R语言 CSAR包 distance2Genes()函数中文帮助文档(中英文对照)

loveR

distance2Genes(CSAR)
distance2Genes()所属R语言包：CSAR

                                         Calculate relative positions of read-enriched regions regarding gene position
                                         计算读富集区域的相对位置有关的基因的位置

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Calculate relative positions of read-enrichment regions regarding gene position
计算读富集区域的相对位置有关的基因的位置


用法----------Usage----------


distance2Genes(win, gff, t = 1, d1 = -3000, d2 = 1000)



参数----------Arguments----------

参数：win
Data.frame structure obtained with the function sigWin  
数据框结构得到的功能sigWin


参数：gff
Data.frame structure obtained after loading a desired gff file
加载所需的GFF文件后得到的数据框结构


参数：t
Integer. Only distances of read-enriched regions with a score bigger than t will be considered
整数。只有读丰富的区域与得分比t更大的距离将被视为


参数：d1
Negative integer. Minimum relative position regarding the start of the gene to be considered
负整数。最小的相对位置，就开始要考虑的基因


参数：d2
Positive integer. Maximum relative position regarding the end of the gene to be considered
正整数。最大的相对位置，要考虑的基因年底


值----------Value----------

data.frame structure where each row represents one relative position, and each column being:
数据框结构，其中每一行代表一个相对位置，每一列是：


参数：peakName
read-enriched region name
读富集区域名称


参数：p1
relative position regarding the start of the gene  
相对位置，就开始gene


参数：p2
relative position regarding the end of the gene
相对位置就结束了gene


参数：gene
name of the gene
基因名称


参数：le
length (bp) of the gene
长度（BP）的基因


作者（S）----------Author(s)----------


Jose M Muino, <a href="mailto:jose.muino@wur.nl">jose.muino@wur.nl</a>



参考文献----------References----------



参见----------See Also----------

genesWithPeaks, CSAR-package
genesWithPeaks，的CSAR-包


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 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)


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。