此包适用于Bioconductor的3.9版本;有关稳定的最新发布版本,请参见scde.
Bioconductor版本:3.9
scde包实现了一组用于分析单细胞RNA-seq数据的统计方法。scde适合单细胞RNA-seq测量的单个误差模型。这些模型可以用于评估细胞组之间的差异表达,以及其他类型的分析。scde包还包含宝塔框架,它应用途径和基因集过分散分析来识别和表征基于转录特征的假定细胞亚群。差异表达分析的总体方法详见以下出版物:“单细胞差异表达分析的贝叶斯方法”(Kharchenko PV, Silberstein L, Scadden DT, Nature Methods, doi: 10.1038/ nmem .2967)。亚群体识别和表征的总体方法在以下预印本中详细介绍:“通过途径和基因集过分散分析描述转录异质性”(Fan J, Salathia N, Liu R, Kaeser G, Yung Y, Herman J, Kaper F, Fan JB, Zhang K, Chun J,和Kharchenko PV,自然方法,doi:10.1038/nmeth.3734)。
作者:Peter Kharchenko [aut, cre], Jean Fan [aut]
维护者:Jean Fan
引用(从R中,输入引用(“scde”)
):
要安装这个包,启动R(版本“3.6”)并输入:
如果(!install.packages("BiocManager") BiocManager::install("scde")
对于较老版本的R,请参考相应的Bioconductor释放.
参考手册 |
biocViews | 贝叶斯,DifferentialExpression,ImmunoOncology,RNASeq,软件,StatisticalMethod,转录 |
版本 | 2.12.0 |
在Bioconductor公司 | BioC 3.3 (R-3.3)(3.5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 |
全靠我 | |
进口我 | |
建议我 | |
给我的链接 | |
构建报告 |
遵循bob 体育网址 在R会话中使用这个包的说明。
源包 | scde_2.12.0.tar.gz |
Windows二进制 | scde_2.12.0.zip(32- & 64位) |
Mac OS X 10.11 (El Capitan) | scde_2.12.0.tgz |
源库 | Git克隆https://git.bioconductor.org/packages/scde |
源存储库(开发人员访问) | Git克隆git@git.bioconductor.org:packages/scde |
包短Url | //www.anjoumacpherson.com/packages/scde/ |
软件包下载报告 | 下载数据 |