miic：利用信息学习因果或非因果图形模型理论

我们报告了一种信息理论方法一类纯观测的因果或非因果图形模型数据，同时包括未观察到的潜在变量的影响，通常在许多数据集中发现。从一个完整的图开始，该方法通过发现重要信息，反复删除不必要的边间接途径的贡献，并评估边缘特定的信任度来自可用数据的随机化。然后确定其余边的方向基于观测数据中因果关系的特征。这种方法可以应用于广泛的数据集并提供新的生物学见解基于单细胞表达数据、基因组改变的调控网络在肿瘤发展和蛋白质结构中的共同进化残基。有关更多信息，请参阅：Cabeli等人，《公共科学图书馆·综合》。生物2020<doi:10.1371/journal.pcbi.1007866>,Verny等人，《公共科学图书馆·综合》。生物。2017<doi:10.1371/journal.pcbi.1005662>。

版本：	1.5.3
进口：	ppcor公司,卢比,规模，统计信息
链接到：	卢比
建议：	记录仪，gr设备，ggplot2(≥ 3.3.0),额外网格
出版：	2020-10-13
作者：	文森特·卡贝利[aut，cre]，李洪浩〔aut〕，马塞尔·里贝罗·丹塔斯[aut]，纳迪尔·塞拉[aut]，路易斯·维尼，Severine Affeldt[自动]，埃尔维·伊桑贝尔
维护人员：	文森特·卡贝利（Vincent Cabeli）<Vincent.Cabeli at curie.fr>
错误报告：	https://github.com/miicTeam/miic_R_package/issues网站
许可证：	GPL-2型|GPL-3型[扩展自：GPL（≥2）]
网址：	https://github.com/miicTeam/miic_R_package
需要编译：	对
系统要求：	C++14语言
在视图中：	组学
CRAN检查：	miic结果

文档：

参考手册：

miic.pdf公司

下载内容：

包源：	miic_1.5.3.目标.gz
Windows二进制文件：	r-预发布：miic_1.5.3.zip压缩包，r版本：miic_1.5.3.zip压缩包，r-oldrel：miic_1.5.3.zip压缩包
macOS二进制文件：	r-prerel（arm64）：miic_1.5.3.tgz公司，r-release（arm64）：三分之一决赛1.5.3.tgz，r-oldrel（臂64）：miic_1.5.3.tgz公司，r-prerel（x86_64）：miic_1.5.3.tgz公司，r-release（x86_64）：miic_1.5.3.tgz公司
旧来源：	miic档案

链接：

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