这是发展va版本;稳定发布版本请参见股东价值分析.
Bioconductor版本:开发(3.13)
va包包含在高通量实验中去除批处理效应和其他不需要的变化的函数。具体来说,va包包含用于识别和构建高维数据集代理变量的函数。代理变量是直接从高维数据(如基因表达/RNA测序/甲基化/脑成像数据)构建的协变量,可用于后续分析,以调整未知的、未建模的或潜在的噪音源。sva包可以用三种方式去除伪产物:(1)在高通量实验中为未知的变异来源识别和估计替代变量(Leek and Storey 2007 PLoS Genetics,2008 PNAS),(2)使用ComBat直接去除已知的批处理效应(Johnson et al. 2007生物统计学),(3)使用已知的对照探针去除批处理效应(Leek 2014 biorXiv)。在差异表达分析中去除批处理效应和使用替代变量已被证明可以减少依赖性,稳定错误率估计,并提高再现性,见(Leek和Storey 2007 PLoS Genetics, 2008 PNAS或Leek et al. 2011 Nat. Reviews Genetics)。
作者:Jeffrey T. Leek
维护人员:Jeffrey T. Leek
引用(从R中,输入引用(“上海广电”)
):
要安装此包,启动R(版本“4.1”)并输入:
如果(!requireNamespace("BiocManager", quiet = TRUE)) install.packages("BiocManager") #初始化使用Bioc devel BiocManager::install(version='devel') BiocManager::install(" va")
对于较老版本的R,请参考相应的Bioconductor释放.
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(“上海广电”)
R脚本 | 股东价值分析教程 | |
参考手册 |
biocViews | BatchEffect,ImmunoOncology,微阵列,MultipleComparison,归一化,预处理,RNASeq,测序,软件,StatisticalMethod |
版本 | 3.39.0 |
在Bioconductor公司 | BioC 2.9 (R-2.14)(9年) |
许可证 | 艺术- 2.0 |
取决于 | R (>= 3.2),mgcv,genefilter,BiocParallel |
进口 | matrixStats,统计,图形,工具,limma,刨边机 |
链接 | |
建议 | pamr,bladderbatch,BiocStyle,zebrafishRNASeq,testthat |
SystemRequirements | |
增强了 | |
URL | |
全靠我 | rnaseqGene,扫描。通用产品 |
进口我 | 分配,舞会礼服,BatchQC,bnbc,bnem,冠军,crossmeta,CytoTree,DaMiRseq,debrowser,DeSousa2013,doppelgangR,边缘,ExpressionNormalizationWorkflow,KnowSeq,MSPrep,omicRexposome,PAA,proBatch,道具,qsmooth,singleCellTK,触发 |
建议我 | CAGEWorkflow,curatedBladderData,curatedCRCData,curatedOvarianData,FieldEffectCrc,哈曼,iasva,MAGeCKFlute,randRotation,RnBeads,scp,SomaticSignatures,TCGAbiolinks,tidybulk |
给我的链接 | |
构建报告 |
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 | sva_3.39.0.tar.gz |
Windows二进制 | sva_3.39.0.zip |
macOS 10.13 (High Sierra) | sva_3.39.0.tgz |
源库 | Git克隆https://git.bioconductor.org/packages/sva |
源存储库(开发人员访问) | Git克隆git@git.bioconductor.org:packages/ va |
包短Url | //www.andersvercelli.com/packages/sva/ |
软件包下载报告 | 下载数据 |
文档»
Bioconductor
支持»
请细阅发布指南.将有关Bioconductor的问题发送到以下地点之一: