pathwayPCA

DOI:10.18129 / B9.bioc.pathwayPCA

综合路径分析与现代PCA方法和基因的选择

Bioconductor版本:版本(3.16)

pathwayPCA是一个综合分析工具,实现了主成分分析(PCA)路径分析方法中描述的陈et al .(2008),陈et al .(2010)、陈(2011)。pathwayPCA允许用户:(1)测试通路与二进制,连续或生存表型。(2)提取相关的基因通路使用SuperPCA和AES-PCA方法。(3)计算主成分(pc)基于所选择的基因。这些估计潜在的变量代表通路活动对个人主题,然后可以用来执行综合途径分析,如multi-omics分析。(4)提取相关基因以及数据驱动路径意义对应于这些额外的深入分析相关基因。(5)进行分析与并行计算提高计算效率和增强数据安全与S4-class数据对象。(6)分析研究复杂的实验设计,与多个,相互影响,例如,测试路径是否与临床表型是男性和女性之间不同的科目。引用:陈et al。(2008) ;陈et al。(2010) ;和陈(2011) 。

作者:加布里埃尔奥多姆(aut (cre),詹姆斯禁令(aut) Lizhong刘(aut),莉莉王(aut),史蒂芬·陈(aut)

维护人员:加布里埃尔奥多姆<加布里埃尔。奥多姆在med.miami.edu >

安装

安装这个包,开始R(版本“4.2”)并输入:

如果(!要求(“BiocManager”,悄悄地= TRUE)) install.packages (“BiocManager”) BiocManager::安装(“pathwayPCA”)

R的旧版本,请参考适当的Bioconductor释放。

文档

查看文档的版本这个包安装在您的系统,开始R和输入:

browseVignettes (“pathwayPCA”)

HTML	R脚本	与pathwayPCA综合途径分析
HTML	R脚本	5。1。快速入门指南
HTML	R脚本	增刊。2。导入数据
HTML	R脚本	增刊。3。创建数据对象
HTML	R脚本	5。4。测试路径的意义
HTML	R脚本	5。5。可视化的结果
PDF		参考手册
文本		新闻

细节

biocViews	CellBiology,分类,CopyNumberVariation,DNAMethylation,DimensionReduction,表观遗传学,FeatureExtraction,FunctionalGenomics,GeneExpression,GenePrediction,GeneSetEnrichment,GeneSignaling,GeneTarget,遗传学,GenomeWideAssociation,GenomicVariation,Lipidomics,代谢组学,MultipleComparison,通路,PrincipalComponent,蛋白质组学,回归,单核苷酸多态性,软件,生存,SystemsBiology,转录,转录组
版本	1.14.0
Bioconductor自	BioC 3.9 (r - 3.6)(3.5年)
许可证	GPL-3
取决于	R (> = 3.1)
进口	拉尔斯、方法、并行数据,生存,跑龙套
链接
建议	气道,circlizegrDevices,knitr,RCurl,reshape2,rmarkdown,SummarizedExperiment,survminer,testthat,tidyverse
SystemRequirements
增强了
URL
BugReports	https://github.com/gabrielodom/pathwayPCA/issues
取决于我
进口我	fcoex
建议我
我的链接
构建报告

包档案

遵循2021年欧洲杯比分预测 指示在R会话中使用这个包。

源包	pathwayPCA_1.14.0.tar.gz
Windows二进制	pathwayPCA_1.14.0.zip
macOS二进制(x86_64)	pathwayPCA_1.14.0.tgz
macOS二进制(arm64)	pathwayPCA_1.14.0.tgz
源库	git克隆https://git.bioconductor.org/packages/pathwayPCA
源库(开发人员访问)	git克隆git@git.bioconductor.org:包/ pathwayPCA
Bioc包浏览器	https://code.bioconductor.org/browse/pathwayPCA/
包短Url	//www.andersvercelli.com/packages/pathwayPCA/
包下载报告	下载数据