R语言 flowType包 flowType-package()函数中文帮助文档(中英文对照)

loveR

flowType-package(flowType)
flowType-package()所属R语言包：flowType

                                         flowType: Phenotyping Flow Cytometry Assays
                                         flowType：表型流式单元仪检测

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

flowType uses a simple threshold, Kmeans, flowMeans, or flowClust to partition every channel to a positive and a negative cell population. These partitions are then combined to generate a set of multi-dimensional phenotypes.
flowType使用一个简单的阈值，KMEANS，flowMeans，或flowClust分区的每一个积极和消极的单元群的通道。这些分区，然后结合产生了一套多维表型。


Details

详情----------Details----------

For a given FCS file, the flowType function extracts a the phenotypes and reports their cell frequencies (number of cells) and mean fluorescence intensity (MFI)s.
对于一个给定的FCS文件，flowType功能提取的表型，并报告他们的单元频率（单元的数量）和平均荧光强度（MFI）。


作者（S）----------Author(s)----------



Nima Aghaeepour




参考文献----------References----------

O'Neill, Tess M. Brodie, Habil Zare, John R. Mascola, Holger H. Hoos, Nelson Michael, Ryan R. Brinkman, and Mario Roederer. Early Immunologic Correlates of HIV Protection can be Identified from Computational Analysis of Complex Multivariate T-cell Flow Cytometry Assays. To be submitted to PLoS Computational Biology, 2011.

举例----------Examples----------


#Load the library[加载库]
library(flowType)
data(DLBCLExample)
MarkerNames <- c('Time', 'FSC-A','FSC-H','SSC-A','IgG','CD38','CD19','CD3','CD27','CD20', 'NA', 'NA')

#These markers will be analyzed[这些标记将分析]
PropMarkers <- 3:5
MFIMarkers <- PropMarkers
MarkerNames <- c('FS', 'SS','CD3','CD5','CD19')

#Run flowType[运行flowType]
Res <- flowType(DLBCLExample, PropMarkers, MFIMarkers, 'flowMeans', MarkerNames);

MFIs=Res@MFIs;
Proportions=Res@CellFreqs;
Proportions <- Proportions / max(Proportions)

#Select the 30 largest phenotypes[选择30个最大的表型]
index=order(Proportions,decreasing=TRUE)[1:30]
bp=barplot(Proportions[index], axes=FALSE, names.arg=FALSE)
text(bp+0.2, par("usr")[3]+0.02, srt = 90, adj = 0, labels = names(Proportions[index]), xpd = TRUE, cex=0.8)
axis(2);
axis(1, at=bp, labels=FALSE);
title(xlab='Phenotype Names', ylab='Cell Proportion')

#These phenotype can be analyzed using a predictive model (e.g., classification or regression)[这些表型可以使用预测模型（例如，分类或回归分析）]

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。