R语言 biovizBase包 addSteppings-method()函数中文帮助文档(中英文对照)

loveR

addSteppings-method(biovizBase)
addSteppings-method()所属R语言包：biovizBase

                                        Adding disjoint levels to a GenomicRanges object
                                         添加到GenomicRanges对象不相交的水平

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Adding disjoint levels to a GenomicRanges object
添加到GenomicRanges对象不相交的水平


用法----------Usage----------


## S4 method for signature 'GenomicRanges'
addSteppings(obj, group.name, extend.size = 0)



参数----------Arguments----------

参数：obj
A GenomicRanges object
一个GenomicRanges对象


参数：group.name
Column name in the elementMetadata which specify the grouping information of all the entries. If provided, this will make sure all intervals belong to the same group will try to be on the same level and nothing falls in between.
在elementMetadata指定的所有条目的信息分组的列名。如果提供的话，这将确保所有的时间间隔，属于同一组会尽量在同一水平上，并没有落在之间。


参数：extend.size
Adding invisible buffered region to the GenomicRanges object, if it's 10, then adding 5 at both end. This make the close neighbors assigned to the different levels and make your eyes easy to identify.
添加无形的缓冲区域的GenomicRanges对象的，如果是10，然后在两端添加5。这使分配到不同程度的近邻，让你的眼睛很容易识别。


Details

详情----------Details----------

This is a tricky question, for example, pair-end RNA-seq data could be represented as two set of GenomicRanges object, one indicates the read, one indicates the junction.  At the same time, we need to make sure pair-ended read are shown on the same level, and nothing falls in between. For better visualization of  the data, we may hope to add invisible extended buffer to the reads, so
这是一个棘手的问题，例如，对端的RNA-seq的数据可以作为两个GenomicRanges对象代表，表示读，一个表示的交界处。同时，我们需要确保对截至读都显示在同一水平上，并没有落在之间。为了更好的可视化的数据，我们可能希望增加无形的扩展缓冲区的读取，所以


值----------Value----------

A modified GenmicRanges object with .levels as one column.
一个改良GenmicRanges.levels一列对象。


作者（S）----------Author(s)----------


Tengfei Yin



举例----------Examples----------


library(GenomicRanges)
set.seed(1)
N <- 500
## sample GRanges[＃示例农庄]
gr <- GRanges(seqnames =
              sample(c("chr1", "chr2", "chr3", "chrX", "chrY"),
                     size = N, replace = TRUE),
              IRanges(
                      start = sample(1:300, size = N, replace = TRUE),
                      width = sample(70:75, size = N,replace = TRUE)),
              strand = sample(c("+", "-", "*"), size = N,
                replace = TRUE),
              value = rnorm(N, 10, 3), score = rnorm(N, 100, 30),
              group = sample(c("Normal", "Tumor"),
                size = N, replace = TRUE),
              pair = sample(letters, size = N,
                replace = TRUE))

## grouping and extending[＃分组和延伸]
head(addSteppings(gr))
head(addSteppings(gr, group.name = "pair"))
gr.close <- GRanges(c("chr1", "chr1"), IRanges(c(10, 20), width = 9))
addSteppings(gr.close)
addSteppings(gr.close, extend.size = 5)

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。