zScores(GeneMeta)
zScores()所属R语言包：GeneMeta
Tools for Meta-analysis of gene expression data.
Meta分析基因表达数据的工具。
译者：生物统计家园网 机器人LoveR
描述----------Description----------
A small number of meta-analysis functions for computing zScores for FEM and REM and computing FDR.
一个荟萃分析功能计算少数zScores FEM和REM和计算FDR。
用法----------Usage----------
zScores(esets, classes, useREM=TRUE, CombineExp=1:length(esets))
zScorePermuted(esets, classes, useREM=TRUE, CombineExp=1:length(esets))
zScoreFDR(esets, classes, useREM=TRUE, nperm=1000, CombineExp=1:length(esets))
multExpFDR(theScores, thePermScores, type="pos")
参数----------Arguments----------
参数：esets
A list of ExpressionSets, one expression set per experiment. All experiments must have the same variables(genes).
一个listExpressionSet的实验，设置每一个表达式。所有的实验都必须有相同的变量（基因）。
参数：classes
A list of class memberships, one per experiment. Each list can only contain 2 levels.
一个list类的成员，每个实验之一。每个list只能包含2级。
参数：useREM
A logical value indicating whether or not to use a REM, TRUE, or a FEM, FALSE, for combining the z scores.
一个logical值，该值指示是否使用REM，TRUE，或有限元法，FALSE相结合的Z分数。
参数：theScores
A vector of scores (e.g. t-statistics or z scores)
一个vector分数（例如t-统计量或z分数）
参数：thePermScores
A vector of permuted scores (e.g. t-statistics or z scores)
一个vector置换分数（如t-统计量或z分数）
参数：type
"pos", "neg" or "two.sided"
“POS”，“负”或“two.sided”
参数：nperm
number of permutations to calculate the FDR
排列数计算的FDR
参数：CombineExp
vector of integer- which experiments should be combined-default:all experiments
vector整数实验应该联合默认：所有实验
Details
详情----------Details----------
The function zScores implements the approach of Choi et al. for for a set of ExpressionSets. The function zScorePermuted applies zScore to a single permutation of the class labels. The function zScoreFDR computes a FDR for each gene, both for each single experiment and for the combined experiment. The FDR is calculated as described in Choi et al. Up to now ties in the zscores are not taken into account in the calculation. The function might produce incorrect results in that case. The function also computes zScores, both for the combines experiment and for each single experiment.
功能zScores实现Choi等人的做法。为一套ExpressionSet的。功能zScorePermuted一类的标签排列zScore适用。功能zScoreFDR计算每一个基因的FDR总统，同时为每个单一的实验和联合实验。FDR计算Choi等。现在的关系在zscores不考虑计算。的功能，在这种情况下，可能会产生不正确的结果。在功能上也计算zScores，同时结合实验，并为每个单一的实验。
值----------Value----------
A matrix with one row for each probe(set) and the following columns:
一个matrix一排每个探针（套）和下面的列：
参数：zSco_Ex_
For each single experiment the standardized mean difference, Effect_Ex_, divided by the estimated standard deviation, the square root of the EffectVar_Ex_ column.
对于每一个单一的实验标准化平均差，Effect_Ex_，估计的标准偏差，EffectVar_Ex_列平方根。
参数：MUvals
The combined standardized mean difference (using a FEM or REM)
合并后的标准化平均差（使用有限元法或REM）
参数：MUsds
The standard deviation of the MUvals.
的MUvals的标准偏差。
参数：zSco
The z statistic - the MUvals divided by their standard deviations, MUsds.
z统计 - MUvals除以标准差，MUsds。
参数：Qvals
Cochran's Q statistic for each gene.
科克伦的Q统计量为每一个基因。
参数：df
The degree of freedom for the Chi-square distribution. This is equal to the number of combined experiments minus one.
卡方分布的自由度。这是平等的联合实验数减一。
参数：Qpvalues
The probability that a Chi-square random variable, with df degrees of freedom) has a higher value than the value from the Q statistic.
卡方随机变量df自由度）有更高的价值比从Q统计量的值的概率。
参数：Chisq
The probability that a Chi-square random variate (with 1 degree of freedom) has a higher value than the value of zSco^2.
卡方随机变量（1自由度）具有更高的价值比zSco^2值的概率。
参数：Effect_Ex_
The standardized mean difference for each single experiment.
标准化平均差为每个单一的实验。
参数：EffectVar_Ex_
The variance of the standardized mean difference for each single experiment.
每个单一的实验标准化平均差的差异。
Note that the three column names that end in an underscore are replicated, once for each experiment that is being analyzed.
请注意，在最终底线的三个列名被复制，为每一个被分析的实验一次。
作者（S）----------Author(s)----------
M. Ruschhaupt
参考文献----------References----------
举例----------Examples----------
data(Nevins)
##Splitting [＃分裂]
thestatus <- Nevins$ER.status
group1 <- which(thestatus=="pos")
group2 <- which(thestatus=="neg")
rrr <- c(sample(group1, floor(length(group1)/2)),
sample(group2,ceiling(length(group2)/2)))
Split1 <- Nevins[,rrr]
Split2 <- Nevins[,-rrr]
#obtain classes[获得类]
Split1.ER <- as.numeric(Split1$ER.status) - 1
Split2.ER <-as.numeric(Split2$ER.status) - 1
esets <- list(Split1,Split2)
classes <- list(Split1.ER,Split2.ER)
theScores <- zScores(esets,classes,useREM=FALSE)
theScores[1:2,]
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 18:54:37
