facets

方面

從腫瘤/正常測序中實現分數和等位基因拷貝數估計的算法。

GitHub Action CI （ Linux，MacOS和MS Windows ）測試覆蓋範圍

您可以使用命令安裝當前版本（以及小插圖）

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

PCTGCDATA是必需的軟件包。因此，也安裝（還需要完成一次）

 remotes :: install_github( " mskcc/pctGCdata " )

如果您收到有關PCTGCDATA使用的錯誤消息

 remotes :: install_github( " veseshan/pctGCdata " )

筆記

2016_11_11（版本0.5.6）

新版本估計對應於二倍體狀態的對數比率級別。它嵌入到ProcSample調用中。在使用包裝方面，您現在可以做：

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

直接去

emcncf( oo )

emcncf2(oo)選項施加了克隆集群結構。此功能當前正在重新設計。請謹慎使用。

ProcSample的輸出現在有4個元素：

• jointseg - 與以前相同
• out - 與以前一樣，還有3列：CF，TCN，LCN
• dipLogR - 二倍體記錄值值的估計位置
• flags - 這表明文憑是否估計得很好。

如果flags為無效，那麼文憑估計沒有明顯的問題。它可以還有另外兩個評論：“ MAFR不夠小”，“可能是多克隆1複製損失”。第一個意味著沒有足夠平衡等位基因的片段，因此估計可能不佳。第二個意味著它看起來像是基因組加倍。唯一的較低級別是2+1和2+0（來自2+2）；一個沒有基因組的模型，但具有兩個不同細胞分數的單拷貝損失（1+1）可以更好地適合。

注意：我並不是聲稱我已經涵蓋了導致不良文憑估計的所有可能情況。如果您遇到任何看起來不正確的東西，但旗幟是無效的，請告訴我。