gcrma
执行GC健壮Multi-array平均(GCRMA)背景调整,分位数正常化,median-polish总结Affymetrix微阵列probe-level数据
语法
ExpressionMatrix
= gcrma (PMMatrix
,MMMatrix
,ProbeIndices
,AffinPM
,AffinMM
)ExpressionMatrix
= gcrma (PMMatrix
,MMMatrix
,ProbeIndices
,SequenceMatrix
)ExpressionMatrix
= gcrma (…,'ChipIndex',ChipIndexValue
,……)ExpressionMatrix
= gcrma (…,'OpticalCorr',OpticalCorrValue
,……)ExpressionMatrix
= gcrma (…,'CorrConst',CorrConstValue
,……)ExpressionMatrix
= gcrma (…“方法”,MethodValue
,……)ExpressionMatrix
= gcrma (…,'TuningParam',TuningParamValue
,……)ExpressionMatrix
= gcrma (…,'GSBCorr',GSBCorrValue
,……)ExpressionMatrix
= gcrma (…,'Normalize',NormalizeValue
,……)ExpressionMatrix
= gcrma (…,'Verbose',VerboseValue
,……)
输入参数
PMMatrix |
强度值矩阵的每一行对应一个完美匹配(PM)调查,每一列对应一个Affymetrix®玻璃纸文件。(每个玻璃纸文件生成一个单独的芯片。所有芯片应该是相同类型的。) 提示 您可以使用 |
MMMatrix |
强度值矩阵的每一行对应一个不匹配(MM)探测器和每一列对应一个Affymetrix玻璃纸文件。(每个玻璃纸文件生成一个单独的芯片。所有芯片应该是相同类型的。) 提示 您可以使用 |
ProbeIndices |
列向量包含调查指标。探测器在探测设置编号0N- 1,N是探针的探针的数量集。 提示 您可以使用 |
AffinPM |
列向量点调查的亲和力。 提示 您可以使用 |
AffinMM |
列向量的毫米探针亲和力。 提示 您可以使用 |
SequenceMatrix |
一个N25个矩阵序列信息的完美匹配(PM)探测器在Affymetrix GeneChip®数组,N探测器的数量在数组中。每一行对应一个探测器,每一列对应一个25序列的位置。核苷酸的序列是由一个整数:
提示 您可以使用 |
ChipIndexValue |
正整数指定列指数MMMatrix ,它指定一个芯片。这个芯片强度数据用于计算探测器亲和力。默认是1 。 |
OpticalCorrValue |
控件的使用光学背景校正点和MM强度值PMMatrix 和MMMatrix 。的选择是真正的 (默认)或假 。 |
CorrConstValue |
ρ值指定了相关常数,为每个点/毫米探针对背景强度。选择任何值≥0 和≤1 。默认是0.7 。 |
MethodValue |
特征向量或字符串,指定了方法来估计信号。的选择是“初速” 更快,特设最大似然估计方法,或“海尔哥哥” 较慢,更正式,经验贝叶斯方法。默认是“初速” 。 |
TuningParamValue |
值,指定使用的调优参数估计方法。这个调优参数集与积极的概率信号值的下界。选择是一个积极的价值。默认是5 (企业)或0.5 (EB)。提示 有关确定为这个参数设置的信息,明白了吴et al ., 2004。 |
GSBCorrValue |
指定是否执行gene-specific绑定(’)校正使用探针关联数据。的选择是真正的 (默认)或假 。如果没有探针关联信息,该属性将被忽略。 |
NormalizeValue |
控制是否执行分位数正常化背景调整数据。的选择是真正的 (默认)或假 。 |
VerboseValue |
控件的显示一个进度报告显示每个芯片的数量和完成。的选择是 |
输出参数
ExpressionMatrix |
矩阵的日志2表达式的值,每一行对应一个基因(探针集),每一列对应一个Affymetrix玻璃纸文件,代表一个单一的芯片。 |
描述
执行GCRMA背景调整,分位数正常化,median-polish总结Affymetrix微阵列使用探针probe-level数据关联数据。ExpressionMatrix
= gcrma (PMMatrix
,MMMatrix
,ProbeIndices
,AffinPM
,AffinMM
)ExpressionMatrix
是一个矩阵的日志吗2表达式的值,每一行对应一个基因(探针集),每一列对应一个Affymetrix玻璃纸文件,代表一个单一的芯片。
请注意
没有列ExpressionMatrix
包含探测器设置或基因信息。
执行GCRMA背景调整、分位数正常化和健壮的Multi-array平均(RMA)总结Affymetrix使用探针序列数据来计算探测器阵列probe-level数据关联数据。ExpressionMatrix
= gcrma (PMMatrix
,MMMatrix
,ProbeIndices
,SequenceMatrix
)ExpressionMatrix
是一个矩阵的日志吗2表达式的值,每一行对应一个基因(探针集),每一列对应一个Affymetrix玻璃纸文件,代表一个单一的芯片。
请注意
如果AffinPM
和AffinMM
关联数据和SequenceMatrix
序列数据不可用,您仍然可以使用gcrma
通过输入一个空的函数矩阵的这些输入语法。
调用ExpressionMatrix
= gcrma (……”PropertyName
”,PropertyValue
,……)gcrma
