R语言 HEM包 hem.eb.prior()函数中文帮助文档(中英文对照)

loveR

hem.eb.prior(HEM)
hem.eb.prior()所属R语言包：HEM

                                        Empirical Bayes (EB) Prior Specification
                                         经验Bayes（EB），在此之前规范

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Estimates experimental and biological variances by LPE and resampling
估计由液相和重采样实验和生物差异


用法----------Usage----------


hem.eb.prior(dat,  n.layer, design,
             method.var.e="neb", method.var.b="peb", method.var.t="neb",
             rep=TRUE, baseline.var="LPE", p.remove=0, max.chip=4,
             q=0.01, B=25, n.digits=10, print.message.on.screen=TRUE)



参数----------Arguments----------

参数：dat
data
数据


参数：n.layer
number of layers
层数


参数：design
design matrix
设计矩阵


参数：method.var.e
prior specification method for experimental variance;   "peb"=parametric EB prior specification, "neb"=nonparametric EB prior specification
事先规范实验方差方法“PEB”=参数的EB事先规范，“纳布”=非参数的EB事先规范


参数：method.var.b
prior specification method for biological variance;  "peb"=parametric EB prior specification
“PEB”=参数的EB事先规范生物变异的事先规范的方法;


参数：method.var.t
prior specification method for total variance;  "peb"=parametric EB prior specification, "neb"=nonparametric EB prior specification
总方差方法事先规范“PEB”=参数的EB事先规范，“纳布”=非参数的EB事先规范


参数：rep
no replication if FALSE
如果为FALSE没有复制


参数：baseline.var
baseline variance estimation method: LPE for replicated data and BLPE, PSE, or ASE for unreplicated data
基线方差估计方法：复制的数据和BLPE，PSE，或者未复制的数据日月光液相外延


参数：p.remove
percent of removed rank-variance genes for BLPE
百分之BLPE基因删除秩方差


参数：max.chip
maximum number of chips to estimate errors
芯片的最大数目估计错误


参数：q
quantile for paritioning genes based on expression levels
位数paritioning基因的基础上表达水平


参数：B
number of iterations for resampling
迭代次数为重采样


参数：n.digits
number of digits
的位数


参数：print.message.on.screen
if TRUE, process status is shown on screen.
如果为TRUE，进程状态显示在屏幕上。


值----------Value----------


参数：var.b
prior estimate matrix for biological variances (n.layer=2)
生物差异事先估计矩阵（n.layer = 2）


参数：var.e
prior estimate matrix for experiemtnal variances (n.layer=2)
事先估计矩阵experiemtnal差异（n.layer = 2）


参数：var.t
prior estimate matrix for total variances (n.layer=1)
事先估计总变异矩阵（n.layer = 1）


作者（S）----------Author(s)----------



HyungJun Cho and Jae K. Lee




参见----------See Also----------

hem,  hem.fdr
hem，hem.fdr


举例----------Examples----------



#Example 1: Two-layer HEM with EB prior specification[例1：双层下摆与EB事先规范]

data(pbrain)

##construct a design matrix[＃构造设计矩阵]
cond <- c(1,1,1,1,1,1,2,2,2,2,2,2)
ind  <- c(1,1,2,2,3,3,1,1,2,2,3,3)
rep  <- c(1,2,1,2,1,2,1,2,1,2,1,2)
design <- data.frame(cond,ind,rep)

##normalization[＃标准化]
pbrain.nor <- hem.preproc(pbrain[,2:13])

##take a subset for a testing purpose;[＃用于测试目的的一个子集;]
##use all genes for a practical purpose[＃实际用途使用的所有基因]
pbrain.nor <- pbrain.nor[1:1000,]

##estimate hyperparameters of variances by LPE[＃方差估计液相hyperparameters]
#pbrain.eb  &lt;- hem.eb.prior(pbrain.nor, n.layer=2,  design=design,[pbrain.eb < -  hem.eb.prior（pbrain.nor，n.layer = 2，设计=设计，]
#                           method.var.e="neb", method.var.b="peb")     [method.var.e =“纳布”，“method.var.b =”PEB）]

#fit HEM with two layers of error[适合下摆两层的错误]
#using the small numbers of burn-ins and MCMC samples for a testing purpose;[使用烧伤插件的MCMC样本和测试目的的小数字;]
#but increase the numbers for a practical purpose [但增加的实际用途的数字]
#pbrain.hem &lt;- hem(pbrain.nor, n.layer=2,  design=design,burn.ins=10, n.samples=30, [pbrain.hem < - 下摆（pbrain.nor，n.layer = 2，设计设计，burn.ins = 10，n.samples = 30，]
#              method.var.e="neb", method.var.b="peb", [method.var.e =“纳布”，method.var.b =“PEB”]
#              var.e=pbrain.eb$var.e, var.b=pbrain.eb$var.b)[var.e = $ pbrain.eb var.e，var.b = pbrain.eb美元var.b）]


#Example 2: One-layer HEM with EB prior specification[例2：1层的下摆与EB事先规范]

data(mubcp)

##construct a design matrix[＃构造设计矩阵]
cond <- c(rep(1,6),rep(2,5),rep(3,5),rep(4,5),rep(5,5))
ind  <- c(1:6,rep((1:5),4))
design <- data.frame(cond,ind)

##normalization[＃标准化]
mubcp.nor <- hem.preproc(mubcp)

##take a subset for a testing purpose;[＃用于测试目的的一个子集;]
##use all genes for a practical purpose[＃实际用途使用的所有基因]
mubcp.nor <- mubcp.nor[1:1000,]

##estimate hyperparameters of variances by LPE[＃方差估计液相hyperparameters]
#mubcp.eb  &lt;- hem.eb.prior(mubcp.nor, n.layer=1, design=design,[mubcp.eb < -  hem.eb.prior（mubcp.nor，n.layer = 1，设计=设计，]
#             method.var.t="neb")                                [method.var.t =“纳布”）]

#fit HEM with two layers of error[适合下摆两层的错误]
#using the small numbers of burn-ins and MCMC samples for a testing purpose;[使用烧伤插件的MCMC样本和测试目的的小数字;]
#but increase the numbers for a practical purpose [但增加的实际用途的数字]
#mubcp.hem &lt;- hem(mubcp.nor, n.layer=1, design=design,  burn.ins=10, n.samples=30, [mubcp.hem < - 下摆（mubcp.nor，n.layer = 1，设计设计，burn.ins = 10，n.samples = 30，]
#             method.var.t="neb", var.t=mubcp.eb$var.t)[method.var.t =“纳布”，var.t = mubcp.eb var.t）]


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。