DEGRE：利用广义线性混合模型

在两种或多种实验条件下差异表达的基因可以在RNA-Seq中检测到。一旦固定效应之间出现分歧，高生物可变性可能会影响这些基因的发现。然而，这种可变性可以被随机效应所覆盖。”DEGRE’旨在识别差异表达基因，考虑对个体的固定和随机影响。这些影响早在实验设计矩阵中就已确定。“DEGRE”实施了预处理程序，以清除计数矩阵中接近零的基因读取，并通过“DESeq2”软件包中发布的“RLE”标准化，“Love等人（2014）”<doi:10.1186/s13059-014-0550-8>使用负二项分布的广义线性混合模型对每个基因进行回归拟合，然后进行Wald检验以评估回归系数。

版本：	0.2.0
取决于：	R（≥4.0）
进口：	实用程序，parglm公司,通用TMB,foreach公司,易怒的,ggplot2,ggpubr公司,gg排斥,汽车,数字播放器
建议：	测试(≥ 3.0.0)
出版：	2022-11-02
作者：	道格拉斯·特拉·马查多[aut，cre]，奥塔维奥·若泽·伯纳德斯·布鲁斯托里尼[aut]，亚斯明·科尔特斯·马丁斯[aut]，马可·安东尼奥·格里维特·马托索·迈亚[aut]，Ana Tereza Ribeiro de Vasconcelos（安娜·特雷扎·里贝罗·德瓦康塞洛斯）[自动]
维护人员：	道格拉斯·特拉·马查多（Douglas Terra Machado）
许可证：	艺术-2.0
需要编译：	不
材料：	自述文件
CRAN检查：	DEGRE结果

文档：

参考手册：

度.pdf

下载内容：

程序包来源：	度_0.2.0.tar.gz
Windows二进制文件：	r-devel公司：度_0.2.0.zip，r版本：度_0.2.0.zip，r-oldrel：度_0.2.0.zip
macOS二进制文件：	r释放（arm64）：度_0.2.0.tgz，r-oldrel（arm64）：度_0.2.0.tgz，r-release（x86_64）：度_0.2.0.tgz，r-oldrel（x86_64）：度数_0.2.0.tgz
旧来源：	DEGRE存档

链接：

请使用规范形式https://CRAN.R-project.org/package=DEGRE链接到此页面。