R语言 WGCNA包 adjacency.polyReg()函数中文帮助文档(中英文对照)

loveR

adjacency.polyReg(WGCNA)
adjacency.polyReg()所属R语言包：WGCNA

                                        Adjacency matrix based on polynomial regression
                                         基于多项式回归的邻接矩阵

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

adjacency.polyReg calculates a network adjacency matrix by fitting polynomial regression models to pairs of variables (i.e. pairs of columns from datExpr). Each polynomial fit results in a model fitting index R.squared.  Thus, the n columns of  datExpr result in an n x n dimensional matrix whose entries contain R.squared measures. This matrix is typically non-symmetric. To arrive at a (symmetric) adjacency matrix, one can
adjacency.polyReg计算网络邻接矩阵，多项式拟合回归模型，对变量（即双列datExpr）。每个多项式拟合的模型拟合指数R.squared。因此，在n列的datExpr的结果在一个n×n的二维矩阵，其的条目包含R.squared措施。该矩阵是典型的非对称。到达邻接矩阵（对称），


用法----------Usage----------


adjacency.polyReg(datExpr, degree=3, symmetrizationMethod = "mean")



参数----------Arguments----------

参数：datExpr
data frame containing numeric variables. Example: Columns may correspond to genes and rows to observations (samples).
数据框包含数字的变量。例如：列对应的基因和行观察（样本）。


参数：degree
the degree of the polynomial. Must be less than the number of unique points.
多项式的次数。必须小于独特的点的数目。


参数：symmetrizationMethod
character string (eg "none", "min","max","mean") that specifies the method used to symmetrize the pairwise model fitting index matrix (see details).
字符串（如“无”，“最小”，“最大”，“是什么意思”），指定所使用的方法，对称的两两模型的拟合指数矩阵（见详情）。


Details

详细信息----------Details----------

A network adjacency matrix is a symmetric matrix whose entries lie between 0 and 1. It is a special case of a similarity matrix. Each variable (column of datExpr) is regressed on every other variable, with each model fitting index recorded in a square matrix. Note that the model fitting index of regressing variable x and variable y is usually different from that of regressing y on x.  From the polynomial regression model glm(y ~ poly(x,degree))  one can calculate the model fitting index R.squared(y,x).  R.squared(y,x) is a number between 0 and 1. The closer it is to 1, the better the polynomial describes the relationship between x and y and the more significant is the pairwise relationship between the 2 variables. One can also reverse the roles of x and y to arrive at a model fitting index R.squared(x,y). If degree>1 then R.squared(x,y) is typically different from R.squared(y,x). Assume a set of n variables x1,...,xn (corresponding to the columns of datExpr then one can define R.squared(xi,xj). The model fitting indices for the elements of an n x n dimensional matrix (R.squared(ij)).  symmetrizationMethod implements the following symmetrization methods:  A.min(ij)=min(R.squared(ij),R.squared(ji)),  A.ave(ij)=(R.squared(ij)+R.squared(ji))/2,  A.max(ij)=max(R.squared(ij),R.squared(ji)).
网络邻接矩阵是一个对称矩阵的条目位于0和1之间。它是一种特殊的情况下，相似性矩阵。每个变量（列datExpr）的其他每一变量回归，记录在一个正方形矩阵与每个模型拟合指数。需要注意的是y对x的回归模型拟合指数的回归变量x和变量y通常是不同的。多项式回归模型（GLM Y~聚（X，学位等））可以计算出模型拟合指数R.squared的（Y，X）。 r.squared（y中，x）是0和1之间的一个数。它是越接近1，更好的多项式描述的关系之间的x和y，更为显着的是成对的2个变量之间的关系。人们也可以逆转的角色的x和y到达的模型的拟合指数R.squared（的x，y）。如果degree> 1然后R.squared的（的x，y）通常是不同从R.squared（y中，x）。假设一组n个变量X1，...，XN（对应的列datExpr那么就可以定义R.squared（XI，XJ）。模型拟合指数的N×N维矩阵的元素（ R.squared（九））“symmetrizationMethod实现对称的方法如下：A.min（九），= MIN（R.squared（九），R.squared（姬）），A.ave（九）= （R.squared R.squared（九）+（JI））/ 2，A.max（九），= MAX（R.squared（九），R.squared（JI））。


值----------Value----------

An adjacency matrix of dimensions ncol(datExpr) times ncol(datExpr).
邻接矩阵的尺寸NCOL（datExpr）次NCOL（datExpr）。


（作者）----------Author(s)----------



Lin Song, Steve Horvath




参考文献----------References----------




参见----------See Also----------

For more information about polynomial regression, please refer to functions  poly and glm
多项式回归的更多信息，请参阅功能poly和glm


实例----------Examples----------


#Simulate a data frame datE which contains 5 columns and 50 observations[模拟一个数据框，其中包含5列和50个观察值。]
m=50
x1=rnorm(m)
r=.5; x2=r*x1+sqrt(1-r^2)*rnorm(m)
r=.3; x3=r*(x1-.5)^2+sqrt(1-r^2)*rnorm(m)
x4=rnorm(m)
r=.3; x5=r*x4+sqrt(1-r^2)*rnorm(m)
datE=data.frame(x1,x2,x3,x4,x5)
#calculate adjacency by symmetrizing using max[计算邻接对称使用max]
A.max=adjacency.polyReg(datE, symmetrizationMethod="max")
A.max
#calculate adjacency by symmetrizing using max[计算邻接对称使用max]
A.mean=adjacency.polyReg(datE, symmetrizationMethod="mean")
A.mean
# output the unsymmetrized pairwise model fitting indices R.squared [成对模型输出的unsymmetrized的拟合指数R.squared]
R.squared=adjacency.polyReg(datE, symmetrizationMethod="none")
R.squared

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。