biotmle

DOI:10.18129 / B9.bioc.biotmle

此包适用于Bioconductor的3.12版本;有关稳定的最新发布版本，请参见biotmle。

生物标记物发现的有调节统计的目标学习

Bioconductor版本:3.12

基于微阵列和下一代测序数据的差异表达生物标志物发现工具，利用平均治疗效果的有效半参数估计进行变量重要性分析。潜在生物标志物的(边际)平均治疗效果的估计和推断是通过基于目标最小损失的估计来计算的，并使用估计的有效影响函数使用一般化的调节统计数据，在所有生物标志物之间构建联合稳定的推断。该程序适用于使用集成机器学习来估计有害函数。

作者:Nima Hejazi [aut, cre, cph]，艾伦·哈伯德[aut, ths]， Mark van der Laan [au, th]，蔡伟新[ctb]

维护者:Nima Hejazi

安装

要安装此包，启动R(版本“4.0”)并输入:

如果(!("BiocManager"， quiet = TRUE)) install.packages("BiocManager")

对于较老版本的R，请参考相应的Bioconductor释放。

文档

要查看系统中安装的此包版本的文档，请从R开始并输入:

browseVignettes(“biotmle”)

超文本标记语言	R脚本	从暴露变量中识别生物标志物
PDF		参考手册
文本		新闻
文本		许可证

细节

biocViews	DifferentialExpression，GeneExpression，ImmunoOncology，微阵列，RNASeq，回归，测序，软件
版本	1.14.0
在Bioconductor公司	BioC 3.5 (R-3.4)(4年)
许可证	文件许可证
取决于	R (>= 3.4)
进口	统计数据、方法dplyr，宠物猫，ggplot2，ggsci，过热，为了，未来，doFuture，drtmle(> = 1.0.4),S4Vectors，BiocGenerics，BiocParallel，SummarizedExperiment，limma
链接
建议	testthat，knitr，rmarkdown，BiocStyle，手臂，地球，xgboost，SuperLearner，矩阵，DBI，biotmleData(> = 1.1.1)
SystemRequirements
增强了
URL	https://code.nimahejazi.org/biotmle
BugReports	https://github.com/nhejazi/biotmle/issues
全靠我
进口我
建议我
给我的链接
构建报告

包档案

遵循2021年欧洲杯比分预测 在R会话中使用这个包的说明。

源包	biotmle_1.14.0.tar.gz
Windows二进制	biotmle_1.14.0.zip
macOS 10.13 (High Sierra)	biotmle_1.14.0.tgz
源库	Git克隆https://git.bioconductor.org/packages/biotmle
源存储库(开发人员访问)	Git克隆git@git.bioconductor.org:packages/biotmle
包短Url	//www.andersvercelli.com/packages/biotmle/
软件包下载报告	下载数据