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

loveR

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

                                        Calculate network adjacency based on natural cubic spline regression
                                         自然三次样条回归的基础上，计算网络邻接

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

adjacency.splineReg calculates a network adjacency matrix by fitting spline regression models to pairs of variables (i.e. pairs of columns from datExpr). Each spline regression model results in a 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 specify different
adjacency.splineReg计算网络的邻接矩阵拟合样条回归模型对变量（即双列datExpr）。每个样条回归模型结果在一个合适的指数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。要到达邻接矩阵（对称），可以指定不同的


用法----------Usage----------


adjacency.splineReg(datExpr, df = 6-(nrow(datExpr)<100)-(nrow(datExpr)<30), 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：df
degrees of freedom in generating natural cubic spline. The default is as follows: if nrow(datExpr)>100 use 6, if nrow(datExpr)>30 use 4, otherwise use 5.
产生自然三次样条的自由度。默认值是如下：，如果NROW（datExpr）> 100使用6，，如果NROW（datExpr）> 30使用4，以其他方式使用5。


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）。


参数：...
other arguments from function ns
其他的参数从函数ns中


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 spline regression model glm( y ~ ns( x, df)) 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 spline regression model 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). 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。样条回归模型（GLM Y~NS（X），DF）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，更好的样条曲线的关系的回归模型描述之间的x和y，更为显着的是成对的2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）。 r.squared（的x，y）是通常来自R.squared（y中，x）的不同。假设一组n个变量X1，...，XN（对应的列datExpr）然后可以定义R.squared的点（xi，XJ）。该模型拟合指数的N×N维矩阵（R.squared（九））的元素。 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（九）+ R.squared（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----------

ns, glm
ns，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.splineReg(datE, symmetrizationMethod="max")
A.max
#calculate adjacency by symmetrizing using max[计算邻接对称使用max]
A.mean=adjacency.splineReg(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.splineReg(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。