MRHCA

MRHCA

MRHCA是大型關聯網絡的非參數共表達分析方法：

1. 通常可以應用於大多數評估方法的關聯網絡；
2. 它為每個已確定的樞紐和模塊輸出確切的顯著性水平；
3. 該方法具有相對較小的計算和內存消耗，因此可以應用於大型關聯網絡。
4. 它對弱關聯模塊敏感。和
5. 它可以在其輸出中啟用重疊的模塊。

我們的分析表明MRHCA可以

1. 處理大型關聯網絡，
2. 嚴格評估集線器和模塊大小的統計顯著性，
3. 識別具有低關聯的共表達模塊，
4. 檢測小小的和重要的模塊，以及
5. 與現有方法相比，允許在多個模塊中存在基因。

鏈接到相關代碼

R和C ++代碼的鏈接可以重現“ MRHCA：基於大基因共表達網絡中基於非參數統計方法的基於非參數統計的方法”和共表達模塊識別”。

• R代碼
• C ++代碼

R包裝安裝

要安裝MRHCA的開發版本，您至少需要安裝Cran的以下包裝

install.packages( " Rcpp " )

對於Windows用戶，還應安裝Rtools（https://cran.r-project.org/bin/windows/rtools/）。

然後，

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

R包裝

 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 )

修復C ++版本的結果

如果您已經從C ++代碼獲得了結果，則可以進一步使用FixHubs功能來過濾和優化結果。

 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 )