mattest

Выполните 2D демонстрационный t-тест, чтобы оценить дифференциальную экспрессию генов от двух экспериментальных условий или фенотипов

Синтаксис

PValues = mattest(DataX, DataY)
[PValues, TScores] = mattest(DataX, DataY)
[PValues, TScores, DFs] = mattest(DataX, DataY)
... = mattest(..., 'VarType', VarTypeValue, ...)
... = mattest(..., 'Permute', PermuteValue, ...)
... = mattest(..., 'Bootstrap', BootstrapValue, ...)
... = mattest(..., 'Showhist', ShowhistValue, ...)
... = mattest(..., 'Showplot', ShowplotValue, ...)
... = mattest(..., 'Labels', LabelsValue, ...)

Входные параметры

DataX, DataY

Объект DataMatrix или матрица значений экспрессии гена, где каждая строка соответствует гену и каждому столбцу, соответствуют реплицированию. DataX и DataY должен иметь одинаковое число строк и приняты, чтобы быть нормально распределенным в каждом классе с равными отклонениями.

DataX содержит данные из одного экспериментального условия и DataY содержит данные из различного экспериментального условия. Например, DataX могли быть значения выражения от раковых клеток и DataY могли быть значения выражения от нормальных ячеек.

VarTypeValueВектор символов, который задает тип отклонения теста. VarTypeValue может быть 'equal' или 'unequal' (значение по умолчанию). Если установлено в 'equal', mattest выполняет тест, принимающий, что эти две выборки имеют равные отклонения. Если установлено в 'unequal', mattest выполняет тест, принимающий, что эти две выборки имеют неизвестные и неравные отклонения.
PermuteValueСредства управления, запущены ли тесты сочетания, и если так, сколько. Выбором является trueложь (значение по умолчанию) или любое целое число, больше, чем 2. Если установлено в true, количеством сочетаний является 1000.
BootstrapValueСредства управления, запущены ли тесты начальной загрузки, и если так, сколько. Выбором является trueложь (значение по умолчанию) или любое целое число, больше, чем 2. Если установлено в true, количеством тестов начальной загрузки является 1000.
ShowhistValue

Управляет отображением гистограмм распределений t-счета и p-распределений-значений. Выбором является true или false (значение по умолчанию).

ShowplotValue

Управляет отображением нормального графика квантиля t-счета. Выбором является true или false (значение по умолчанию). В графике квантиля t-счета, точках данных с t-баллами>   (1 - 1/(2N)) или <1/(2N) отобразитесь с красными кругами. N общее количество генов.

LabelsValueМассив ячеек из символьных векторов или вектор строки, содержащий метки (обычно названия генов или тестовые идентификаторы набора) для каждой строки в DataX и DataY. Метки отображаются, если вы кликаете по точке данных в графике квантиля t-счета.

Выходные аргументы

PValues

Одно из следующего:

  • Вектор-столбец p-значений для каждого гена в DataX и DataY (если оба входных параметров являются матрицами).

  • Объект DataMatrix со строкой называет то же самое как первый объект входа DataMatrix и имя столбца p-values (если по крайней мере один вход является объектом DataMatrix).

TScoresВектор-столбец t-музыки к каждому гену в DataX и DataY.
DFsВектор-столбец, содержащий степень свободы для каждого гена в DataX и DataY.

Описание

PValues = mattest(DataX, DataY) выполняет непарный t-тест для дифференциального выражения со стандартным двусторонним и 2D демонстрационным t-тестом на каждом гене в DataX и DataY и возвращает p-значение для каждого гена. DataX и DataY или объект DataMatrix или матрица значений экспрессии гена, в которых каждая строка соответствует гену, и каждый столбец соответствует реплицированию. DataX содержит данные из одного экспериментального условия и DataY содержит данные из другого экспериментального условия. DataX и DataY должен иметь одинаковое число строк и приняты, чтобы быть нормально распределенным в каждом классе. PValues вектор-столбец p-значений для каждого гена, или, если по крайней мере одни из входных параметров являются объектом DataMatrix, объект DataMatrix со строкой называет то же самое как первый объект входа DataMatrix и имя столбца p-values.

[PValues, TScores] = mattest(DataX, DataY) также возвращает t-счет к каждому гену в DataX и DataY. TScores вектор-столбец t-музыки к каждому гену.

[PValues, TScores, DFs] = mattest(DataX, DataY) также возвращает DFs, вектор-столбец, содержащий степень свободы для каждого гена через оба набора данных, DataX и DataY.

