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

loveR

histogramPlot(Clonality)
histogramPlot()所属R语言包：Clonality

                                         Histrograms of Log-Likelihood Ratios
                                         对数似然比histrograms

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Function produces the histograms of the within-patient and between-patient log-Likelihood Ratios.
函数产生内门诊和病人之间的log的可能性比直方图。


用法----------Usage----------


histogramPlot(ptLRvec, refLRvec)



参数----------Arguments----------

参数：ptLRvec
Vector with the within-patient likelihood ratios -  output LR of clonality.analysis()  
门诊内的可能性比与矢量 -  clonality.analysis输出LR（）


参数：refLRvec
Vector with the between-patient likelihood ratios -  output refLR of clonality.analysis()  
与病人之间的似然比的向量 - 输出的clonality.analysis refLR（）


Details

详情----------Details----------

Functions plots two overlapping histograms:  within-patient log-likelihood ratios are in red and between-patient log-likelihood ratios (reference distribution under the hypothesis of independence) are in black.
功能图两个重叠直方图：在门诊log的可能性比在红色和黑色之间的门诊log的可能性比（参考分布的独立性假设下）。


举例----------Examples----------


# Same example as in clonality.analysis()[相同的例子如在clonality.analysis（）]
   #Analysis of paired breast samples from study[从学习配对的乳腺癌样本分析]
#Hwang ES, Nyante SF, Chen YY, Moore D, DeVries S, Korkola JE, Esserman LJ, and Waldman FM. [黄禹锡胚胎干，Nyante科幻，陈宜瑜，摩尔DeVries医师小号，Korkola乙脑，埃瑟曼LJ，瓦尔德曼调频。]
#Clonality of lobular carcinoma in situ and synchronous invasive lobular cancer. Cancer 100(12):2562-72, 2004.[小叶癌在原位和同步的浸润性小叶癌的克隆。癌症100（12）:2562-72，2004。]
#library(gdata)    #needed to read .xls files[库（GDATA）的需要读取xls文件]
#library(DNAcopy) [库（DNAcopy）]
#arrayinfo&lt;-read.xls("http://waldman.ucsf.edu/Colon/nakao.data.xls")  #needed to extract  genomic locations[arrayinfo <read.xls（“http://waldman.ucsf.edu/Colon/nakao.data.xls）＃需要提取基因组的位置]
#data&lt;-read.xls("http://waldman.ucsf.edu/Breast/Hwang.data.xls")[<read.xls（“http://waldman.ucsf.edu/Breast/Hwang.data.xls”）的数据]
#data&lt;-data[!is.na(data[,2]),][数据<数据！is.na（数据[2]）]]
#data&lt;-data[apply(is.na(data),1,sum)&lt;=50,][数据<数据应用（is.na（数据），1，总和）<= 50]]
#data&lt;-data[,apply(is.na(data),2,sum)&lt;=1000][数据<数据，适用于（is.na（数据），2，总和）<= 1000]]
#data$Position&lt;-arrayinfo$Mb[match(toupper(as.character(data[,1])),toupper(as.character(arrayinfo[,1])))][]
#data&lt;-data[!is.na(data$Position),][数据<数据！is.na（数据位置）]]
#dim(data)[昏暗的（数据）]
#length(unique(paste(data$Chromosome, data$Position))) #there are repeated genomic locations[长度（独特（膏（数据$染色体，数据元的位置）））＃有重复的基因位置]
#data&lt;-data[c(TRUE,data$Position[-1]!=data$Position[-1864]),] #discard probes with repeated genomic locations[数据<数据[C（TRUE时，数据元的位置[-1] =数据元的位置[-1864]），＃丢弃重复的基因组位置的探针]
#data&lt;-data[data$Chromosome&lt;=22,] #getting rid of X and Y chromosomes[数据<数据[数据$染色体<= 22，]＃X和Y染色体]
#dataCNA&lt;-CNA(as.matrix(data[,c(4:6,28:30)]),maploc=data$Position,chrom=data$Chromosome,sampleid=names(data)[c(4:6,28:30)]) #taking the first 3 patients only to shorten the computation time; use c(4:51) for the full dataset[＃采取的第3例患者，不仅缩短了计算时间;完整的数据集使用C（4:51）]

#dataCNA$maploc&lt;-dataCNA$maploc*1000 #transforming maploc to Kb scale[dataCNA美元maploc <-dataCNA $ maploc * 1000＃转化maploc KB规模]
#dataCNA$chrom&lt;- splitChromosomes( dataCNA$chrom,dataCNA$maploc)  #splits the chromosomes into arms[dataCNA美元CHROM < -  splitChromosomes（dataCNA元铬，dataCNA美元maploc）＃分割成武器的染色体]


#ptlist&lt;-substr(names(dataCNA)[-c(1,2)],1,4)[ptlist <SUBSTR（名称（dataCNA）-C（1,2）]，1,4）]
#samnms&lt;-names(dataCNA)[-c(1,2)][samnms <名称（dataCNA）-C（1,2）]]

#results&lt;-clonality.analysis(dataCNA, ptlist,  pfreq = NULL, refdata = NULL, nmad = 1.25, [结果<clonality.analysis（dataCNA，ptlist，pfreq = NULL，refdata = NULL，nmad = 1.25，]
# reference = TRUE, allpairs = FALSE)[参考= TRUE allpairs = FALSE）]
              
#genomewide plots of pairs of tumors from the same patient[从同一病人对肿瘤的基因组图]
#pdf("genomewideplots.pdf",height=7,width=11)[PDF（的“genomewideplots.pdf”，高度= 7，宽度= 11）]
#for (i in unique(ptlist))[（独特的我（ptlist））]
#{[{]
#w&lt;-which(ptlist==i) [W <（ptlist ==我）]
#ns&lt;- length(w)[NS < - 长度（W）]
#if (ns&gt;1)[（NS> 1）]
#{[{]
#for (p1 in c(1ns-1)))[（P1（1：在C（NS-1）））]
#for (p2 in c((p1+1):ns))[（P2在C（（P1 +1）：NS））]
#genomewidePlots(results$OneStepSeg, results$ChromClass,ptlist , ptpair=samnms[c(w[p1],w[p2])],results$LR,  plot.as.in.analysis = TRUE) [的genomewidePlots（结果为OneStepSeg，结果ChromClass，ptlist，ptpair = samnms [C（W [P1]，W [P2]）]，结果为LR的，plot.as.in.analysis = TRUE时）]
#}[}]
#}[}]
#dev.off()[dev.off（）]



#pdf("hist.pdf",height=7,width=11)[PDF（的“hist.pdf”，高度= 7，宽度= 11）]
#histogramPlot(results$LR[,4], results$refLR[,4])[histogramPlot（结果为LR的[4]，结果美元refLR [4]）]
#dev.off()[dev.off（）]


#for (i in unique(ptlist))[（独特的我（ptlist））]
#{[{]
#pdf(paste("pt",i,".pdf",sep=""),height=7,width=11)[（粘贴（“PT”，“PDF”，SEP =“”），高度= 7，宽度= 11）]
#chromosomePlots(results$OneStepSeg, ptlist,ptname=i,nmad=1.25)[chromosomePlots（结果为OneStepSeg，ptlist，ptname =我，nmad = 1.25）]
#dev.off()[dev.off（）]
#}[}]

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。