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

loveR

modelOutcome(MergeMaid)
modelOutcome()所属R语言包：MergeMaid

                                        Compare regression coefficients across studies
                                         比较研究之间的回归系数

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Given a set of merged studies, this function calculates study specific regression coefficients for each gene.
鉴于一套合并的研究，这个函数计算每个基因研究具体的回归系数。


用法----------Usage----------


   modelOutcome(x,outcome,outcome2=NULL,method=c("linear","logistic","cox"),...)



参数----------Arguments----------

参数：x
Object of class mergeExpressionSet.
对象类mergeExpressionSet。


参数：method
Method specifies the model used to generate coefficients.  At this time only linear regression, logistic regression, and Cox hazard rates are implemented.
方法指定用于生成系数模型。此时唯一的线性回归，logistic回归和Cox风险率来实现。


参数：outcome, outcome2
The format for the outcome variable depends on the model used.  For linear regression, outcome should be a continous response variable, for logistic regression, it should be a binary response variable, and for Cox hazard rates it should be time of event.  Outcome 2 is currently used only in the calculation of hazard rates, and should be a binary variable indicating censoring status for each subject. If outcome is a vector of length equal to number of studies, then each element represents the column in the ExpressionSet phenoData slot for that study.  If outcome is a list, then each list element should have actual outcome data for the corresponding study.  
结果变量的格式取决于所用的模型。线性回归，结果应该是一个连续反应变量logistic回归，它应该是一个二进制的响应变量，Cox风险率，它应该是事件的时间。结果2目前仅用于风险率的计算，应该是一个二进制的变量，表示每个科目的审查状态。如果结果是一个向量的长度等于多项研究，然后每个元素代表列在该研究的ExpressionSet phenoData插槽。如果结果是一个列表，然后每个列表元素应该有相应的研究的实际结果数据。


参数：...
Not implemented at this time
此时不落实


值----------Value----------

The output is a mergeCoeff object.
的输出是mergeCoeff的对象。


参见----------See Also----------

modelOutcome, mergeCoeff-class
modelOutcome，mergeCoeff-class


举例----------Examples----------


  if(require(Biobase) & require(MASS) & require(survival)){
  data(mergeData)
  merged  <- mergeExprs(sample1,sample2,sample3)

  log.coeff  <- modelOutcome(merged,outcome=c(1,1,1),method="logistic")
  plot(coeff(log.coeff))
  
  linear.coeff  <- modelOutcome(merged[1:2],outcome=c(3,3),method="linear")
  plot(zscore(linear.coeff),xlab="study 1",ylab="study 2")

  event1<-rbinom(100,1,.5)
  event2<-rbinom(50,1,.5)
  event3<-rbinom(70,1,.5)

  out1<-rnorm(100,5,1)
  out2<-rnorm(50,5,1)
  out3<-rnorm(70,5,1)

  out<-list(out1,out2,out3)
  even<-list(event1,event2,event3)

  cox.coeff<-modelOutcome(merged,outcome2=even,outcome=out,method="cox")
  plot(coeff(cox.coeff))

  }

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。