... = mattest (..., 'PropertyName', PropertyValue, ...) вызовы mattest с дополнительными свойствами, которые используют имя свойства / пары значения свойства. Можно задать одно или несколько свойств в любом порядке. Каждый PropertyName должен быть заключен в одинарные кавычки и нечувствительный к регистру. Это имя свойства / пары значения свойства следующие:

... = mattest(..., 'VarType', VarTypeValue, ...) задает тип отклонения теста. VarTypeValue может быть 'equal' или 'unequal' (значение по умолчанию). Если установлено в 'equal', mattest выполняет тест, принимающий, что эти две выборки имеют равные отклонения. Если установлено в 'unequal', mattest выполняет тест, принимающий, что эти две выборки имеют неизвестные и неравные отклонения.

... = mattest(..., 'Permute', PermuteValue, ...) средства управления, запущены ли тесты сочетания, и если так, сколько. PermuteValue может быть trueложь (значение по умолчанию) или любое целое число, больше, чем 2. Если установлено в true, количеством сочетаний является 1000.

... = mattest(..., 'Bootstrap', BootstrapValue, ...) средства управления, запущены ли тесты начальной загрузки, и если так, сколько. BootstrapValue может быть trueложь (значение по умолчанию) или любое целое число, больше, чем 2. Если установлено в true, количеством тестов начальной загрузки является 1000.

... = mattest(..., 'Showhist', ShowhistValue, ...) управляет отображением гистограмм распределений t-счета и p-распределений-значений. Когда ShowhistValue true, mattest гистограммы отображений. Значением по умолчанию является false.

... = mattest(..., 'Showplot', ShowplotValue, ...) управляет отображением нормального графика квантиля t-счета. Когда ShowplotValue true, mattest отображает график квантиля квантиля. Значением по умолчанию является false. В графике квантиля t-счета линия черной диагонали представляет демонстрационный квантиль, являющийся равным теоретическому квантилю. Точки данных генов, считавшихся дифференцированно описанными, лежат дальше от этой линии. А именно, точки данных с t-баллами>   (1 - 1/(2N)) или <1/(2N) отобразитесь с красными кругами. N общее количество генов.

... = mattest(..., 'Labels', LabelsValue, ...) управляет отображением меток, когда вы кликаете по точке данных в графике квантиля t-счета. LabelsValue массив ячеек из символьных векторов или вектор строки, содержащий метки (обычно названия генов или тестовые идентификаторы набора) для каждой строки в DataX и DataY.

Примеры

  1. Загрузите MAT-файл, включенный с программным обеспечением Bioinformatics Toolbox™, которое содержит данные Affymetrix® из исследования рака простаты, в частности тестовые данные об интенсивности из массивов Affymetrix HG-U133A GeneChip®. Эти две переменные в MAT-файле, dependentData и independentData, две матрицы значений экспрессии гена от двух экспериментальных условий.

    load prostatecancerexpdata
  2. Вычислите p-значения и t-музыку к значениям экспрессии гена в этих двух матрицах и отобразите нормальный график квантиля t-счета.

    [pvalues,tscores] = mattest(dependentData, independentData,...
                        'showplot',true);
  3. Вычислите p-значения и t-баллы снова с помощью тестов сочетания (1 000 сочетаний) и отобразив гистограммы распределений t-счета и p-распределений-значений.

    [pvalues,tscores] = mattest(dependentData,independentData,...
                        'permute',true,'showhist',true,...
                        'showplot',true);
  4. Вычислите p-значения и t-баллы снова с помощью тестов начальной загрузки (2 000 тестов) и отобразив гистограммы распределений t-счета и p-распределений-значений.

    [pvalues,tscores] = mattest(dependentData,independentData,...
                        'bootstrap',2000,'showhist',true,...
                        'showplot',true);

prostatecancerexpdata.mat файл, используемый в этом примере, содержит данные из Лучшего и др., 2005.

Ссылки

[1] Литература анализа: Хубер, W., фон Хайдебрек, A., Зюлтманн, H., Poustka, A. и Vingron, M. (2002). Стабилизация отклонения применилась к калибровке микроданных массива и квантификации дифференциального выражения. Биоинформатика 18 (Suppl. 1), S96–S104.

[2] Лучше всего, C.J.M., Гиллеспи, J.W., И, Y., Chandramouli, G.V.R., Perlmutter, M.A., Gathright, Y., Эриксон, H.S., Георгевич, L., Tangrea, M.A., Duray, P.H., Гонсалес, S., Веласко, A., Linehan, W.M., Matusik, R.J., Цена, D.K., Figg, W.D., Emmert-маркер, M.R., и Chuaqui, R.F. (2005). Молекулярные изменения при первичном раке простаты после терапии абляции андрогена. Клинические Исследования рака 11, 6823–6834.

Введен в R2006a
Для просмотра документации необходимо авторизоваться на сайте