生物导体版本:版本(3.13)
主成分分析(PCA)是一种非常强大的技术,在数据科学,生物信息学和更远的地方具有广泛的适用性。它最初是为了分析大量数据而开发的,以阐明被分析的逻辑实体之间的差异/关系。它提取数据的基本结构,而无需构建任何模型来表示。数据的“摘要”是通过减少的过程得出的,该过程可以将大量变量转换为不相关的较小数字(即“主要组件”),同时也可以轻松解释原始数据。PCATOOLS通过PCA提供了用于数据探索的功能,并允许用户生成出版物就绪的数据。PCA是通过Biocsingular进行的 - 用户还可以通过不同的指标(例如肘方法和Horn的平行分析)识别最佳的主组件,这与单细胞RNA-SEQ(SCRNA-SEQ)和高尺寸质量质量的数据相关。细胞仪数据。
作者:Kevin Blighe [AUT,CRE],Anna-Leigh Brown [CTB],Vincent Carey [CTB],Guido Hooiveld [CTB],Aaron Lun [AUT,CTB]
维护者:kevin blighe
引用(从r内,输入引用(“ PCATOOLS”)
):
要安装此软件包,请启动R(版本“ 4.1”)并输入:
if(!sireseenamespace(“ biocmanager”,悄悄= true))install.packages(“ biocmanager”)biocmanager :: install(“ pcatools”)
对于R的较旧版本,请参考适当的生物导体释放。
要查看系统中安装此软件包的版本的文档,请启动R并输入:
Browsevignettes(“ PCATOOLS”)
html | R脚本 | PCATOOLS:所有主要组件分析 |
参考手册 | ||
文本 | 消息 |
生物浏览 | 2021年欧洲杯 ,,,,2021年欧洲杯 ,,,,2021年欧洲杯 ,,,,2021年欧洲杯 ,,,,2021年欧洲杯 ,,,,2021年欧洲杯 ,,,,2021年欧洲杯 |
版本 | 2.4.0 |
在生物导体中 | Bioc 3.9(R-3.6)(2年) |
执照 | GPL-3 |
要看 | GGPLOT2,,,,Ggrepel |
进口 | 格子,grdevices,牛仔图, 方法,RESHAPE2,统计矩阵,,,,延迟的matrixstats,,,,延迟,,,,生物兴奋,,,,生物比较,,,,RCPP,,,,dqrng |
链接 | RCPP,,,,beachmat,,,,BH,,,,dqrng |
建议 | 测试,,,,斯克兰,,,,生物基因,,,,尼特,,,,生物酶,,,,地球,,,,HGU133A.DB,,,,ggplotify,,,,beachmat,,,,rmtstat,,,,ggalt,,,,deseq2,,,,呼吸道,,,,org.hs.eg.db,,,,马格里特,,,,rmarkDown |
系统要求 | C ++ 11 |
增强 | |
URL | https://github.com/kevinblighe/pcatools |
取决于我 | 奥斯卡 |
进口我 | |
建议我 | Scdataviz |
链接到我 | |
构建报告 |
跟随2021年欧洲杯比分预测 在R会话中使用此软件包的说明。
源包 | pcatools_2.4.0.tar.gz |
Windows二进制 | pcatools_2.4.0.zip |
MacOS 10.13(高山脉) | pcatools_2.4.0.tgz |
源存储库 | git克隆https://git.bioconductor.org/packages/pcatools |
源存储库(开发人员访问) | git clone git@git.bioconductor.org:packages/pcatools |
包装短URL | //www.andersvercelli.com/packages/pcatools/ |
软件包下载报告 | 下载统计 |
文档»
生物导体