R语言 CSAR包 CSAR-package()函数中文帮助文档(中英文对照)

loveR

CSAR-package(CSAR)
CSAR-package()所属R语言包：CSAR

                                         Statistical tools for the analysis of ChIP-seq data
                                         统计的SEQ芯片的数据分析工具

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Statistical tools for ChIP-seq data analysis.<br> The package is oriented to plant organisms, and compatible with standard file formats in the plant research field.
芯片的SEQ数据分析的统计工具。参考的封装为导向，以植物的生物体，并与在植物研究领域中的标准文件格式兼容。


Details

详情----------Details----------


作者（S）----------Author(s)----------



Jose M Muino

Maintainer: Jose M Muino &lt;jose.muino@wur.nl&gt;




参考文献----------References----------



举例----------Examples----------



##For this example we will use the a subset of the SEP3 ChIP-seq data (Kaufmann, 2009)[＃在这个例子中，我们将使用的SEP3的ChIP-seq的数据的一个子集（考夫曼，2009）]
data("CSAR-dataset");
##We calculate the number of hits for each nucleotide posotion for the control and sample. We do that just for chromosome chr1, and for positions 1 to 10kb[＃我们计算每个核苷酸posotion为控制和样品的点击次数。我们只是做染色体chr1的职位1到10KB]
nhitsS<-mappedReads2Nhits(sampleSEP3_test,file="sampleSEP3_test",chr=c("CHR1v01212004"),chrL=c(10000))
nhitsC<-mappedReads2Nhits(controlSEP3_test,file="controlSEP3_test",chr=c("CHR1v01212004"),chrL=c(10000))


##We calculate a score for each nucleotide position[＃我们计算每个核苷酸的位置得分]
test<-ChIPseqScore(control=nhitsC,sample=nhitsS)

##We calculate the candidate read-enriched regions[我们计算候选人读富集区域的＃]
win<-sigWin(test)

##We generate a wig file of the results to visualize tehm in a genome browser[＃我们生成的结果的的假发文件，可视化在基因组浏览器的tehm]
score2wig(test,file="test.wig")

##We calculate relative positions of read-enriched regions regarding gene position[＃我们计算的阅读富集区域的相对位置有关的基因的位置]
d<-distance2Genes(win=win,gff=TAIR8_genes_test)

##We calculate table of genes with read-enriched regions, and their location[＃我们计算表只读丰富的区域，基因和它们的位置]
genes<-genesWithPeaks(d)

##We calculate two sets of read-enrichment scores through permutation[＃我们计算通过置换两种套读富集分数]
permutatedWinScores(nn=1,sample=sampleSEP3_test,control=controlSEP3_test,fileOutput="test",chr=c("CHR1v01212004"),chrL=c(100000))
permutatedWinScores(nn=2,sample=sampleSEP3_test,control=controlSEP3_test,fileOutput="test",chr=c("CHR1v01212004"),chrL=c(100000))

###Next function will get all permutated score values generated by permutatedWinScores function. [＃下一步的功能将得到所有permutated得分由permutatedWinScores功能产生价值。]
##This represent the score distribution under the null hypotesis and therefore it can be use to control the error of our test.[＃这代表得分空hypotesis下的分布，因此可以用它来控制我们的测试错误。]
nulldist<-getPermutatedWinScores(file="test",nn=1:2)

##From this distribution, several cut-off values can be calculated to control the error of our test. [＃从这个分布，几个临界值，可以计算来控制我们的测试错误。]
##Several functions  in R can be used for this purpose.[＃R中的几个功能，可用于这一目的。]
##In this package we had implemented a simple method for the control of the error based on FDR"[＃在这个包中，我们已实施了FDR基于错误控制的简单方法“]
getThreshold(winscores=win$score,permutatedScores=nulldist,FDR=.01)



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。