这个包是3.11版本Bioconductor;的稳定,最新的发布版本,请参阅PCAtools。
Bioconductor版本:3.11
主成分分析(PCA)是一个非常强大的技术,已经广泛应用于数据科学、生物信息学、更远。它最初开发分析大量的数据以梳理出差异/逻辑实体之间的关系分析。它提取数据的基本结构,而不需要构建任何模型来表示它。这种“总结”的数据是到达通过减少的过程,可以将大量的变量转换为一个较小的数量是不相关的(即主成分),同时能够容易解释原始数据。通过PCA PCAtools提供了数据浏览功能,允许用户生成publication-ready数字。PCA是通过BiocSingular执行——用户还可以通过不同的指标,确定最佳主成分数如肘法和角的平行分析,在单细胞RNA-seq相关性减少数据(scRNA-seq)和高维大规模血细胞计数数据。
作者:凯文Blighe (aut (cre) Anna-Leigh布朗(施),刘易斯·迈尔斯(施),亚伦Lun (aut,施莱)
维护人员:凯文Blighe <凯文在clinicalbioinformatics.co.uk >
从内部引用(R,回车引用(“PCAtools”)
):
安装这个包,开始R(版本“4.0”)并输入:
如果(!requireNamespace (“BiocManager”,悄悄地= TRUE)) install.packages (“BiocManager”) BiocManager::安装(“PCAtools”)
R的旧版本,请参考适当的Bioconductor释放。
查看文档的版本这个包安装在您的系统,开始R和输入:
browseVignettes (“PCAtools”)
HTML | R脚本 | PCAtools:主成分分析的一切 |
参考手册 | ||
文本 | 新闻 |
biocViews | GeneExpression,RNASeq,软件,转录 |
版本 | 2.0.0 |
Bioconductor自 | BioC 3.9 (r - 3.6)(1.5年) |
许可证 | GPL-3 |
取决于 | ggplot2,ggrepel,reshape2,晶格grDevices,cowplot |
进口 | 方法、统计跑龙套,矩阵,DelayedMatrixStats,DelayedArray,BiocSingular,BiocParallel,Rcpp,dqrng |
链接 | Rcpp,beachmat,黑洞,dqrng |
建议 | testthat,食物,BiocGenerics,knitr,Biobase,GEOquery,biomaRt,ggplotify,beachmat |
SystemRequirements | c++ 11 |
增强了 | |
URL | https://github.com/kevinblighe/PCAtools |
取决于我 | |
进口我 | |
建议我 | |
我的链接 | |
构建报告 |
遵循bob 体育网址 指示在R会话中使用这个包。
源包 | PCAtools_2.0.0.tar.gz |
Windows二进制 | PCAtools_2.0.0.zip(32位和64位) |
macOS 10.13(高山脉) | PCAtools_2.0.0.tgz |
源库 | git克隆https://git.bioconductor.org/packages/PCAtools |
源库(开发人员访问) | git克隆git@git.bioconductor.org:包/ PCAtools |
包短Url | //www.anjoumacpherson.com/packages/PCAtools/ |
包下载报告 | 下载数据 |