目录

这是GENIE3的R实施文件。

GENIE3方法描述如下：

Huynh Thu V.A.、Irrthum A.、Wehenkel L.和Geurts P.（2010）使用基于树的方法从表达数据推断调节网络。公共科学图书馆，5（9）：e12776。

表达式数据格式

稳态表达式数据格式

这个GENIE3（）函数以基因表达矩阵作为输入参数exprMatr公司矩阵的每一行必须对应一个基因，每一列必须对应一份样本。基因名称必须在行名称（exprMatr）。可以在中指定样本名称列名（exprMatr），但这不是强制性的。例如，以下命令行生成虚假表达式矩阵（仅用于本教程）：

exprMatr<-矩阵（样本（1:10，100，替换=真），nrow=20）行名称（exprMatr）<-paste（“基因”，1:20，sep=“”）colnames（exprMatr）<-paste（“示例”，1:5，sep=“”）头部（exprMatr）
##样品1样品2样品3样品4样品5##基因1 2 5 1 10 7##基因8 8 4 3 4##基因3 7 1 8 7 3##基因4 7 3 3 1 3##基因5 10 2 6 10 4##基因6 8 3 7 6 5

该矩阵包含来自5个样本的20个基因的表达数据。表达式数据不需要以任何特定的方式进行规范化（但是否规范化/过滤/日志转换都会影响结果！）。

如何运行GENIE3

使用默认参数运行GENIE3

以下命令对表达式数据运行GENIE3exprMatr公司使用默认参数：

库（GENIE3）set.seed（123）#用于结果的再现性重量材料<-GENIE3（exprMatr）
dim（重量垫）
## [1] 20 20
重量垫[1:5,1:5]
##基因1基因2基因3基因4基因5##基因1 0.00000000 0.06730813 0.028541318 0.063413221 0.02840563##基因2 0.04682954 0.00000000.006939940 0.054863918 0.01731399##基因3 0.02872232 0.03560571 0.000000000 0.005376876 0.09977545##基因4 0.04148807 0.04313984 0.003564747 0.000000000 0.02516903##基因5 0.02107191 0.02939945 0.130708812 0.018893254 0.00000000

该算法输出一个包含假定监管链接权重的矩阵，较高的权重对应于更可能的监管链接。重量材料[i，j]是从\（i）-th基因到\（j）-th基因。

将候选调节器限制为基因子集

默认情况下exprMatr公司被用作候选监管机构。然而，候选调控因子的列表可能仅限于基因子集。当你知道哪些基因是转录因子时，这会很有用。

#用作候选调节器的基因调节器<-c（2、4、7）#或者：调节器<-c（“Gene2”、“Gene4”、“Genere7”）weightMat<-GENIE3（exprMatr，regulators=调节器）

这里，只有基因2,第4代和第7代（分别对应于中的第2、4和7行exprMatr公司)被用作候选监管机构。在结果中重量垫，来自非候选调控因子基因的链接的权重等于0。

要为每个基因请求不同的调节因子并返回列表：

regulatorsList<-list（“Gene1”=行名（exprMatr）[1:10]，“Gene2”=行名称（exprMatr）[10:20]，“Gene20”=行名称（exprMatr）[15:20]）设定种子（123）权重列表<-GENIE3（exprMatr，nCores=1，targets=名称（regulatorsList），regulators=regulators.List，returnMatrix=FALSE）

更改基于树的方法及其设置

GENIE3基于回归树。这些树可以使用随机森林方法学习1Breiman L.（2001）《随机森林》。机器学习, 45(1):5-32.或Extra-Trees方法2Geurts P.、Ernst D.和Wehenkel L.（2006）《极度随机树》。机器学习, 36(1):3-42.。可以使用树方法参数(tree.method=“RF”对于Random Forests，这是默认选项，或tree.method=“ET”对于额外树）。

每个基于树的方法都有两个参数：K（K）和参赛者.K（K）是在每个树节点上随机选择的候选调节器的数量，用于最佳分割确定。让\（p\）是候选监管机构的数量。K（K）必须是：

  • “平方码”，它设置\（K=\sqrt{p}\）。这是默认值。
  • “全部”，它设置\（K=p\）.
  • 或介于之间的任何整数\(1\)和\（p\）.

参数参赛者指定每个集合生长的树数。它可以设置为任何严格的正整数（默认值为1000）。

示例如下所示：

#使用额外树（ET）方法#在树的每个节点随机选择7个候选调节器#每组5棵树weightMat<-GENIE3（exprMatr，treeMethod=“ET”，K=7，nTrees=50）

并行GENIE3

为了减少计算时间，GENIE3可以在多个内核上运行。参数ncores公司指定要使用的核心数。例如：

set.seed（123）#用于结果的再现性weightMat<-GENIE3（exprMatr，nCores=4，verbose=TRUE）

请注意见种子允许在不同的运行中获得相同的结果，但只能在n孔==1或n孔径>1例如，运行设定种子（123）和n孔=1和另一个种子相同但n孔径>1可能会提供不同的结果。

获取更多信息

?第3代