参数：eps
Stop criteria.  
停止条件。


参数：verbose
'logical'.  
“逻辑”。


参数：seed
Seed to be used when sampling.  
种子取样时要使用。


参数：cdfName
cdfName: 'GenomeWideSnp\_5', 'GenomeWideSnp\_6'  
cdfName：GenomeWideSnp \ _5，GenomeWideSnp \ _6的


参数：sns
Sample names.  
样本名。


Details

详情----------Details----------

'snprma2' allows one to genotype very large datasets (via ff package) and also permits the use of clusters or multiple cores (via snow package) to speed up preprocessing.
“snprma2允许基因型非常大的数据集（通过FF软件包），也允许使用聚类或多个内核（通过雪包），加快了预处理。


值----------Value----------


参数：A
Summarized intensities for Allele A
归纳强度为A等位基因


参数：B
Summarized intensities for Allele B
归纳强度为B等位基因


参数：sns
Sample names
样品名称


参数：gns
SNP names
SNP的名称


参数：SNR
Signal-to-noise ratio
信号信噪比


参数：SKW
Skewness
偏斜


参数：mixtureParams
Parameters from mixture model
从混合模型的参数


参数：cdfName
Name of the CDF
民防部队的名称


举例----------Examples----------


if (require(genomewidesnp6Crlmm) & require(hapmapsnp6) & require(oligoClasses)){
  path <- system.file("celFiles", package="hapmapsnp6")

  ## the filenames with full path...[＃文件名的完整路径...]
  ## very useful when genotyping samples not in the working directory[＃非常有用的基因分型样品时，在工作目录]
  cels <- list.celfiles(path, full.names=TRUE)
  snprmaOutput <- snprma(cels)
  snprmaOutput[["A"]][1:10,]
  snprmaOutput[["B"]][1:10,]
}
## Not run: [＃无法运行：]
## HPC Example[＃高性能计算范例]
library(ff)
library(snow)
library(crlmm)
## genotype 50K SNPs at a time[一次＃基因型50K的SNPs]
ocProbesets(50000)
## setup cluster - 8 cores on the machine[＃设置聚类 -  8核心的机器上]
setCluster(8, "SOCK")

path <- system.file("celFiles", package="hapmapsnp6")
cels <- list.celfiles(path, full.names=TRUE)
snprmaOutput <- snprma2(cels)


## End(Not run)[＃结束（不运行）]


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。