Bioconductor版本:发行版(3.16)
重建基因调控网络和转录因子活性对于理解生物过程至关重要,并具有开发个性化治疗的潜力。然而,这仍然是一个悬而未决的问题,因为最先进的算法往往无法处理大量的数据。此外,目前的许多方法预测了大量的假阳性,并且无法整合其他信息源,例如先前已知的相互作用。在这里,我们介绍了KBoost,一种使用核PCA回归、增强和贝叶斯模型平均的算法,用于快速准确地重建基因调控网络。KBoost还可以使用先前建立在已知转录因子靶点上的网络。我们使用三个不同的数据集对KBoost与其他高性能算法进行了基准测试。结果表明,我们的方法在数据集上优于其他方法。
作者:Luis F. Iglesias-Martinez [aut, cre],芭芭拉·德·凯格尔[aut],沃尔特·科尔奇[aut]
维护者:Luis F. Iglesias-Martinez < Luis。Iglesiasmartinez在ucd.ie>
引文(从R内,输入引用(“KBoost”)
):
要安装这个包,启动R(版本“4.2”)并输入:
如果(!require("BiocManager", quiet = TRUE)) install.packages("BiocManager")
对于R的旧版本,请参考相应的Bioconductor释放.
要查看系统中安装的此包版本的文档,请启动R并输入:
browseVignettes(“KBoost”)
超文本标记语言 | R脚本 | KBoost |
参考手册 | ||
文本 | 新闻 |
biocViews | 贝叶斯,GeneExpression,GeneRegulation,GraphAndNetwork,网络,NetworkInference,PrincipalComponent,回归,软件,SystemsBiology,转录,转录组 |
版本 | 1.6.0 |
在Bioconductor | BioC 3.13 (R-4.1)(1.5年) |
许可证 | Gpl-2 | gpl-3 |
取决于 | R (>= 4.1), stats, utils |
进口 | |
链接 | |
建议 | knitr,rmarkdown,testthat |
SystemRequirements | |
增强了 | |
URL | https://github.com/Luisiglm/KBoost |
全靠我 | |
进口我 | |
建议我 | |
链接到我 | |
构建报告 |
遵循bob 体育网址 在R会话中使用此包的说明。
源包 | KBoost_1.6.0.tar.gz |
Windows二进制 | KBoost_1.6.0.zip |
macOS二进制文件(x86_64) | KBoost_1.6.0.tgz |
macOS二进制文件(arm64) | KBoost_1.6.0.tgz |
源库 | git克隆https://git.bioconductor.org/packages/KBoost |
源存储库(开发人员访问) | git克隆git@git.bioconductor.org:packages/KBoost |
生物包浏览器 | https://code.bioconductor.org/browse/KBoost/ |
包短Url | //www.anjoumacpherson.com/packages/KBoost/ |
软件包下载报告 | 下载数据 |