梅

DOI:10.18129 / B9.bioc.MAI

Mechanism-Aware归责

Bioconductor版本:发行版(3.16)

代谢组学中输入缺失数据的两步方法。步骤1使用随机森林分类器将缺失值分类为完全随机缺失/随机缺失(MCAR/MAR)或非随机缺失(MNAR)。合并MCAR/MAR是因为在代谢组学数据中通常很难区分这两种缺失类型。步骤2根据分类缺失机制，使用适当的imputation算法对缺失值进行imputation。用于MCAR/MAR测试和可用的Imputation算法包括贝叶斯主成分分析(BPCA)、多重Imputation无跳过k近邻(Multi_nsKNN)和随机森林。用于MNAR的已测试和可用的归责算法包括nsKNN和用于存在左截尾的代谢物归责的单一归责方法。

作者:Jonathan Dekermanjian [aut, cre]， Elin Shaddox [aut]， Debmalya Nandy [aut]， Debashis Ghosh [aut]， Katerina kchris [aut]

维护者:Jonathan Dekermanjian

安装

要安装这个包，启动R(版本“4.2”)并输入:

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

对于R的旧版本，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，请启动R并输入:

browseVignettes (MAI)

超文本标记语言	R脚本	利用机制感知Imputation (MAI)
PDF		参考手册
文本		新闻
文本		许可证

细节

biocViews	分类，代谢组学，软件，StatisticalMethod
版本	1.4.0
在Bioconductor	bio3.14 (R-4.1)(1年)
许可证	GPL-3
取决于	R (>= 3.5.0)
进口	脱字符号平行,doParallel，foreach，e1071，future.apply，未来，missForest，pcaMethods，tidyverse，统计，utils，方法，SummarizedExperiment，S4Vectors
链接
建议	knitr，rmarkdown，BiocStyle，testthat(> = 3.0.0)
SystemRequirements
增强了
URL	https://github.com/KechrisLab/MAI
BugReports	https://github.com/KechrisLab/MAI/issues
全靠我
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R会话中使用此包的说明。

源包	MAI_1.4.0.tar.gz
Windows二进制	MAI_1.4.0.zip
macOS二进制文件(x86_64)	MAI_1.4.0.tgz
macOS二进制文件(arm64)	MAI_1.4.0.tgz
源库	git克隆https://git.bioconductor.org/packages/MAI
源存储库(开发人员访问)	git克隆git@git.bioconductor.org:packages/MAI
生物包浏览器	https://code.bioconductor.org/browse/MAI/
包短Url	//www.andersvercelli.com/packages/MAI/
软件包下载报告	下载数据