MRHCA

MRHCA

MRHCA是大型关联网络的非参数共表达分析方法：

1. 通常可以应用于大多数评估方法的关联网络；
2. 它为每个已确定的枢纽和模块输出确切的显着性水平；
3. 该方法具有相对较小的计算和内存消耗，因此可以应用于大型关联网络。
4. 它对弱关联模块敏感。和
5. 它可以在其输出中启用重叠的模块。

我们的分析表明MRHCA可以

1. 处理大型关联网络，
2. 严格评估集线器和模块大小的统计显着性，
3. 识别具有低关联的共表达模块，
4. 检测小小的和重要的模块，以及
5. 与现有方法相比，允许在多个模块中存在基因。

链接到相关代码

R和C ++代码的链接可以重现“ MRHCA：基于大基因共表达网络中基于非参数统计的HUB和共表达模块识别方法”的结果。

• R代码
• C ++代码

R包装安装

要安装MRHCA的开发版本，您至少需要安装Cran的以下包装

install.packages( " Rcpp " )

对于Windows用户，还应安装Rtools（https://cran.r-project.org/bin/windows/rtools/）。

然后，

install.packages( " devtools " )
devtools :: install_github( " zy26/MRHCA " )

R包装

 file <- " https://github.com/zy26/mrct/raw/master/testdata/E_coli_anaerobic.txt "
x <- as.matrix(read.table( file , sep = ' ' , header = TRUE , row.names = 1 ))
mr <- MRHCA :: GetHubs( x )

修复C ++版本的结果

如果您已经从C ++代码获得了结果，则可以进一步使用FixHubs功能来过滤和优化结果。

 datafile <- " TCGA-COAD.htseq_fpkm.tsv "
file <- " TCGA-COAD.htseq_fpkm.tsv.id.txt "
emfile <- " TCGA-COAD.htseq_fpkm.tsv.txt "
mr <- MRHCA :: FixHubs( datafile , file , emfile )