powsimR
Version 1.2.4
powsimR
Consulte também minha página do Github de Powsimr feita com PKGDOWN!
Para a instalação, é necessário o pacote R devtools .
install.packages( " devtools " )
library( devtools )Eu recomendo instalar primeiro as dependências manualmente e depois o POWSIMR. Se você planeja usar o Magic para imputação, siga as instruções deles para instalar a implementação do Python antes de instalar o Powsimr.
ipak <- function ( pkg , repository = c( " CRAN " , " Bioconductor " , " github " )) {
new.pkg <- pkg [ ! ( pkg %in% installed.packages()[, " Package " ])]
# new.pkg <- pkg
if (length( new.pkg )) {
if ( repository == " CRAN " ) {
install.packages( new.pkg , dependencies = TRUE )
}
if ( repository == " Bioconductor " ) {
if (strsplit( version [[ " version.string " ]], " " )[[ 1 ]][ 3 ] > " 4.0.0 " ) {
if ( ! requireNamespace( " BiocManager " )) {
install.packages( " BiocManager " )
}
BiocManager :: install( new.pkg , dependencies = TRUE , ask = FALSE )
}
if (strsplit( version [[ " version.string " ]], " " )[[ 1 ]][ 3 ] < " 3.6.0 " ) {
stop(message( " powsimR depends on packages and functions that are only available in R 4.0.0 and higher. " ))
}
}
if ( repository == " github " ) {
devtools :: install_github( new.pkg , build_vignettes = FALSE , force = FALSE ,
dependencies = TRUE )
}
}
}
# CRAN PACKAGES
cranpackages <- c( " broom " , " cobs " , " cowplot " , " data.table " , " doParallel " , " dplyr " ,
" DrImpute " , " fastICA " , " fitdistrplus " , " foreach " , " future " , " gamlss.dist " , " ggplot2 " ,
" ggpubr " , " ggstance " , " grDevices " , " grid " , " Hmisc " , " kernlab " , " MASS " , " magrittr " ,
" MBESS " , " Matrix " , " matrixStats " , " mclust " , " methods " , " minpack.lm " , " moments " ,
" msir " , " NBPSeq " , " nonnest2 " , " parallel " , " penalized " , " plyr " , " pscl " , " reshape2 " ,
" Rmagic " , " rsvd " , " Rtsne " , " scales " , " Seurat " , " snow " , " sctransform " , " stats " ,
" tibble " , " tidyr " , " truncnorm " , " VGAM " , " ZIM " , " zoo " )
ipak( cranpackages , repository = " CRAN " )
# BIOCONDUCTOR
biocpackages <- c( " bayNorm " , " baySeq " , " BiocGenerics " , " BiocParallel " , " DESeq2 " ,
" EBSeq " , " edgeR " , " IHW " , " iCOBRA " , " limma " , " Linnorm " , " MAST " , " monocle " , " NOISeq " ,
" qvalue " , " ROTS " , " RUVSeq " , " S4Vectors " , " scater " , " scDD " , " scde " , " scone " , " scran " ,
" SCnorm " , " SingleCellExperiment " , " SummarizedExperiment " , " zinbwave " )
ipak( biocpackages , repository = " Bioconductor " )
# GITHUB
githubpackages <- c( " cz-ye/DECENT " , " nghiavtr/BPSC " , " mohuangx/SAVER " , " statOmics/zingeR " ,
" Vivianstats/scImpute " )
ipak( githubpackages , repository = " github " )Para verificar se todas as dependências estão instaladas, você pode executar as seguintes linhas:
powsimRdeps <- data.frame ( Package = c( cranpackages ,
biocpackages ,
sapply(strsplit( githubpackages , " / " ), " [[ " , 2 )),
stringsAsFactors = F )
ip <- as.data.frame(installed.packages()[,c( 1 , 3 : 4 )], stringsAsFactors = F )
ip.check <- cbind( powsimRdeps ,
Version = ip [match( powsimRdeps $ Package , rownames( ip )), " Version " ])
table(is.na( ip.check $ Version )) # all should be FALSEApós a instalação das dependências, o POWSIMR também pode ser instalado usando o Devtools.
devtools :: install_github( " bvieth/powsimR " , build_vignettes = TRUE , dependencies = FALSE )
library( " powsimR " )Alternativo, você pode tentar instalar o Powsimr e suas dependências diretamente usando o Devtools:
devtools :: install_github( " bvieth/powsimR " )Para exemplos e dicas sobre o uso do pacote, consulte a vinheta após a instalação bem -sucedida por
browseVignettes( " powsimR " )Alguns usuários tiveram problemas com a instalação de POWSIMR devido a erros de compilação da Vignette ou porque estão perdendo os pacotes R necessários para construir a vinheta, ou seja, knitr e rmdformats. Se for esse o caso, você pode instalar essas dependências ou deixar de fora a criação da vinheta (configurando o Build_vignettes como false) e lê -la na minha página do Github do PowsImr ou faça o download como um arquivo html aqui.
