PCAtools

DOI:10.18129 / B9.bioc.PCAtools

此包适用于Bioconductor 3.12版本;有关稳定的最新发布版本,请参见PCAtools

PCAtools:一切主成分分析

Bioconductor版本:3.12

主成分分析(PCA)是一种非常强大的技术,在数据科学、生物信息学和其他领域具有广泛的适用性。它最初是为了分析大量数据,以梳理出所分析的逻辑实体之间的差异/关系。它提取数据的基本结构,而不需要构建任何模型来表示它。这种数据的“总结”是通过一种约简过程得出的,该过程可以将大量变量转换为较少的不相关变量(即“主成分”),同时能够对原始数据进行简单的解释。PCAtools提供了通过PCA进行数据探索的功能,并允许用户生成可发布的图形。主成分分析是通过BiocSingular进行的——用户还可以通过不同的度量来确定最优的主成分数量,例如肘关节方法和Horn的并行分析,这与单细胞RNA-seq (scRNA-seq)和高维海量细胞术数据的数据减少有关。

作者:Kevin Blighe [aut, cre], Anna-Leigh Brown [ctb], Vincent Carey [ctb], Guido Hooiveld [ctb], Aaron Lun [aut, ctb]

维护者:Kevin Blighe < Kevin at clinicalbioinformatics.co.uk>

引文(从R内,输入引用(“PCAtools”)):

安装

要安装此包,请启动R(版本“4.0”)并输入:

如果(!requireNamespace("BiocManager", quiet = TRUE)) install.packages("BiocManager")::install("PCAtools")

对于R的旧版本,请参考相应的Bioconductor释放

文档

要查看系统中安装的此包版本的文档,请启动R并输入:

browseVignettes(“PCAtools”)

超文本标记语言 R脚本 PCAtools:一切主成分分析
PDF 参考手册
文本 新闻

细节

biocViews GeneExpressionPrincipalComponentRNASeqSingleCell软件转录
版本 2.2.0
在Bioconductor BioC 3.9 (R-3.6)(2年)
许可证 GPL-3
取决于 ggplot2ggrepel
进口 晶格grDevices,cowplot、方法、reshape2统计数据,矩阵DelayedMatrixStatsDelayedArrayBiocSingularBiocParallelRcppdqrng
链接 Rcppbeachmat黑洞dqrng
建议 testthat食物BiocGenericsknitrBiobaseGEOqueryhgu133a.dbggplotifybeachmatRMTstatggalt
SystemRequirements c++ 11
增强了
URL https://github.com/kevinblighe/PCAtools
全靠我
进口我
建议我 scDataviz
链接到我
构建报告

包档案

遵循bob 体育网址 在R会话中使用此包的说明。

源包 PCAtools_2.2.0.tar.gz
Windows二进制 PCAtools_2.2.0.zip(32位和64位)
macOS 10.13 (High Sierra) PCAtools_2.2.0.tgz
源库 git克隆https://git.bioconductor.org/packages/PCAtools
源存储库(开发人员访问) git克隆git@git.bioconductor.org:packages/PCAtools
包短Url //www.anjoumacpherson.com/packages/PCAtools/
软件包下载报告 下载数据

文档»

Bioconductor

R/凹口包和文档

支持»

请细阅发布指南.将有关Bioconductor的问题发送到以下位置之一:

  • 支持网站-询问有关Bioconductor封装的问题
  • 正常词 邮件列表——供包开发人员使用bob电竞体育官网