这个包是3.7版本Bioconductor;的稳定,最新的发布版本,请参阅scde。
Bioconductor版本:3.7
scde包实现了一组统计方法分析单细胞RNA-seq数据。单细胞RNA-seq scde适合个人误差模型的测量。这些模型可以用于评估组织的细胞之间的微分表达式,以及其他类型的分析。scde包还包含宝塔框架的应用途径和基因集overdispersion分析来识别和描述假定的细胞亚种群基于转录签名。整个微分表达式分析方法详细以下出版物:“贝叶斯方法单细胞微分表达式分析”(西尔伯斯坦Kharchenko PV, L, Scadden DT,自然方法,doi: 10.1038 / nmeth.2967)。整个族群的方法识别和描述在下面详细的预印:“通过通路和基因转录的异质性特征集overdispersion分析”(J粉丝,Salathia N,刘R, Kaeser G,荣智健Y,赫尔曼·J,燕麦饼干F,风扇JB,张K,春J, Kharchenko PV,自然方法,doi: 10.1038 / nmeth.3734)。
作者:彼得Kharchenko (aut (cre),让粉丝(aut)
维护人员:琼风扇< jeanfan fas.harvard.edu >
从内部引用(R,回车引用(“scde”)
):
安装这个包,开始R和输入:
# #试试http://如果https:// url不支持源(“//www.anjoumacpherson.com/biocLite.R”) biocLite (“scde”)
参考手册 |
biocViews | 贝叶斯,DifferentialExpression,RNASeq,软件,StatisticalMethod,转录 |
版本 | 2.8.0 |
Bioconductor自 | BioC 3.3 (r - 3.3)(2.5年) |
许可证 | GPL-2 |
取决于 | R (> = 3.0.0),flexmix |
进口 | Rcpp(> = 0.10.4),RcppArmadillo(> = 0.5.400.2.0),mgcv,车,rjson,质量,开罗,RColorBrewer,刨边机,quantreg、方法、nnet,RMTstat,极端,pcaMethods,BiocParallel、并行 |
链接 | Rcpp,RcppArmadillo |
建议 | knitr,cba,fastcluster,WGCNA,GO.db,org.Hs.eg.db,rmarkdown |
SystemRequirements | |
增强了 | |
URL | http://pklab.med.harvard.edu/scde |
BugReports | https://github.com/hms-dbmi/scde/issues |
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 | scde_2.8.0.tar.gz |
Windows二进制 | scde_2.8.0.zip(32位和64位) |
Mac OS X 10.11(埃尔卡皮坦) | scde_2.8.0.tgz |
源库 | git克隆https://git.bioconductor.org/packages/scde |
源库(开发人员访问) | git克隆git@git.bioconductor.org:包/ scde |
包短Url | //www.anjoumacpherson.com/packages/scde/ |
包下载报告 | 下载数据 |