biotmle

DOI:10.18129 / B9.bioc.biotmle

这个包是版本3.14的Bioconductor;有关稳定的最新发布版本，请参见biotmle。

有节制统计的目标学习用于生物标志物发现

Bioconductor版本:3.14

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)平均处理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，并使用与估计的有效影响函数一起使用的缓和统计的概化，在所有生物标志物中构建联合的、稳定的推断。该过程适用于使用集成机器学习来估计干扰函数。

作者:Nima Hejazi [aut, cre, cph]艾伦·哈伯德[这个，这个]，马克·范德伦[这个，这个]，蔡伟新[中文]，菲利普·布瓦洛[中文]

维护者:Nima Hejazi

安装

要安装这个包，启动R(版本"4.1")并输入:

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

对于旧版本的R，请参考相应的Bioconductor释放。

文档

要查看系统中安装的此软件包版本的文档，启动R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	1.18.0
在Bioconductor中	BioC 3.5 (R-3.4)(5年)
许可证	MIT +文件许可证
取决于	R (>= 4.0)
进口	统计数据、方法dplyr，宠物猫，ggplot2，ggsci，过热，为了，drtmle(> = 1.0.4),S4Vectors，BiocGenerics，BiocParallel，SummarizedExperiment，limma
链接
建议	testthat，knitr，rmarkdown，BiocStyle，手臂，地球，管理员，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
这取决于我
进口我
建议我
链接到我
构建报告

包档案

遵循2021年欧洲杯比分预测 在您的R会话中使用此包的说明。

源包	biotmle_1.18.0.tar.gz
Windows二进制	biotmle_1.18.0.zip
macOS 10.13 (High Sierra)	biotmle_1.18.0.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