R语言 nem包 quicknem()函数中文帮助文档(中英文对照)

loveR

quicknem(nem)
quicknem()所属R语言包：nem

                                        Quick run of Nested Effects Models inference
                                         嵌套效应模型推理的快速运行

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Interface to learn NEM models from data
学习NEM的车型，从数据的接口


用法----------Usage----------


quicknem(D,type="CONTmLLDens",inference="nem.greedy",controls.name=NULL,contrasts=NULL,normalize=FALSE,cutoff=0.05,DIR="bum",plot=TRUE,bootstrap=0,...)



参数----------Arguments----------

参数：D
ExpressionSet object or data matrix with raw or normalized expression data.
ExpressionSet对象或数据矩阵与原料或归表达数据。


参数：type
Parameter estimation, either mLL, FULLmLL, CONTmLL, CONTmLLBayes, CONTmLLMAP, depn.
参数估计，无论是mLL，FULLmLL，CONTmLL，CONTmLLBayes，CONTmLLMAP，depn。


参数：inference
search to use exhaustive enumeration, triples for triple-based inference, pairwise for the pairwise heuristic, ModuleNetwork for the module based inference, nem.greedy for greedy hillclimbing, nem.greedyMAP for alternating MAP optimization using log odds or log p-value densities   
search使用详尽列举，triples三重基于推理，pairwise为成对启发式，ModuleNetwork的模块为基础的推理，nem.greedy贪婪hillclimbing ，nem.greedyMAPp值交替图优化log赔率或log密度


参数：controls.name
Pattern to search for in the columnnames of D. Defines which columns in D should be regarded as controls.
在D的columnnames的搜索模式定义在D列应作为对照。


参数：contrasts
String defining the contrasts to estimate via limma
字符串定义的对比，估计通过limma


参数：normalize
boolean value, should quantile normalization be performed
布尔值，应进行位数标准化


参数：cutoff
P-value cutoff for differential expression using adjusted p.values from limma.
P值的截止差调整p.values从limma使用的表达。


参数：DIR
Directory name, where additional informative plots should be stored. Created if not present.
目录名，其中应存储额外的信息图。如果不存在创建。


参数：plot
Should the inferred network be plotted?
应绘制推断网络？


参数：bootstrap
Integer defining the number of bootstrapping samples to be performed. Defaults to 0.
整数定义的引导样品进行。默认为0。


参数：...
other arguments to pass
其他参数传递


Details

详情----------Details----------

Wrapper function for call of nem inference. Extracts differential genes for given contrasts and infers a NEM - graph for the given inference type.
NEM推理呼叫包装功能。提取给定的对比差的基因和推断NEM的 - 给定的推理类型的图形。




D Is either an ExpressionSet Object or a matrix/data.frame containing the expression values from the siRNA knockdown experiments. If an ExpressionSet, the data is extracted via exprs(ExpressionSet). The knockdowns must be in the columns, the measured effect genes in the rows of the expression matrix.
D是一个ExpressionSet对象或矩阵/数据框包含的siRNA敲除实验的表达式的值。如果一个ExpressionSet，数据提取通过exprs（ExpressionSet）。击倒必须在列，在测量的影响基因表达矩阵的行。




type mLL or FULLmLL or CONTmLL or CONTmLLBayes or CONTmLLMAP or depn. CONTmLLDens and CONTmLLRatio are identical to CONTmLLBayes and CONTmLLMAP and are still supported for compatibility reasons. mLL and FULLmLL are used for binary data (see BoutrosRNAiDiscrete) and CONTmLL for a matrix of effect probabilities. CONTmLLBayes and CONTmLLMAP are used, if log-odds ratios, p-value densities or any other model specifies effect likelihoods. CONTmLLBayes refers to an inference scheme, were the linking positions of effect reporters to network nodes are integrated out, and CONTmLLMAP to an inference scheme, were a MAP estimate for the linking positions is calculated. depn indicates Deterministic Effects Propagation Networks (DEPNs).
类型mLL或FULLmLL或CONTmLL或CONTmLLBayes或CONTmLLMAP或depn。 CONTmLLDens和CONTmLLRatio是相同的CONTmLLBayes和CONTmLLMAP“仍然支持兼容性的原因。 mLL和FULLmLL使用二进制数据（见BoutrosRNAiDiscrete）CONTmLL影响概率矩阵。 CONTmLLBayes和CONTmLLMAP使用，如果数的比值比，p值密度或任何其他模型指定效果似然性。 CONTmLLBayes是指一个推论计划，影响记者的联系网络节点的位置都集成了，CONTmLLMAP推理计划，是一个连接位置的图估计的计算方法。 depn表示确定性效应的传播网络（DEPNs）。




