powfindgenes(gaga)
powfindgenes()所属R语言包：gaga
Power computations for differential expression
差异表达的功率计算
译者：生物统计家园网 机器人LoveR
描述----------Description----------
powfindgenes evaluates the posterior expected number of true positives (e.g. true gene discoveries) if one were to obtain an additional batch of data. It uses a gaga model fit based on a set of pilot data.
powfindgenes评估真阳性（如真正的基因的发现）后的预计数，如果一个人获得额外的一批数据。它采用了Gaga的一组试验数据为基础的模型拟合。
用法----------Usage----------
powfindgenes(gg.fit, x, groups, batchSize = 1, fdrmax = 0.05, genelimit, v0thre = 1, B = 1000)
参数----------Arguments----------
参数：gg.fit
GaGa or MiGaGa fit (object of type gagafit, as returned by fitGG).
GAGA或MiGaGa合适的类型gagafit，fitGG返回的对象。
参数：x
ExpressionSet, exprSet, data frame or matrix containing the gene expression measurements used to fit the model.
ExpressionSet，exprSet，数据框或矩阵包含用于拟合模型的基因表达测量。
参数：groups
If x is of type ExpressionSet or exprSet, groups should be the name of the column in pData(x) with the groups that one wishes to compare. If x is a matrix or a data frame, groups should be a vector indicating to which group each column in x corresponds to.
x如果类型ExpressionSet或exprSet，groups应该是列名pData(x)一个愿望比较组。 x如果是一个矩阵或一个数据框，groups应该是哪一组x中的每一列对应的向量。
参数：batchSize
Number of additional samples to obtain per group.
每组获得额外的样品数。
参数：fdrmax
Upper bound on FDR. </table>
在FDR的上的约束。 </ TABLE>
参数：genelimit
Only the genelimit genes with the lowest probability of being equally expressed across all groups will be simulated. Setting this limit can significantly increase the computational speed.
只有genelimit基因同样被所有群体表示的最低概率将模拟。设置此限制，可以大大提高运算速度。
参数：v0thre
Only genes with posterior probability of being equally expressed < v0thre will be simulated. Setting this limit can significantly increase the computational speed.
后验概率只有基因同样表示<v0thre将模拟的。设置此限制，可以大大提高运算速度。
参数：B
Number of simulations from the GaGa predictive distribution to be used to estimate the posterior expected number of true positives.
GaGa的预测分布模拟被用来估算后预计真阳性数数。
Details
详情----------Details----------
The routine simulates data from the posterior predictive distribution of a GaGa model. That is, first it simulates parameter values (differential expression status, mean expression levels etc.) from the posterior distribution. Then it simulates data using Gamma distributions and the parameter values drawn from the posterior. Finally the simulated data is used to determine the differential status of each gene, controlling the Bayesian FDR at the fdrmax level, as implemented in findgenes. As the differential expression status is known for each gene, one can evaluate the number of true discoveries in the reported gene list.
常规模拟后的GaGa的模型的预测分布的数据。也就是说，先模拟后验分布的参数值（差异表达的状态，平均表达水平等）。然后，它模拟使用Gamma分布和参数值从后得出的数据。最后的模拟数据被用来确定每个基因的差的状态，控制在fdrmax水平贝叶斯FDR，findgenes实施。作为每个基因差异表达的状态，可以评估报告基因列表中的真实发现数量。
值----------Value----------
参数：m
Posterior expected number of true positives (as estimated by the sample mean of B simulations)
真阳性后预计数（样本估计平均B模拟）
参数：s
Standard error of the estimate i.e. SD of the simulations/sqrt(B)
标准错误的估计，即SD模拟/ SQRT（二）
作者（S）----------Author(s)----------
David Rossell
参考文献----------References----------
参见----------See Also----------
findgenes, fitGG, parest. See powclasspred for
findgenes，fitGG，parest。看到powclasspred
举例----------Examples----------
#Simulate data and fit GaGa model[模拟数据和适合GAGA模型]
set.seed(1)
x <- simGG(n=20,m=2,p.de=.5,a0=3,nu=.5,balpha=.5,nualpha=25)
gg1 <- fitGG(x,groups=1:2,method='EM')
gg1 <- parest(gg1,x=x,groups=1:2)
#Expected nb of TP for 1 more sample per group[预计每1组样品的TP NB]
powfindgenes(gg1,x=x,groups=1:2,batchSize=1,fdrmax=.05)$m
#Expected nb of TP for 10 more samples per group[NB预计为每10组样品的TP]
powfindgenes(gg1,x=x,groups=1:2,batchSize=10,fdrmax=.05)$m
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 2012-2-25 18:21:48
