R语言 MantelCorr包 ClusterGeneList()函数中文帮助文档(中英文对照)

loveR

ClusterGeneList(MantelCorr)
ClusterGeneList()所属R语言包：MantelCorr

                                         Generate Genes from a Cluster List
                                         从聚类名单产生基因

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

'ClusterGeneList' produces a list of both significant and nonsignificant genes from each respective cluster type
“ClusterGeneList”，产生了显着和不显着的基因，从各自的聚类类型列表


用法----------Usage----------


ClusterGeneList(clus, clustlist.sig, x.data)



参数----------Arguments----------

参数：     clus
'clusters' object returned by 'GetClusters'  
聚类的对象返回GetClusters“


参数：     clustlist.sig
'SignificantClusters' object returned by 'ClusterList'
“SignificantClusters对象返回”ClusterList


参数：     x.data
original (p x n) numeric data matrix (e.g., gene-expression data)
原（PXN）数字矩阵数据（例如，基因表达数据）


值----------Value----------

A list with components:
与组件列表：


参数：     SignificantClusterGenes
significant cluster genes returned from 'ClusterList'
显着的聚类基因从“ClusterList返回”


参数：     NonSignificantClusterGenes
nonsignificant cluster genes returned from 'ClusterList'
不显着的聚类基因从“ClusterList返回


注意----------Note----------

argument 'x.data' should have an ID gene variable, 'probes', attached as a 'dimnames'
参数x.data“应该有一个ID的基因变量，”探针“，附作为”dimnames“


作者（S）----------Author(s)----------


Brian Steinmeyer



参见----------See Also----------

'GetClusters' 'ClusterList'
“GetClustersClusterList”


举例----------Examples----------



# simulate a p x n microarray expression dataset, where p = genes and n = samples[apxn模拟芯片表达数据集，其中p =基因和N =样本]
data.sep <- rbind(matrix(rnorm(1000), ncol=50), matrix(rnorm(1000, mean=5), ncol=50))
noise <- matrix(runif(40000), ncol=1000)
data <- t(cbind(data.sep, noise))
data <- data[1:200, ]
# data has p = 1,050 genes and n = 40 samples[数据有p = 1,050基因和N = 40个样本]

clusters.result <- GetClusters(data, 100, 100)
dist.matrices <- DistMatrices(data, clusters.result$clusters)
mantel.corrs <- MantelCorrs(dist.matrices$Dfull, dist.matrices$Dsubsets)
permutation.result <- PermutationTest(dist.matrices$Dfull, dist.matrices$Dsubsets, 100, 40, 0.05)

# generate both significant and non-significant gene clusters[产生重大和非重大的基因簇]
cluster.list <- ClusterList(permutation.result, clusters.result$cluster.sizes, mantel.corrs)

# significant and non-significant cluster genes (expression values)[重大和非重大的簇基因（表达值）]
cluster.genes <- ClusterGeneList(clusters.result$clusters, cluster.list$SignificantClusters, data)


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。