R语言 rHVDM包 training.nl()函数中文帮助文档(中英文对照)

loveR

training.nl(rHVDM)
training.nl()所属R语言包：rHVDM

                                        Performs the HVDM training step and returns a list containing the results
                                         执行的HVDM的训练步骤和返回一个列表，其中包含的结果

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This method performs the nonlinear training step of the HVDM algorithm. It returns a list that will then be used in the subsequent screening step.
此方法执行的HVDM算法的非线性训练步骤。它返回一个列表，然后将在随后的筛选步骤。


用法----------Usage----------


training.nl(inputHVDM,transforms,constraints,forcetransforms,genemodels,firstguess)



参数----------Arguments----------

参数：inputHVDM
an HVDM training object  
一个HVDM培训的对象


参数：transforms
a vector containing the kinetic parameter identifiers that have to be transformed during optimisation (optional)  
矢量动力学参数标识符（可选）在优化过程中，必须转化


参数：constraints
"known" values for the activator signal  
“知名”的价值观，为激活信号


参数：forcetransforms
Boolean, whether the transformation in argument transforms have to be applied  
布尔，是否适用于转型中的参数转换有


参数：genemodels
the type of model that has to be used for each gene
已被用于每一个基因的模型类型


参数：firstguess
a first guess for all the parameters
为所有参数的第一个猜测


Details

详情----------Details----------

Contrary to the linear training function (without .nl suffix), this function takes as main input another training object (either a linear training object or a non-linear one, where all the genes have been fitted witha MIchelis-Menten model ("MM").
相反的的线性培训功能（无。NL后缀），此功能需要作为主要输入另一个培训对象（无论是线性培训对象或一个非线性，所有的基因已经装戕的德米凯利斯米氏模型（“ MM的“）。

An exponential transform is set by default for the basal (Bj) and degradation (Dj) rates, as well as for the kinetic parameters (Vj and Kj) in the production function (through the transforms argument). This forces the values for these parameters to be positive For the exponent Nj, the expp1 function ensures it is greater than one, when the hill formulation is used. To turn this off, set the forcetransforms switch to FALSE. Even in this case the degradation rate will not be allowed to take non-positive values as it causes problems with the differential operator used internally. The value in the vector indicates the parameter to be transformed: "Bj": basal rate of transcription, "Sj": sensitivity, "Dj": degrdation rate, etc.. The entry label indicates the transform to be applied.
默认设置为一个指数变换（DJ）基（北京）和降解率，以及在生产函数的动力学参数（VJ和KJ）（通过转换参数）。这将迫使这些参数的值是积极的，对于指数的Nj，expp1功能，确保它是大于，当山配方使用。关闭这个功能，forcetransforms开关设置为FALSE。即使在这种情况下的降解率将不会被允许采取非正面的价值观，因为它会导致内部使用的微分算子的问题。在向量的值表示要转换的参数：“BJ”：基础的转录率，“SJ”的敏感性，“DJ”：degrdation率等。条目标签指示转化应用。

The constraints argument is used to specify values for know values of some of the parameters, typically the strength of the activator for some time points. See example below for the syntax.
constraints参数是用来指定知道的一些参数，通常为一些时间点的激活强度值的值。语法见下面的例子。

The genemodels argument is compulsory and used to specify the model used for each individual gene. MM means Michaelis-Menten model whereas hill means a hill function is used. The general form of the production function is Bj+Vj*f(t)^Nj/(Kj^Nj+f(t)^Nj) where Nj=1 for the MM model and Nj>1 in the hill case. See below for the syntax of the input.
genemodels参数是强制性的，用于指定为每个基因所使用的模型。而希尔意味着山上的功能是用来MM意味着米氏模型。生产函数的一般形式是Bj+Vj*f(t)^Nj/(Kj^Nj+f(t)^Nj)其中NJ = 1的MM模型和山案NJ> 1。请参阅下面的输入语法。

The firstguess argument is not in use yet and will offer the possibility to enter a first guess for the fitting.
firstguess参数尚未使用，并会提供的可能性，进入了装修的第一猜测。


值----------Value----------

a list containing the results.
一个列表，其中包含的结果。


作者（S）----------Author(s)----------


Martino Barenco



参考文献----------References----------

of p53 targets using Hidden Variable Dynamic Modelling. Genome Biology, V7(3), R25.

参见----------See Also----------

HVDMcheck,screening.nl,fitgene,HVDMreport,training
HVDMcheck，screening.nl，fitgene，HVDMreport，training


举例----------Examples----------


#load data and fit a linear model[数据加载和适应线性模型]
data(HVDMexample)
rm(fiveGyMAS5)
data(HVDMexample2)
tp532<-training(eset=twodosesMAS5,genes=p53traingenes,degrate=0.8)
#formulate constraints[制订限制]
CONSTRAINTS<-c(350,35)
names(CONSTRAINTS)<-c("trfact1.5Gy.1.4","trfact1.hGy.1.4")
#specify individual gene models[指定个人的基因模型]
GENEMODELS<-rep("MM",5)
GENEMODELS[c(1,3)]<-"hill"
names(GENEMODELS)<-p53traingenes
#run the model[运行模式]
tp53hyb<-training.nl(inputHVDM=tp532,constraints=CONSTRAINTS,genemodels=GENEMODELS)

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。