3.2.1之上创建一个PipelineDefinition

的PipelineDefinition最低限度,对象是一组函数连续执行前一个的输出,并可选地伴随着评估和聚合函数。一个简单的管道可以构造如下:

my_pip < - PipelineDefinition(列表(step1 = function (x, param1){#做x和param1 x},步骤2 = function (x, method1 param2){得到(method1) (x, param2) # method1适用于x,与param2},将发髻= function (x, param3) {x <——some_fancy_function (x, param3) #函数也可以输出评估通过“intermediate_return”槽:e < - my_evaluation_function (x)列表(x = x, intermediate_return = e)})) my_pip

# # PipelineDefinition对象有以下步骤:# # - step1 (x, param1) # # -步骤2 (x, method1 param2) # # -步骤3 (x, param3)

的PipelineDefinition还可以包括每一步的描述或评价和聚合函数。例如:

my_pip < PipelineDefinition(列表(step1 = function (x, meth1) {(meth1) (x)},步骤2 = function (x, meth2){得到(meth2) (x)}),评价=列表(步骤2 =函数c (x)(平均=平均(x) max = max (x))),描述=列表(步骤1 =“这个步骤meth1适用于x”。步骤2 =“这个步骤meth2适用于x。”)) my_pip

# # PipelineDefinition对象有以下步骤:# # - step1 (x, meth1) # #这个步骤meth1适用于x。# # -步骤2 (x, meth2) * # #这个步骤meth2适用于x。

运行虚拟数据和功能:

数据集< -列表(ds1 = 1:3, ds2 = c(5、10、15))替代< -列表(meth1 = c(“日志”、“√”),meth2 =“cumsum”) tmpdir1 < - paste0 (tempdir (),“/”) res < - runPipeline(数据集,选择、my_pip output.prefix = tmpdir1)

# # 2的数据集上运行2管道设置使用1线程

# # # #完成运行在所有的数据集

# # # #聚合结果……

# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的

# #聚合评价结果为:步骤2

# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的

res评价步骤2美元

# #数据集meth1 meth2意味着马克斯# # 1 ds1日志cumsum 0.8283022 - 1.791759 # # 2 ds1 sqrt cumsum 2.5201593 - 4.146264 # # 3 ds2日志cumsum 4.0471780 - 6.620073 # # 4 ds2 sqrt cumsum 5.6352475 - 9.271329

可以通过计算时间res美元运行;他们可以访问每个组合的管道总,或步进式的方式。他们也可以绘制使用plotElapsed(见下文)。评价结果可以通过访问res评估美元和策划evalHeatmap(见下文)。

3.2.2操纵一个PipelineDefinition

实现一些通用的方法PipelineDefinition对象,包括显示,的名字,长度,(,as.list。这意味着,例如,一个步骤可以从管道在以下方式:

my_pip [1]

# # PipelineDefinition对象有以下步骤:# # -步骤2 (x, meth2) * # #这个步骤meth2适用于x。

步骤可以添加使用addPipelineStep功能:

pip2 < - addPipelineStep (my_pip, name =“newstep”=“步骤1”)pip2

# # PipelineDefinition对象有以下步骤:# # - step1 (x, meth1) # #这个步骤meth1适用于x。# # - newstep (x) # # -步骤2 (x, meth2) * # #这个步骤meth2适用于x。

函数可以通过指定的新一步槽的观点addPipelineStep或之后通过stepFn:

stepFn (pip2、“newstep”、类型=“函数”)< -函数(x, newparam) {do_something (x, newparam)} pip2

# # PipelineDefinition对象有以下步骤:# # - step1 (x, meth1) # #这个步骤meth1适用于x。# # - newstep (x, newparam) # # -步骤2 (x, meth2) * # #这个步骤meth2适用于x。

最后,参数()方法可以用来提取参数为每个步骤,和defaultArguments方法可以用来获取或设置默认参数。

3.4.1调试

错误通常来自包装方法,并从内部调试runPipeline可以通过多线程很复杂。因为这个原因runPipeline包装在错误消息的附加信息。这将是一个错误报告的例子:

误差与参数:数据集的mydataset filt =宽大,规范=常态。测试中,k = 20步“正常化”,评估命令:“pipDef[[“正常化”]](x = x,规范=“norm.test”)的错误:错误得到(规范)(x):没有足够的细胞!

出错的数据集,管道报告步骤和具体的参数,使您试图重复错误外,更容易调试。

3.4.2跳过错误和修复它们

一个有用的行为runPipeline继续当遇到错误,所以成功的结果是不会丢失。这种行为可以启用的skipErrors = TRUE论点。我们可以说明这个哑管道上方,通过添加另一个必然会产生一个错误:

脆弱的。有趣的< -函数(x){如果(任何(x > 10))停止(“太大了!”)2 x ^}替代美元meth1 < - c(替代meth1美元,“fragile.fun”) res < - runPipeline(数据集,选择、my_pip、输出。前缀= tmpdir1 skipErrors = TRUE)

# # 2的数据集上运行3管道设置使用1线程

# #误差与参数数据集的ds2: # # meth1 =脆弱。有趣,meth2 = cumsum # #在步骤“步骤1”中,评估命令:# #“pipDef[[“步骤1”]](x = x, meth1 =“fragile.fun”)“# #错误:# #得到误差(meth1) (x):太大!

# # # #完成运行在所有的数据集

# # # #在运行中遇到的一些错误:

数据集# # # 1步ds2 meth1 = fragile.fun

# #所有结果保存,但只有那些分析成功的所有数据将被保留为聚合。

# # # #聚合结果……

# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的

# #聚合评价结果为:步骤2

# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的# #警告type.convert.default (y[[我]]):”。“应该调用者指定的# #;使用真正的

显示的错误消息,只有成功的所有数据集分析聚合:

res评价步骤2美元

# #数据集meth1 meth2意味着马克斯# # 1 ds1 log2 cumsum 1.194988 - 2.584963 # # 2 ds1 sqrt cumsum 2.520159 - 4.146264 # # 3 ds2 log2 cumsum 5.838844 - 9.550747 # # 4 ds2 sqrt cumsum 5.635248 - 9.271329

然而,所有成功的结果(例如,包括“脆弱。有趣”的ds1”)保存在非聚合文件。这意味着一个可以纠正有问题的功能,重新运行失败的分析(即只在“ds2”在这种情况下),并合并结果与第一批mergePipelineResults ?)。

3.5.1运行时间

可以策划与运行时间plotElapsed功能:

plotElapsed (res agg.by = FALSE)

在本例中,我们显示所有测试组合,但在大多数情况下agg.by参数将用于聚合结果感兴趣的参数。

评价结果可以通过策划evalHeatmap功能:

evalHeatmap (res, = c(“的意思是”,“马克斯”))

默认情况下,热图打印实际的度量值,而颜色映射到相应的数据。具体地说,pipeComp颜色映射到√(签署的数量(matrix-wise)(列)的平均绝对偏差值。我们发现这个映射是特别有用,因为不同的颜色在数据集有类似的意义,以及颜色不是主要捕获异常值或基线数据集之间的差异。这种行为可以改变的规模函数的参数。对于更复杂的例子evalHeatmap,看到它的用法pipeComp_scRNA装饰图案,或参考函数的帮助。

更复杂的,“现实”的创建的示例PipelineDefinition,请参阅pipeComp_dea装饰图案。评价输出的一个复杂的例子,请参阅pipeComp_scRNA装饰图案。