Observe que o erro “Número máximo de DLLs alcançado…” pode ocorrer devido ao carregamento de muitos objetos compartilhados por pacotes de biocondutores. Reiniciar a sessão R após a instalação de dependências / POWSIMR ajudará. Começando com a versão R 3.4.0, pode -se definir a variável ambiental 'r_max_num_dlls' como um número maior. Veja ?Startup() para obter mais informações. Eu recomendo aumentar o número máximo de DLLs que podem ser carregadas para 500. A variável ambiental r_max_num_dlls pode ser definida em r_home/etc/renvoriron antes de iniciar R. para que localize o arquivo Renviron e adicione a seguinte linha: r_max_num_dlls = xy onde xy é o número das dlls. Na minha máquina Ubuntu, o arquivo Renviron está em/usr/lib/r/etc/e eu posso defini -lo como 500.
Além disso, os limites do usuário para arquivos abertos (UNIX: ULIMIT) podem ter que ser definidos como um número maior para acomodar o aumento das DLLs. Confira as páginas de ajuda para Macs e Linux para obter orientação.
Por favor, use a seguinte entrada para citar Powsimr.
citation( " powsimR " )Powsimr é publicado na Bioinformatics. Um artigo de pré -impressão também está no biorxiv.
Envie relatórios de bug e solicitações de recursos abrindo um novo problema nesta página. Tento manter -me atualizado com novos desenvolvimentos / alterações dos métodos implementados no Powsimr, mas se você encontrar erros de execução ao usar uma determinada ferramenta (por exemplo, para imputação), aprecio se você puder postar isso como um problema.
R Informações da sessão library( powsimR )
# > Loading required package: gamlss.dist
# > Loading required package: MASS
# > Registered S3 method overwritten by 'gdata':
# > method from
# > reorder.factor gplots
# > Warning: replacing previous import 'DECENT::lrTest' by 'MAST::lrTest' when
# > loading 'powsimR'
# > Warning: replacing previous import 'penalized::predict' by 'stats::predict' when
# > loading 'powsimR'
# > Warning: replacing previous import 'zinbwave::glmWeightedF' by
# > 'zingeR::glmWeightedF' when loading 'powsimR'
sessionInfo()
# > R version 4.1.2 (2021-11-01)
# > Platform: x86_64-pc-linux-gnu (64-bit)
# > Running under: Ubuntu 18.04.6 LTS
# >
# > Matrix products: default
# > BLAS: /usr/lib/x86_64-linux-gnu/openblas/libblas.so.3
# > LAPACK: /usr/lib/x86_64-linux-gnu/libopenblasp-r0.2.20.so
# >
# > locale:
# > [1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C
# > [3] LC_TIME=de_DE.UTF-8 LC_COLLATE=en_US.UTF-8
# > [5] LC_MONETARY=de_DE.UTF-8 LC_MESSAGES=en_US.UTF-8
# > [7] LC_PAPER=de_DE.UTF-8 LC_NAME=C
# > [9] LC_ADDRESS=C LC_TELEPHONE=C
# > [11] LC_MEASUREMENT=de_DE.UTF-8 LC_IDENTIFICATION=C
# >
# > attached base packages:
# > [1] stats graphics grDevices utils datasets methods base
# >
# > other attached packages:
# > [1] powsimR_1.2.3 gamlss.dist_6.0-1 MASS_7.3-54
# >
# > loaded via a namespace (and not attached):
# > [1] mixtools_1.2.0 softImpute_1.4-1
# > [3] minpack.lm_1.2-1 