inference Type of network reconstruction. search enumerates all possible networks. Set to triples, pairwise, ModuleNetwork, nem.greedy or nem.greedyMAP for heuristic search of the network.
推理类型的网络改造。 search列举所有可能的网络。设置triples，pairwise，ModuleNetwork，nem.greedy或nem.greedyMAP启发式的网络搜索。




controls.name Defines a pattern to search for in the column names of D, which describes the control experiments. Each remaining experiment is then compared via limma to these controls by defining the appropriate contrasts. If NULL, then controls.name must be given, except for using type="depn", where neither controls.name nor contrasts needs to be defined.
controls.name定义一个模式来搜索D，它描述了控制实验中的列名。其余的每个实验，然后通过limma相比，这些控件通过定义适当的对比。如果为NULL，然后controls.name除使用，必须给予type="depn"，那里既没有controls.name也contrasts需要加以界定。




contrasts Defines the contrasts of interest that should be used for the limma analysis. If NULL, then controls.name must be given, except for using type="depn", where neither controls.name nor contrasts needs to be defined.
对比定义利益应为使用的limma分析对比。如果为NULL，然后controls.name除使用，必须给予type="depn"，那里既没有controls.name也contrasts需要加以界定。




DIR In case of type="CONTmLLDens" or type="CONTmLLBayes" some additional plots for the BUM model fits are created and stored here.
在情况下DIRtype="CONTmLLDens"或type="CONTmLLBayes"为一些流浪汉模型配合其他图被创建并存储在这里。


值----------Value----------


参数：graph
the inferred directed graph (graphNEL object)   
推断的指示图（graphNEL对象）


参数：mLL
log posterior marginal likelihood of final model  
登录后最终模型的边际可能性


参数：pos
posterior over effect positions
后路以上效果的位置


参数：mappos
MAP estimate of effect positions   
MAP估计效果立场


参数：selected
selected E-gene subset
选择电子基因子集


参数：LLperGene
likelihood per selected E-gene
然每选定电子基因


参数：control
hyperparameter as in function call
hyperparameter作为在函数调用


参数：bootstrap
Integer number defining how many bootstrap samples should be drawn. If 0, no bootstrapping will be performed. Else, nem.bootstrap will be called internally.  
整数定义多少引导的样品应当制定。如果为0，没有自举将被执行。否则，nem.bootstrap将内部调用。


作者（S）----------Author(s)----------


Christian Bender, Holger Froehlich <URL: http:/www.dkfz.de/mga2/people/froehlich>, Florian Markowetz <URL: http://genomics.princeton.edu/~florian>



参见----------See Also----------

nem, set.default.parameters, nemModelSelection, nem.jackknife, nem.bootstrap, nem.consensus, local.model.prior, plot.nem
nem，set.default.parameters，nemModelSelection，nem.jackknife，nem.bootstrap，nem.consensus，local.model.prior，plot.nem


举例----------Examples----------


## Not run: [＃无法运行：]
data(BoutrosRNAi2002)
exps <- colnames(BoutrosRNAiExpression)
res <- quicknem(BoutrosRNAiExpression,controls="control")
res <- quicknem(BoutrosRNAiExpression,controls="control",type="CONTmLLRatio")
res <- quicknem(BoutrosRNAiExpression,controls="control",type="CONTmLLRatio",inference="ModuleNetwork")
contrasts <- c("rel-control","rel-LPS","key-control","key-LPS","tak-control","tak-LPS","mkk4hep-control","mkk4hep-LPS")
res <- quicknem(BoutrosRNAiExpression,contrasts=contrasts)

data(SahinRNAi2008)
dat &lt;- dat.unnormalized #[,sample(1:17,5)][[样本（1:17,5）]]
res <- quicknem(dat,type="depn")

## 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。