gal_all(CORREP)
gal_all()所属R语言包:CORREP
Galactose Metabolism Data
半乳糖代谢数据
译者:生物统计家园网 机器人LoveR
描述----------Description----------
The data is compiled by Mario Medvedovic et al, 2003 based on the original full data reported in Ideker et al, 2001. There are a total of 205 rows (genes), 20 experiments, and 4 repeated measurements in the data. There are 4 classes (which correspond to functional categories). The data contains approximately 8 of missing data. The missing values were filled by applying k-nearest neighbor (k = 12) to impute all the missing values.
马里奥Medvedovic等,2003年在Ideker等人,2001年报告的完整的原始数据的基础上编制的数据。有一共有205行(基因),20个实验,4重复测量数据。有4类(对应功能类别)。丢失的数据,数据中包含大约8。采用k-近邻(K = 12),意指所有的遗漏值,缺失值填补。
用法----------Usage----------
data(gal_all)
格式----------Format----------
A data frame with 205 variables on the following 80 replicated observations.
与205以下80重复观测的变量的数据框。
wtRG1 a numeric vector
wtRG1一个数值向量
wtRG2 a numeric vector
wtRG2一个数值向量
wtRG3 a numeric vector
wtRG3一个数值向量
wtRG4 a numeric vector
wtRG4一个数值向量
gal1RG1 a numeric vector
gal1RG1一个数值向量
gal1RG2 a numeric vector
gal1RG2一个数值向量
gal1RG3 a numeric vector
gal1RG3一个数值向量
gal1RG4 a numeric vector
gal1RG4一个数值向量
gal2RG1 a numeric vector
gal2RG1一个数值向量
gal2RG2 a numeric vector
gal2RG2一个数值向量
gal2RG3 a numeric vector
gal2RG3一个数值向量
gal2RG4 a numeric vector
gal2RG4一个数值向量
gal3RG1 a numeric vector
gal3RG1一个数值向量
gal3RG2 a numeric vector
gal3RG2一个数值向量
gal3RG3 a numeric vector
gal3RG3一个数值向量
gal3RG4 a numeric vector
gal3RG4一个数值向量
gal4RG1 a numeric vector
gal4RG1一个数值向量
gal4RG2 a numeric vector
gal4RG2一个数值向量
gal4RG3 a numeric vector
gal4RG3一个数值向量
gal4RG4 a numeric vector
gal4RG4一个数值向量
gal5RG1 a numeric vector
gal5RG1一个数值向量
gal5RG2 a numeric vector
gal5RG2一个数值向量
gal5RG3 a numeric vector
gal5RG3一个数值向量
gal5RG4 a numeric vector
gal5RG4一个数值向量
gal6RG1 a numeric vector
gal6RG1一个数值向量
gal6RG2 a numeric vector
gal6RG2一个数值向量
gal6RG3 a numeric vector
gal6RG3一个数值向量
gal6RG4 a numeric vector
gal6RG4一个数值向量
gal7RG1 a numeric vector
gal7RG1一个数值向量
gal7RG2 a numeric vector
gal7RG2一个数值向量
gal7RG3 a numeric vector
gal7RG3一个数值向量
gal7RG4 a numeric vector
gal7RG4一个数值向量
gal10RG1 a numeric vector
gal10RG1一个数值向量
gal10RG2 a numeric vector
gal10RG2一个数值向量
gal10RG3 a numeric vector
gal10RG3一个数值向量
gal10RG4 a numeric vector
gal10RG4一个数值向量
gal80RG1 a numeric vector
gal80RG1一个数值向量
gal80RG2 a numeric vector
gal80RG2一个数值向量
gal80RG3 a numeric vector
gal80RG3一个数值向量
gal80RG4 a numeric vector
gal80RG4一个数值向量
wtR1 a numeric vector
wtR1一个数值向量
wtR2 a numeric vector
wtR2一个数值向量
wtR3 a numeric vector
wtR3一个数值向量
wtR4 a numeric vector
wtR4一个数值向量
gal1R1 a numeric vector
gal1R1一个数值向量
gal1R2 a numeric vector
gal1R2一个数值向量
gal1R3 a numeric vector
gal1R3一个数值向量
gal1R4 a numeric vector
gal1R4一个数值向量
gal2R1 a numeric vector
gal2R1一个数值向量
gal2R2 a numeric vector
gal2R2一个数值向量
gal2R3 a numeric vector
gal2R3一个数值向量
gal2R4 a numeric vector
gal2R4一个数值向量
gal3R1 a numeric vector
gal3R1一个数值向量
gal3R2 a numeric vector
gal3R2一个数值向量
gal3R3 a numeric vector
gal3R3一个数值向量
gal3R4 a numeric vector
gal3R4一个数值向量
gal4R1 a numeric vector
gal4R1一个数值向量
gal4R2 a numeric vector
gal4R2一个数值向量
gal4R3 a numeric vector
gal4R3一个数值向量
gal4R4 a numeric vector
gal4R4一个数值向量
gal5R1 a numeric vector
gal5R1一个数值向量
gal5R2 a numeric vector
gal5R2一个数值向量
gal5R3 a numeric vector
gal5R3一个数值向量
gal5R4 a numeric vector
gal5R4一个数值向量
gal6R1 a numeric vector
gal6R1一个数值向量
gal6R2 a numeric vector
gal6R2一个数值向量
gal6R3 a numeric vector
gal6R3一个数值向量
gal6R4 a numeric vector
gal6R4一个数值向量
gal7R1 a numeric vector
gal7R1一个数值向量
gal7R2 a numeric vector
gal7R2一个数值向量
gal7R3 a numeric vector
gal7R3一个数值向量
gal7R4 a numeric vector
gal7R4一个数值向量
gal10R1 a numeric vector
gal10R1一个数值向量
gal10R2 a numeric vector
gal10R2一个数值向量
gal10R3 a numeric vector
gal10R3一个数值向量
gal10R4 a numeric vector
gal10R4一个数值向量
gal80R1 a numeric vector
gal80R1一个数值向量
gal80R2 a numeric vector
gal80R2一个数值向量
gal80R3 a numeric vector
gal80R3一个数值向量
gal80R4 a numeric vector
gal80R4一个数值向量
Details
详情----------Details----------
The 205 genes have been classified into four functional classes based on their GO annotations. In the data examaple provided in the vignette, we assume the four classes as true memberships (external knowledge) and use it to evaluate the performances of different correlation measured based clustering methods.
205个基因已被分为四个功能类,根据他们的好注解。在在暗角提供的数据简单示例,我们假设真正成员的四个类别(外部知识),并用它来评估不同的相关测量的聚类方法的性能。
源----------Source----------
http://expression.microslu.washington.edu/expression/kayee/medvedovic2003/medvedovic\_bioinf2003.html
参考文献----------References----------
Bioinformatics, 22;20(8):1222-32. Ideker, T., Thorsson, V., Siegel, A. and Hood, L. Testing for Differentially-Expressed Genes by Maximum-Likelihood Analysis of DNA Microarray Data. Journal of Computational Biology 7: 805-817 (2000).
举例----------Examples----------
data(gal_all)
## maybe str(gal_all) ; plot(gal_all) ...[#也许STR(gal_all);图(gal_all)...]
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。
|