R语言 PAN包 PAN-class()函数中文帮助文档(中英文对照)

loveR

PAN-class(PAN)
PAN-class()所属R语言包：PAN

                                         An S4 class for inferring a posterior association network
                                         推断了后路协会网络的S4类

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This S4 class includes methods to infer posterior association networks and enriched modules  of functional gene interactions from rich phenotyping screens.
S4类包含的方法来推断后的协会网络和丰富的功能基因的相互作用，从丰富的表型屏幕模块。


类的对象----------Objects from the Class----------

Objects of class PAN can be created from new("PAN", bm1, bm2) (see the example below for details).
可以创建对象的类PANnew("PAN", bm1, bm2)（详见下面的例子）。


插槽----------Slots----------

an object of S4 class BetaMixture, which models the first- order similarities between genes (see BetaMixture).
对象S4类BetaMixture，模型第一阶基因之间的相似之处（见BetaMixture）。

an object of S4 class BetaMixture, which models the second- order similarities between genes (modularity).
的S4级BetaMixture对象模型之间的基因（模块化）的二阶相似之处。

a weighted adjacency matrix computed from the posterior probabilities for gene associations to belong to mixture components (see edgeWeight).
加权邻接矩阵基因协会的后验概率计算，属于混合组件（见edgeWeight）。

the graphics visualization engine for PAN.
为PAN的图形可视化引擎。

a weighted adjacency matrix with edge weights satisfying certain constraints specified by the user (see infer).
与满足一定的约束由用户指定的边缘重量的加权邻接矩阵（见infer）。

a list summarizing inferred enriched functional gene modules (see pvclustModule.
列表总结推断出丰富的功能基因模块（见pvclustModule。

an igraph object for storing the inferred PAN.
存储推断潘IGRAPH对象。

a list of legends for built PAN graph.
传说内置潘图。

a list of summary information for available results.
现有结果的摘要信息列表。


方法----------Methods----------

An overview of methods (More detailed introduction can be found in help for each specific function.):
方法概述（更详细的介绍，可以在每个特定功能的帮助下找到。）

compute edge weights by signal-to-noise ratio, posterior odd or posterior probabilities (more details in edgeWeight).
边权重计算信号信噪比，后奇或后验概率（edgeWeight的更多细节）。

infer a posterior association network given the beta-mixture model(s) fitted to first- and/or second-order similarities (more details in infer).
推断后的协会网络，β-混合模型（S）安装第一和/或的二阶相似之处（infer详情）。

search significantly enriched functional gene modules by hierarchical clustering with bootstrap resampling based on the package pvclust (more details in pvclustModule).
层次聚类搜索显着丰富的功能基因模块与包pvclust（更多的细节pvclustModule）为基础引导重采样。

export the inferred PAN or modules to file(s) in a variety of  formats (more details in exportPAN).
推断潘或模块导出多种格式的文件（S）（exportPAN详情）。

retrieve significant gene modules that satisfy the given p-value  cutoff and module size range  (more details in sigModules).
检索显着的基因模块，满足给定的P-值的截止和模块的尺寸范围（sigModules的更多细节）。

view a nested structure for gene modules searched by hierarchical  clustering (more details in viewNestedModules).
查看嵌套结构层次聚类搜索的基因模块（viewNestedModules的更多细节）。

view the inferred PAN or modules in igraph or RedeR (more  details in viewPAN).
查看igraph或RedeR（更多详情）viewPAN推断潘或模块。

build a PAN graph for visualization in igraph or RedeR (more details in viewPAN).
建立在igraph或RedeR（更多详情）viewPAN潘可视化的图形。

View the legends for the graph built for PAN.
查看为潘建成的图的传说。

summarize results including input data and parameters, inferred graph and modules.
总结包括输入数据和参数，推断出图和模块的结果。


作者（S）----------Author(s)----------


Xin Wang <a href="mailto:xw264@cam.ac.uk">xw264@cam.ac.uk</a>



参考文献----------References----------

and Florian Markowetz, Posterior association networks and enriched  functional gene modules inferred from rich phenotypic perturbation  screens, in preparation.

参见----------See Also----------

edgeWeight infer pvclustModule exportPAN sigModules viewPAN viewNestedModules summarize
edgeWeightinferpvclustModuleexportPANsigModulesviewPANviewNestedModulessummarize


举例----------Examples----------


## Not run: [＃无法运行：]
data(bm, package="PAN")
##create an object of `PAN'[＃创建一个潘对象。]
pan<-new("PAN", bm1=bm1)
##infer a PAN[＃推断泛。]
pan<-infer(pan, para=list(type="SNR", log=TRUE, sign=TRUE, cutoff=log(5)),
        filter=FALSE, verbose=TRUE)
##build a PAN graph for RedeR, hide negative edges[＃建立潘瑞德的图形，隐藏下降沿]
##using colors scaled based on the clustering results from Bakal et al. 2007 [＃使用颜色调整Bakal等聚类结果的基础上。 2007]
data(Bakal2007Cluster)
pan<-buildPAN(pan, engine="RedeR", para=list(nodeColor=nodeColor, hideNeg=TRUE))
##view PAN in RedeR[＃查看瑞德潘]
library(RedeR)
viewPAN(pan, what="graph")
##print a summary of results[＃打印结果摘要]
summarize(pan, "ALL")

## End(Not run)[＃结束（不运行）]

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。