samr.norm.data(samr)
samr.norm.data()所属R语言包：samr
output normalized sequencing data
输出归一化的测序数据
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Output a normalized sequencing data matrix from the original count matrix.
归一化测序数据输出从原来的计数矩阵的矩阵。
用法----------Usage----------
参数----------Arguments----------
参数：x
the original count matrix. p by n matrix of features, one observation per column.
的原始计数矩阵。 P×n矩阵的特点，每列的一个观察。
参数：depth
sequencing depth of each experiment. a vector of length n. This function will estimate the sequencing depth if it is not specified.
每个实验的测序深度。长度为n的一个向量。如果未指定，此功能将估计的测序深度。
Details
详细信息----------Details----------
normalize the data matrix so that each number looks roughly like Gaussian distributed and each experiment has the same sequencing depth. To do this, we first use Anscombe transformation to stablize the variance and makes each number look like Gaussian,
标准化的数据矩阵，每个数字看起来大致是高斯分布，每个实验具有相同的测序深度。要做到这一点，我们首先使用Anscombe变换稳定的差异，使每个数字看起来高斯，
值----------Value----------
<table summary="R valueblock"> <tr valign="top"><td>x</td> <td> the normalized data matrix.</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> x</ TD> <TD>规范化的数据矩阵。</ TD> </ TR> </ TABLE>
（作者）----------Author(s)----------
Jun Li and Balasubrimanian Narasimhan and Robert Tibshirani
参考文献----------References----------
Significance analysis of microarrays applied to the ionizing radiation response PNAS 2001 98: 5116-5121, (Apr 24).
实例----------Examples----------
set.seed(100)
mu <- matrix(100, 1000, 20)
mu[1:100, 11:20] <- 200
mu <- scale(mu, center=FALSE, scale=runif(20, 0.5, 1.5))
x <- matrix(rpois(length(mu), mu), 1000, 20)
y <- c(rep(1, 10), rep(2, 10))
data=list(x=x,y=y, geneid=as.character(1:nrow(x)),
genenames=paste("g",as.character(1:nrow(x)),sep=""))
x.norm <- samr.norm.data(data$x)
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。
|
发表于 2012-9-29 22:11:54