lattice_0.20-45
# > [5] vctrs_0.3.8 fastICA_1.2-3
# > [7] mgcv_1.8-38 penalized_0.9-51
# > [9] blob_1.2.2 survival_3.2-13
# > [11] prodlim_2019.11.13 Rmagic_2.0.3
# > [13] later_1.3.0 nloptr_1.2.2.3
# > [15] DBI_1.1.1 R.utils_2.11.0
# > [17] rappdirs_0.3.3 SingleCellExperiment_1.16.0
# > [19] Linnorm_2.18.0 dqrng_0.3.0
# > [21] jpeg_0.1-9 zlibbioc_1.40.0
# > [23] MatrixModels_0.5-0 htmlwidgets_1.5.4
# > [25] mvtnorm_1.1-3 future_1.23.0
# > [27] UpSetR_1.4.0 parallel_4.1.2
# > [29] scater_1.22.0 irlba_2.3.3
# > [31] DEoptimR_1.0-9 Rcpp_1.0.7
# > [33] KernSmooth_2.23-20 DT_0.20
# > [35] promises_1.2.0.1 gdata_2.18.0
# > [37] DDRTree_0.1.5 DelayedArray_0.20.0
# > [39] limma_3.50.0 vegan_2.5-7
# > [41] Hmisc_4.6-0 ShortRead_1.52.0
# > [43] apcluster_1.4.8 RSpectra_0.16-0
# > [45] msir_1.3.3 mnormt_2.0.2
# > [47] digest_0.6.28 png_0.1-7
# > [49] bluster_1.4.0 qlcMatrix_0.9.7
# > [51] sctransform_0.3.2 cowplot_1.1.1
# > [53] pkgconfig_2.0.3 docopt_0.7.1
# > [55] DelayedMatrixStats_1.16.0 gower_0.2.2
# > [57] ggbeeswarm_0.6.0 iterators_1.0.13
# > [59] minqa_1.2.4 lavaan_0.6-9
# > [61] reticulate_1.22 SummarizedExperiment_1.24.0
# > [63] spam_2.7-0 beeswarm_0.4.0
# > [65] modeltools_0.2-23 xfun_0.28
# > [67] zoo_1.8-9 tidyselect_1.1.1
# > [69] ZIM_1.1.0 reshape2_1.4.4
# > [71] purrr_0.3.4 kernlab_0.9-29
# > [73] EDASeq_2.28.0 viridisLite_0.4.0
# > [75] snow_0.4-4 rtracklayer_1.54.0
# > [77] rlang_0.4.12 hexbin_1.28.2
# > [79] glue_1.5.0 RColorBrewer_1.1-2
# > [81] fpc_2.2-9 matrixStats_0.61.0
# > [83] MatrixGenerics_1.6.0 stringr_1.4.0
# > [85] lava_1.6.10 fields_13.3
# > [87] ggsignif_0.6.3 DESeq2_1.34.0
# > [89] recipes_0.1.17 SparseM_1.81
# > [91] httpuv_1.6.3 class_7.3-19
# > [93] BPSC_0.99.2 BiocNeighbors_1.12.0
# > [95] annotate_1.72.0 jsonlite_1.7.2
# > [97] XVector_0.34.0 tmvnsim_1.0-2
# > [99] bit_4.0.4 mime_0.12
# > [101] gridExtra_2.3 gplots_3.1.1
# > [103] Rsamtools_2.10.0 zingeR_0.1.0
# > [105] stringi_1.7.5 gmodels_2.18.1
# > [107] rhdf5filters_1.6.0 bitops_1.0-7
# > [109] maps_3.4.0 RSQLite_2.2.8
# > [111] tidyr_1.1.4 pheatmap_1.0.12
# > [113] data.table_1.14.2 rstudioapi_0.13
# > [115] GenomicAlignments_1.30.0 nlme_3.1-153
# > [117] qvalue_2.26.0 scran_1.22.1
# > [119] fastcluster_1.2.3 locfit_1.5-9.4
# > [121] scone_1.18.0 listenv_0.8.0
# > [123] cobs_1.3-4 R.oo_1.24.0
# > [125] prabclus_2.3-2 segmented_1.3-4
# > [127] dbplyr_2.1.1 BiocGenerics_0.40.0
# > [129] lifecycle_1.0.1 timeDate_3043.102
# > [131] ROTS_1.22.0 munsell_0.5.0
# > [133] hwriter_1.3.2 R.methodsS3_1.8.1
# > [135] moments_0.14 caTools_1.18.2
# > [137] codetools_0.2-18 coda_0.19-4
# > [139] Biobase_2.54.0 GenomeInfoDb_1.30.0
# > [141] vipor_0.4.5 htmlTable_2.3.0
# > [143] bayNorm_1.12.0 rARPACK_0.11-0
# > [145] xtable_1.8-4 SAVER_1.1.2
# > [147] ROCR_1.0-11 diptest_0.76-0
# > [149] formatR_1.11 lpsymphony_1.22.0
# > [151] abind_1.4-5 FNN_1.1.3
# > [153] parallelly_1.29.0 RANN_2.6.1
# > [155] sparsesvd_0.2 CompQuadForm_1.4.3
