R语言 Starr包 cmarrt.ma()函数中文帮助文档(中英文对照)

loveR

cmarrt.ma(Starr)
cmarrt.ma()所属R语言包：Starr

                                         Compute moving average statistics by incorporating the correlation structure
                                         计算移动平均统计数据纳入相关结构

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function extends the moving average approach by incorporating the correlation structure. It also outputs the p-values of the standardized moving average statistics under the Gaussian approximation.
通过合并相关结构的功能，扩展的移动平均线的方法。它还输出高斯近似下，标准化的移动平均统计的p值。


用法----------Usage----------


cmarrt.ma(eSet, probeAnno, chr=NULL, M=NULL,frag.length,window.opt='fixed.probe')



参数----------Arguments----------

参数：eSet
ExpressionSet containing the normalized ratio
ExpressionSet包含标准化比值


参数：probeAnno
probeAnno object with mapping
probeAnno对象与映射


参数：chr
which chromosome should be analysed? If chr==NULL, all chromosome in the probeAnno object are taken.
应分析的染色体？如果CHR == NULL，所有的染色体在probeAnno对象采取。


参数：M
rough estimate of the percentage of bound probes. If unknown, leave it NULL.
粗略估计，结合探针的百分比。如果不知道，离开它为NULL。


参数：frag.length
average fragment length from sonication.
从超声的平均片段长度。


参数：window.opt
option for sliding window, either "fixed.probe" or "fixed.gen.dist". Default is 'fixed.probe'.
滑动窗口的选项，无论是“fixed.probe”或“fixed.gen.dist”。默认是fixed.probe“。


Details

详情----------Details----------

Computation using window.opt = "fixed.probe" calculates the moving average statistics within a fixed number of probes and is more efficient. Use this option if the tiling array is regular with approximately constant resolution. window.opt="fixed.gen.dist" computes the moving average statistics over a fixed genomic distance.
计算使用window.opt = "fixed.probe"计算移动平均统计，在一个固定的探针数量和更有效。如果平铺阵列是定期与约不断的分辨率，使用此选项。 window.opt="fixed.gen.dist"计算一个固定的基因组距离移动平均统计。


值----------Value----------


参数：data.sort
datafile sorted by genomic position.
通过基因组的位置排序的数据文件。


参数：ma
unstandardized moving average(MA) statistics.
非标准的移动平均线（MA）的统计数据。


参数：z.cmarrt
standardized MA under correlation structure.
根据相关结构标准化的马。


参数：z.indep
standardized MA under independence (ignoring correlation structure).
标准化的马下独立（忽略相关结构）。


参数：pv.cmarrt
p-values of probes under correlation.
P-值下相关的探针。


参数：pv.indep
p-values of probes under independence (ignoring correlation structure).
P-值下独立的探针（忽略相关结构）。


注意----------Note----------

The p-values are obtained under the Gaussian approximation. Therefore, it is important to check the normal quantile-quantile plot if the Gaussian approximation is valid. The function also outputs the computation under independence (ignoring the correlation structure) for comparisons.
高斯近似下，得到的P-值。因此，重要的是检查正常位数位数图，如果是有效的高斯近似。在功能上也下独立进行比较（忽略相关结构）输出计算。


作者（S）----------Author(s)----------


Pei Fen Kuan, Adam Hinz



参考文献----------References----------

<h3>See Also</h3>

举例----------Examples----------


# dataPath &lt;- system.file("extdata", package="Starr")[< - 。系统数据通路（的“extdata”，包=“斯塔尔”）]
# bpmapChr1 &lt;- readBpmap(file.path(dataPath, "Scerevisiae_tlg_chr1.bpmap"))[bpmapChr1 < -  readBpmap（file.path（数据通路，“Scerevisiae_tlg_chr1.bpmap”））]

# cels &lt;- c(file.path(dataPath,"Rpb3_IP_chr1.cel"), file.path(dataPath,"wt_IP_chr1.cel"), [CELS < -  C（file.path（数据通路，“Rpb3_IP_chr1.cel”），file.path（数据通路，“wt_IP_chr1.cel”），]
#         file.path(dataPath,"Rpb3_IP2_chr1.cel"))[file.path（数据通路，“Rpb3_IP2_chr1.cel”））]
# names &lt;- c("rpb3_1", "wt_1","rpb3_2")[名< - （“rpb3_1”，“wt_1”，“rpb3_2”）]
# type &lt;- c("IP", "CONTROL", "IP")[类型< -  C（“知识产权”，“控制”，“知识产权”）]
# rpb3Chr1 &lt;- readCelFile(bpmapChr1, cels, names, type, featureData=TRUE, log.it=TRUE)[rpb3Chr1 < -  readCelFile（bpmapChr1，CELS，名称，类型，featureData = TRUE，log.it = TRUE）]

# ips &lt;- rpb3Chr1$type == "IP"[IPS <费用 -  rpb3Chr1类型==“知识产权”]
# controls &lt;- rpb3Chr1$type == "CONTROL"[控制<“ -  rpb3Chr1 $ ==”控制“]

# rpb3_rankpercentile &lt;- normalize.Probes(rpb3Chr1, method="rankpercentile")[rpb3_rankpercentile < -  normalize.Probes（rpb3Chr1，方法=“rankpercentile”）]
# description &lt;- c("Rpb3vsWT")[说明< - &#199;（“Rpb3vsWT”）]
# rpb3_rankpercentile_ratio &lt;- getRatio(rpb3_rankpercentile, ips, controls, description, fkt=median, featureData=FALSE)[rpb3_rankpercentile_ratio < -  getRatio（rpb3_rankpercentile，IPS，控制，描述，FKT =中位数，featureData = FALSE）]

# probeAnnoChr1 &lt;- bpmapToProbeAnno(bpmapChr1)[probeAnnoChr1 < -  bpmapToProbeAnno（bpmapChr1的）]
# peaks &lt;- cmarrt.ma(rpb3_rankpercentile_ratio, probeAnnoChr1, chr=NULL, M=NULL,250,window.opt='fixed.probe')[峰< -  cmarrt.ma（rpb3_rankpercentile_ratio，probeAnnoChr1，CHR = NULL，M = NULL，250，window.opt =fixed.probe）]

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。