# # - - - - - eval = FALSE - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - #如果!requireNamespace (“BiocManager”,悄悄地= TRUE)) # install.packages (BiocManager) # BiocManager::安装(iGC) # # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -库(iGC) # # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - sample_desc_pth < -系统。文件(“extdata”、“sample_desc。csv”,包= " iGC”) sample_desc < - create_sample_desc (sample_desc_pth) # # - - - - - eval = FALSE - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - # sample_desc < - create_sample_desc (# sample_names = sample_desc $样本,# cna_filepaths = sample_desc CNA_filepath美元,美元# ge_filepaths = sample_desc GE_filepath #) # # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -头(sample_desc) # # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - gene_exp < - create_gene_exp (sample_desc、进步= FALSE) # # - - - - - eval = FALSE - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - # gene_exp < - create_gene_exp (# sample_desc, # read_fun =阅读。表、#进步= TRUE progress_width = 60 # # arugments传递到定制read_fun(这是read.table) # header = FALSE, #跳过= 2,# na。字符串= "零",# colClasses = c(“性格”、“双”)#)# # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - gene_exp [% % c基因(TP53, BRCA1, NFKB1), 1:10, = FALSE) # # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - my_cna_reader < -函数(cna_filepath) {cna < -数据。表::从文件中读(cna_filepath, 9 = \ t,头= TRUE) cna[。(染色体,开始,结束,Segment_Mean)]} gain_loss = log2 (c (2.4, 1.6)) - 1 gene_cna <——create_gene_cna (sample_desc gain_threshold = gain_loss [1], loss_threshold = gain_loss [2], read_fun = my_cna_reader进步= FALSE) gene_cna [% % c基因(TP53, BRCA1, NFKB1), 1:10, = FALSE) # # - - - - - eval = FALSE - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - # # 4更改为匹配的总CPU核心# doMC:: registerDoMC(核心= 4)# gene_cna < - faster_gene_cna (# sample_desc, gain_loss [[1]], gain_loss[[2]],平行= TRUE #) # # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - cna_driven_genes < - find_cna_driven_gene (gene_cna、gene_exp gain_prop = 0.15, loss_prop = 0.15, = FALSE,并行= FALSE)头(cna_driven_genes gain_driven美元)头(cna_driven_genes loss_driven美元)头(cna_driven_genes两美元)# # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - cna_driven_genes loss_driven美元[% % c基因(BRCA1)]