与使用属性名可选属性/属性值对。您可以指定一个或多个属性在任何顺序。每一个PropertyName
必须包含在单引号,不分大小写。这些属性名称/属性值对如下:
计算从毫米探针探针亲和性强度数据芯片与指定的列索引ExpressionMatrix
= gcrma (…,'ChipIndex',ChipIndexValue
,……)MMMatrix
。默认的ChipIndexValue
是1
。如果AffinPM
和AffinMM
关联数据提供,该属性将被忽略。
控件的使用光学背景校正点和MM强度值ExpressionMatrix
= gcrma (…,'OpticalCorr',OpticalCorrValue
,……)PMMatrix
和MMMatrix
。的选择是真正的
(默认)或假
。
指定的相关常数,ρ,背景为每个点/毫米探针对强度。选择任何值ExpressionMatrix
= gcrma (…,'CorrConst',CorrConstValue
,……)≥0
和≤1
。默认是0.7
。
指定的方法来估计信号。的选择是ExpressionMatrix
= gcrma (…“方法”,MethodValue
,……)大中型企业
更快,特设最大似然估计方法,或海尔哥哥
较慢,更正式,经验贝叶斯方法。默认是大中型企业
。
指定使用的调优参数估计方法。这个调优参数集与积极的概率信号值的下界。选择是一个积极的价值。默认是ExpressionMatrix
= gcrma (…,'TuningParam',TuningParamValue
,……)5
(企业)或0.5
(EB)。
提示
有关确定为这个参数设置的信息,明白了吴et al ., 2004。
指定是否要执行基因特定绑定(’)校正使用探针关联数据。的选择是ExpressionMatrix
= gcrma (…,'GSBCorr',GSBCorrValue
,……)真正的
(默认)或假
。如果没有探针关联信息,该属性将被忽略。
控制是否执行分位数正常化背景调整数据。的选择是ExpressionMatrix
= gcrma (…,'Normalize',NormalizeValue
,……)真正的
(默认)或假
。
控件的显示一个进度报告显示每个芯片的数量和完成。的选择是ExpressionMatrix
= gcrma (…,'Verbose',VerboseValue
,……)真正的
(默认)或假
。
例子
加载MAT-file,包含的生物信息学工具箱™软件,包含Affymetrix来自前列腺癌研究的数据。MAT-file中的变量包括
seqMatrix
点探测器包含序列信息的矩阵,pmMatrix
和mmMatrix
,包含点和毫米探针强度值矩阵,probeIndices
,一个列向量包含探测器索引信息。负载prostatecancerrawdata
计算Affymetrix点到毫米探针序列和毫米探针强度相似之处。
(apm,一个mm) = affyprobeaffinities (seqMatrix mmMatrix (: 1),…“ProbeIndices”,probeIndices);
执行GCRMA背景调整、分位数正常化和健壮Multi-array平均(RMA)总结Affymetrix微阵列probe-level数据并创建一个矩阵表达式的值。
expdata = gcrma (pmMatrix mmMatrix、probeIndices seqMatrix);
的prostatecancerrawdata.mat
文件中使用这个例子中包含的数据最好的et al ., 2005。
引用
[1],Z。,Irizarry, R.A., Gentleman, R., Murillo, F.M., and Spencer, F. (2004). A Model Based Background Adjustment for Oligonucleotide Expression Arrays. Journal of the American Statistical Association99 (468),909 - 917。
[2],Z。,和Irizarry, R.A. (2005). Stochastic Models Inspired by Hybridization Theory for Short Oligonucleotide Arrays. Proceedings of RECOMB 2004. J Comput Biol.12 (6),882 - 93。
[3],Z。,和Irizarry, R.A. (2005). A Statistical Framework for the Analysis of Microarray Probe-Level Data. Johns Hopkins University, Biostatistics Working Papers 73.
[4]速度、t (2006)。背景模型和GCRMA。讲座10,246年统计,加州大学伯克利分校。
[5]最好,C.J.M.,Gillespie, J.W., Yi, Y., Chandramouli, G.V.R., Perlmutter, M.A., Gathright, Y., Erickson, H.S., Georgevich, L., Tangrea, M.A., Duray, P.H., Gonzalez, S., Velasco, A., Linehan, W.M., Matusik, R.J., Price, D.K., Figg, W.D., Emmert-Buck, M.R., and Chuaqui, R.F. (2005). Molecular alterations in primary prostate cancer after androgen ablation therapy. Clinical Cancer Research11,6823 - 6834。