R语言 sva包 num.sv()函数中文帮助文档(中英文对照)

loveR

num.sv(sva)
num.sv()所属R语言包：sva

                                        Estimate number of surrogate variables to include in analysis
                                         代理变量的估计数，包括在分析

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Estimate number of important surrogate variables from a gene expression  data set.
从基因表达数据集的重要替代变量的估计数。


用法----------Usage----------


  num.sv(dat, mod,method=c("be","leek"),vfilter=NULL, B=20, sv.sig=0.10,seed=NULL)



参数----------Arguments----------

参数：dat
A m genes by n arrays matrix of expression data
由n阵列基因表达数据矩阵A M基因


参数：mod
A n by k model matrix corresponding to the primary model fit    (see model.matrix)
K型矩阵对应的主模型拟合A N（见model.matrix）的


参数：method
The method to use for estimating surrogate variables, for now there is only one option (based ib Buja and Eyuboglu 1992).  
使用的方法估算的替代变量，现在只有一个选项（基于IB Buja Eyuboglu 1992年）。


参数：vfilter
The number of most variable genes to use when building SVs, must be between 100 and m
大多数可变区基因，建立状态变量时使用，数量必须是100和m之间


参数：B
The number of null iterations to perform. Only used when method="be"
空迭代执行。只用时方法=“”


参数：sv.sig
The significance cutoff for eigengenes. Only used when method="be"
为eigengenes意义截止。只用时方法=“”


参数：seed
A numeric seed for reproducible results. Optional, only used when method="be"  
一个数字的种子可重复性的结果。可选的，只用时方法=“”


Details

详情----------Details----------

The model matrix should include a column for an intercept. num.sv estimates the number of surrogate variables to include in the analysis as described in Leek and Storey (2007), based on the permutation test of Buja and Eyuboglu (1992).
模型矩阵应该包括为截取列。 num.sv估计代理变量的数目，包括在分析中所述的韭菜和层高（2007），置换Buja和Eyuboglu（1992）测试的基础上。


值----------Value----------

A list containing:
一份列表，列出：


参数：n.sv
The number of significant surrogate variables
显着的替代变量的数量


作者（S）----------Author(s)----------


Jeffrey T. Leek <a href="mailto:jleek@jhsph.edu">jleek@jhsph.edu</a>, John Storey <a href="mailto:jstorey@princeton.edu">jstorey@princeton.edu</a>



参考文献----------References----------

Behavioral Research, 27(4), 509-540
dependence. Proceedings of the National Academy of Sciences, 105:  18718-18723. http://www.biostat.jhsph.edu/~jleek/publications.html
studies by surrogate variable analysis. PLoS Genetics, 3: e161.  http://www.biostat.jhsph.edu/~jleek/publications.html


参见----------See Also----------

sva, irwsva.build, twostepsva.build
sva，irwsva.build，twostepsva.build


举例----------Examples----------


  ## Not run: [＃无法运行：]
  
  ## Load data[＃将数据]
  library(bladderbatch)
  data(bladderdata)
  
  ## Obtain phenotypic data[＃获取表型数据。]
  pheno = pData(bladderEset)
  edata = exprs(bladderEset)
  batch = pheno$batch
  mod = model.matrix(~as.factor(cancer), data=pheno)
  mod0 = model.matrix(~1, data=pheno)

  ## Calculate the number of surrogate variables [＃计算代理变量的数目。]
  xx <- num.sv(edata,mod)
  xx


## 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。