PCAtools

DOI:10.18129 / B9.bioc.PCAtools

PCAtools:一切主成分分析

Bioconductor版本:发行版(3.16)

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>

安装

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．

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	ATACSeq，GeneExpression，PrincipalComponent，RNASeq，SingleCell，软件，转录
版本	2.10.0
在Bioconductor	BioC 3.9 (R-3.6)(3.5年)
许可证	GPL-3
取决于	ggplot2，ggrepel
进口	晶格grDevices,cowplot、方法、reshape2统计数据,矩阵，DelayedMatrixStats，DelayedArray，BiocSingular，BiocParallel，Rcpp，dqrng
链接	Rcpp，beachmat，黑洞，dqrng
建议	testthat，食物，BiocGenerics，knitr，Biobase，GEOquery，hgu133a.db，ggplotify，beachmat，RMTstat，ggalt，DESeq2，气道，org.Hs.eg.db，magrittr，rmarkdown
SystemRequirements	c++ 11
增强了
URL	https://github.com/kevinblighe/PCAtools
全靠我	OSCA.advanced
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_2.10.0.tar.gz
Windows二进制	PCAtools_2.10.0.zip
macOS二进制文件(x86_64)	PCAtools_2.10.0.tgz
macOS二进制文件(arm64)	PCAtools_2.10.0.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
生物包浏览器	https://code.bioconductor.org/browse/PCAtools/
包短Url	//www.anjoumacpherson.com/packages/PCAtools/
软件包下载报告	下载数据