Nothing
### R code from vignette source 'giant_package_vignette.Snw'
###################################################
### code chunk number 1: giant_package_vignette.Snw:45-46 (eval = FALSE)
###################################################
## install.packages("GiANT")
###################################################
### code chunk number 2: giant_package_vignette.Snw:51-55 (eval = FALSE)
###################################################
## # CRAN packages
## install.packages(c("st", "fdrtool"))
## # Bioconductor packages
## BiocManager::install(c("GlobalAncova", "limma", "DESeq2"))
###################################################
### code chunk number 3: giant_package_vignette.Snw:60-61
###################################################
library(GiANT)
###################################################
### code chunk number 4: giant_package_vignette.Snw:79-81
###################################################
set.seed(42)
load("./vignetteData.RData")
###################################################
### code chunk number 5: giant_package_vignette.Snw:84-100 (eval = FALSE)
###################################################
## # load data
## require(GlobalAncova)
## data(vantVeer)
## data(phenodata)
## data(pathways)
##
##
## resGsea <- geneSetAnalysis(
## labs = phenodata$metastases,
## method = "pearson",
## 0,
## dat = vantVeer,
## geneSets = pathways,
## analysis = analysis.gsea(),
## adjustmentMethod = "fdr",
## signLevel=0.1)
###################################################
### code chunk number 6: giant_package_vignette.Snw:105-106
###################################################
summary(resGsea)
###################################################
### code chunk number 7: giant_package_vignette.Snw:112-113 (eval = FALSE)
###################################################
## tab <- createSummaryTable(resGsea)
###################################################
### code chunk number 8: giant_package_vignette.Snw:115-116
###################################################
tab
###################################################
### code chunk number 9: giant_package_vignette.Snw:119-120 (eval = FALSE)
###################################################
## signtab <- createSummaryTable(resGsea, significantOnly=TRUE, orderBy="geneSetName")
###################################################
### code chunk number 10: giant_package_vignette.Snw:122-123
###################################################
signtab
###################################################
### code chunk number 11: giant_package_vignette.Snw:136-137 (eval = FALSE)
###################################################
## hist(resGsea, subset = 3, aggregate = TRUE)
###################################################
### code chunk number 12: giant_package_vignette.Snw:139-142 (eval = FALSE)
###################################################
## pdf("gsea.pdf")
## hist(resGsea, subset = 3, aggregate = TRUE)
## dev.off()
###################################################
### code chunk number 13: giant_package_vignette.Snw:149-165 (eval = FALSE)
###################################################
## library(parallel)
## mc <- 2 #number of cpus to use
## cl <- makeCluster(mc) #initialize a cluster
##
## resGsea <- geneSetAnalysis(
## labs = phenodata$metastases,
## method = "pearson",
## numSamples = 1000,
## dat = vantVeer,
## geneSets = pathways,
## analysis = analysis.gsea(),
## adjustmentMethod = "fdr",
## signLevel=0.1,
## cluster = cl)
##
## stopCluster(cl)
###################################################
### code chunk number 14: giant_package_vignette.Snw:172-173
###################################################
set.seed(132)
###################################################
### code chunk number 15: giant_package_vignette.Snw:176-188 (eval = FALSE)
###################################################
## stat <- abs(apply(vantVeer,1,cor,y = phenodata$metastases))
## coreSet <- rownames(vantVeer)[tail(order(stat), 25)]
##
## resOverrep <- geneSetAnalysis(
## dat = vantVeer,
## geneSets = pathways[1:4],
## analysis = analysis.customOverrepresentation(),
## coreSet = coreSet,
## adjustmentMethod = "fdr",
## signLevel=0.1)
##
## summary(resOverrep)
###################################################
### code chunk number 16: giant_package_vignette.Snw:201-204 (eval = FALSE)
###################################################
## pdf("overrepresentation.pdf")
## plotOverrepresentation(resOverrep, subset = 1:4, aggregate = TRUE)
## dev.off()
###################################################
### code chunk number 17: giant_package_vignette.Snw:207-208 (eval = FALSE)
###################################################
## plotOverrepresentation(resOverrep, aggregate = TRUE)
###################################################
### code chunk number 18: giant_package_vignette.Snw:222-236 (eval = FALSE)
###################################################
## resUncertainty <- evaluateGeneSetUncertainty(
## #parameters in ...
## labs = phenodata$metastases,
## numSamples = 1000,
## #parameters for evaluateGeneSetUncertainty
## dat = vantVeer,
## geneSet = pathways[[3]],
## analysis = analysis.averageCorrelation(),
## numSamplesUncertainty = 100,
## k = seq(0.1,0.9,by = 0.1))
##
## plot(resUncertainty,
## main = names(pathways[3]),
## addMinimalStability = TRUE)
###################################################
### code chunk number 19: giant_package_vignette.Snw:238-248 (eval = FALSE)
###################################################
## resUncertainty <- evaluateGeneSetUncertainty(
## #parameters in ...
## labs = phenodata$metastases,
## numSamples = 1000,
## #parameters for evaluateGeneSetUncertainty
## dat = vantVeer,
## geneSet = pathways[[3]],
## analysis = analysis.averageCorrelation(),
## numSamplesUncertainty = 100,
## k = seq(0.1,0.9,by = 0.1))
###################################################
### code chunk number 20: giant_package_vignette.Snw:250-255 (eval = FALSE)
###################################################
## pdf("uncertainty.pdf")
## plot(resUncertainty,
## main = names(pathways[3]),
## addMinimalStability = TRUE)
## dev.off()
###################################################
### code chunk number 21: giant_package_vignette.Snw:274-279
###################################################
myGLS <- function(dat, labs, method = "pearson"){
return(apply(dat, 1, function(x){
cor(x = x, y = labs, method = method)
}))
}
###################################################
### code chunk number 22: giant_package_vignette.Snw:286-289
###################################################
myGSS <- function(x, geneSetIndices){
return(mean(x[geneSetIndices]))
}
###################################################
### code chunk number 23: giant_package_vignette.Snw:297-311 (eval = FALSE)
###################################################
## myAnalysis <- function(){
## return(gsAnalysis(name = "myAnalysis",
## gls = "myGLS",
## glsParameterNames = c("labs", "method"),
## transformation = "abs",
## transformationParameterNames = NULL,
## gss = "myGSS",
## gssParameterNames = NULL,
## globalStat = NULL,
## globalStatParameterNames = NULL,
## significance = "significance.sampling",
## significanceParameterNames = c("numSamples"),
## testAlternative = "greater"))
## }
###################################################
### code chunk number 24: giant_package_vignette.Snw:319-327 (eval = FALSE)
###################################################
## myResult <- geneSetAnalysis(
## labs = phenodata$metastases,
## method = "pearson",
## numSamples = 100,
## dat = vantVeer,
## geneSets = pathways,
## analysis = myAnalysis(),
## adjustmentMethod = "fdr")
###################################################
### code chunk number 25: giant_package_vignette.Snw:329-330 (eval = FALSE)
###################################################
## hist(myResult)
Any scripts or data that you put into this service are public.
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.