# > [157] BiocIO_1.4.0 GenomicRanges_1.46.1
# > [159] tibble_3.1.6 ggdendro_0.1.22
# > [161] cluster_2.1.2 future.apply_1.8.1
# > [163] Matrix_1.3-4 ellipsis_0.3.2
# > [165] prettyunits_1.1.1 shinyBS_0.61
# > [167] lubridate_1.8.0 NOISeq_2.38.0
# > [169] shinydashboard_0.7.2 mclust_5.4.8
# > [171] igraph_1.2.9 ggstance_0.3.5
# > [173] slam_0.1-49 testthat_3.1.0
# > [175] doSNOW_1.0.19 htmltools_0.5.2
# > [177] BiocFileCache_2.2.0 GenomicFeatures_1.46.1
# > [179] yaml_2.2.1 utf8_1.2.2
# > [181] XML_3.99-0.8 ModelMetrics_1.2.2.2
# > [183] ggpubr_0.4.0 DrImpute_1.0
# > [185] foreign_0.8-81 withr_2.4.2
# > [187] scuttle_1.4.0 fitdistrplus_1.1-6
# > [189] BiocParallel_1.28.2 aroma.light_3.24.0
# > [191] bit64_4.0.5 foreach_1.5.1
# > [193] robustbase_0.93-9 outliers_0.14
# > [195] Biostrings_2.62.0 combinat_0.0-8
# > [197] rsvd_1.0.5 ScaledMatrix_1.2.0
# > [199] iCOBRA_1.22.1 memoise_2.0.1
# > [201] evaluate_0.14 VGAM_1.1-5
# > [203] nonnest2_0.5-5 geneplotter_1.72.0
# > [205] permute_0.9-5 caret_6.0-90
# > [207] curl_4.3.2 fdrtool_1.2.17
# > [209] fansi_0.5.0 conquer_1.2.1
# > [211] edgeR_3.36.0 checkmate_2.0.0
# > [213] cachem_1.0.6 truncnorm_1.0-8
# > [215] tensorA_0.36.2 DECENT_1.1.0
# > [217] ellipse_0.4.2 rjson_0.2.20
# > [219] metapod_1.2.0 ggplot2_3.3.5
# > [221] rstatix_0.7.0 ggrepel_0.9.1
# > [223] scDD_1.18.0 tools_4.1.2
# > [225] sandwich_3.0-1 magrittr_2.0.1
# > [227] RCurl_1.98-1.5 car_3.0-12
# > [229] pbivnorm_0.6.0 bayesm_3.1-4
# > [231] xml2_1.3.2 EBSeq_1.34.0
# > [233] httr_1.4.2 assertthat_0.2.1
# > [235] rmarkdown_2.11 Rhdf5lib_1.16.0
# > [237] boot_1.3-28 globals_0.14.0
# > [239] R6_2.5.1 nnet_7.3-16
# > [241] progress_1.2.2 genefilter_1.76.0
# > [243] KEGGREST_1.34.0 gtools_3.9.2
# > [245] statmod_1.4.36 beachmat_2.10.0
# > [247] BiocSingular_1.10.0 rhdf5_2.38.0
# > [249] splines_4.1.2 carData_3.0-4
# > [251] colorspace_2.0-2 amap_0.8-18
# > [253] generics_0.1.1 stats4_4.1.2
# > [255] NBPSeq_0.3.0 compositions_2.0-2
# > [257] base64enc_0.1-3 baySeq_2.28.0
# > [259] pillar_1.6.4 HSMMSingleCell_1.14.0
# > [261] GenomeInfoDbData_1.2.7 plyr_1.8.6
# > [263] dotCall64_1.0-1 gtable_0.3.0
# > [265] SCnorm_1.16.0 monocle_2.22.0
# > [267] restfulr_0.0.13 knitr_1.36
# > [269] RcppArmadillo_0.10.7.3.0 latticeExtra_0.6-29
# > [271] biomaRt_2.50.1 IRanges_2.28.0
# > [273] fastmap_1.1.0 doParallel_1.0.16
# > [275] pscl_1.5.5 flexmix_2.3-17
# > [277] quantreg_5.86 AnnotationDbi_1.56.2
# > [279] broom_0.7.10 filelock_1.0.2
# > [281] scales_1.1.1 arm_1.12-2
# > [283] backports_1.4.0 plotrix_3.8-2
# > [285] IHW_1.22.0 S4Vectors_0.32.3
# > [287] densityClust_0.3 ipred_0.9-12
# > [289] lme4_1.1-27.1 hms_1.1.1
# > [291] Rtsne_0.15 dplyr_1.0.7
# > [293] shiny_1.7.1 grid_4.1.2
# > [295] Formula_1.2-4 blockmodeling_1.0.5
# > [297] crayon_1.4.2 MAST_1.20.0
# > [299] RUVSeq_1.28.0 pROC_1.18.0
# > [301] sparseMatrixStats_1.6.0 viridis_0.6.2
# > [303] rpart_4.1-15 zinbwave_1.16.0
# > [305] compiler_4.1.2
