facets

方面

从肿瘤/正常测序中实现分数和等位基因拷贝数估计的算法。

GitHub Action CI （ Linux，MacOS和MS Windows ）测试覆盖范围

您可以使用命令安装当前版本（以及小插图）

 remotes :: install_github( " mskcc/facets " , build_vignettes = TRUE )

PCTGCDATA是必需的软件包。因此，也安装（还需要完成一次）

 remotes :: install_github( " mskcc/pctGCdata " )

如果您收到有关PCTGCDATA使用的错误消息

 remotes :: install_github( " veseshan/pctGCdata " )

笔记

2016_11_11（版本0.5.6）

新版本估计对应于二倍体状态的对数比率级别。它嵌入到ProcSample调用中。在使用包装方面，您现在可以做：

 rcmat <- readSnpMatrix( filename , ... )
xx <- preProcSample( rcmat , ... )
# specify cval you like
oo <- procSample( xx , cval = 300 )

直接去

emcncf( oo )

emcncf2(oo)选项施加了克隆集群结构。此功能当前正在重新设计。请谨慎使用。

ProcSample的输出现在有4个元素：

• jointseg - 与以前相同
• out - 与以前一样，还有3列：CF，TCN，LCN
• dipLogR - 二倍体记录值值的估计位置
• flags - 这表明文凭是否估计得很好。

如果flags为无效，那么文凭估计没有明显的问题。它可以还有另外两个评论：“ MAFR不够小”，“可能是多克隆1复制损失”。第一个意味着没有足够平衡等位基因的片段，因此估计可能不佳。第二个意味着它看起来像是基因组加倍。唯一的较低级别是2+1和2+0（来自2+2）；一个没有基因组的模型，但具有两个不同细胞分数的单拷贝损失（1+1）可以更好地适合。

注意：我并不是声称我已经涵盖了导致不良文凭估计的所有可能情况。如果您遇到任何看起来不正确的东西，但旗帜是无效的，请告诉我。