### R code from vignette source 'vignettes/BioNet/inst/doc/Tutorial.Rnw' ################################################### ### code chunk number 1: Tutorial.Rnw:48-50 ################################################### options(width=60) ps.options(family="sans") ################################################### ### code chunk number 2: Tutorial.Rnw:53-57 ################################################### library(BioNet) library(DLBCL) data(dataLym) data(interactome) ################################################### ### code chunk number 3: Tutorial.Rnw:61-64 ################################################### pvals <- cbind(t=dataLym$t.pval, s=dataLym$s.pval) rownames(pvals) <- dataLym$label pval <- aggrPvals(pvals, order=2, plot=FALSE) ################################################### ### code chunk number 4: Tutorial.Rnw:68-71 ################################################### subnet <- subNetwork(dataLym$label, interactome) subnet <- rmSelfLoops(subnet) subnet ################################################### ### code chunk number 5: Tutorial.Rnw:77-79 ################################################### fb <- fitBumModel(pval, plot=FALSE) scores <- scoreNodes(subnet, fb, fdr=0.001) ################################################### ### code chunk number 6: Tutorial.Rnw:86-89 ################################################### module <- runFastHeinz(subnet, scores) logFC <- dataLym$diff names(logFC) <- dataLym$label ################################################### ### code chunk number 7: Tutorial.Rnw:96-97 ################################################### plotModule(module, scores=scores, diff.expr=logFC) ################################################### ### code chunk number 8: Tutorial.Rnw:152-156 ################################################### library(BioNet) library(DLBCL) data(exprLym) data(interactome) ################################################### ### code chunk number 9: Tutorial.Rnw:164-165 ################################################### exprLym ################################################### ### code chunk number 10: Tutorial.Rnw:171-172 ################################################### interactome ################################################### ### code chunk number 11: Tutorial.Rnw:179-181 ################################################### network <- subNetwork(featureNames(exprLym), interactome) network ################################################### ### code chunk number 12: Tutorial.Rnw:186-188 ################################################### network <- largestComp(network) network ################################################### ### code chunk number 13: Tutorial.Rnw:198-202 ################################################### library(genefilter) library(impute) expressions <- impute.knn(exprs(exprLym))$data t.test <- rowttests(expressions, fac=exprLym$Subgroup) ################################################### ### code chunk number 14: Tutorial.Rnw:205-206 ################################################### t.test[1:10, ] ################################################### ### code chunk number 15: Tutorial.Rnw:213-216 ################################################### library(xtable) top.table <- xtable(t.test[1:10,], display=c("s", "f", "f", "f")) print(top.table, floating=FALSE) ################################################### ### code chunk number 16: Tutorial.Rnw:226-231 ################################################### data(dataLym) ttest.pval <- t.test[, "p.value"] surv.pval <- dataLym$s.pval names(surv.pval) <- dataLym$label pvals <- cbind(ttest.pval, surv.pval) ################################################### ### code chunk number 17: Tutorial.Rnw:240-241 ################################################### pval <- aggrPvals(pvals, order=2, plot=FALSE) ################################################### ### code chunk number 18: Tutorial.Rnw:248-250 ################################################### fb <- fitBumModel(pval, plot=FALSE) fb ################################################### ### code chunk number 19: Tutorial.Rnw:253-258 ################################################### dev.new(width=13, height=7) par(mfrow=c(1,2)) hist(fb) plot(fb) dev.off() ################################################### ### code chunk number 20: Tutorial.Rnw:273-274 ################################################### plotLLSurface(pval, fb) ################################################### ### code chunk number 21: Tutorial.Rnw:283-284 ################################################### scores <- scoreNodes(network=network, fb=fb, fdr=0.001) ################################################### ### code chunk number 22: Tutorial.Rnw:291-294 ################################################### network <- rmSelfLoops(network) writeHeinzEdges(network=network, file="lymphoma_edges_001", use.score=FALSE) writeHeinzNodes(network=network, file="lymphoma_nodes_001", node.scores = scores) ################################################### ### code chunk number 23: Tutorial.Rnw:311-313 ################################################### datadir <- file.path(.path.package("BioNet"), "extdata") dir(datadir) ################################################### ### code chunk number 24: Tutorial.Rnw:319-322 ################################################### module <- readHeinzGraph(node.file=file.path(datadir, "lymphoma_nodes_001.txt.0.hnz"), network=network) diff <- t.test[, "dm"] names(diff) <- rownames(t.test) ################################################### ### code chunk number 25: Tutorial.Rnw:325-326 ################################################### plotModule(module, diff.expr=diff, scores=scores) ################################################### ### code chunk number 26: Tutorial.Rnw:348-351 ################################################### sum(scores[nodes(module)]) sum(scores[nodes(module)]>0) sum(scores[nodes(module)]<0) ################################################### ### code chunk number 27: Tutorial.Rnw:373-378 ################################################### library(BioNet) library(DLBCL) library(ALL) data(ALL) data(interactome) ################################################### ### code chunk number 28: Tutorial.Rnw:385-386 ################################################### ALL ################################################### ### code chunk number 29: Tutorial.Rnw:394-395 ################################################### interactome ################################################### ### code chunk number 30: Tutorial.Rnw:405-407 ################################################### mapped.eset <- mapByVar(ALL, network=interactome, attr="geneID") mapped.eset[1:5,1:5] ################################################### ### code chunk number 31: Tutorial.Rnw:412-413 ################################################### length(intersect(rownames(mapped.eset), nodes(interactome))) ################################################### ### code chunk number 32: Tutorial.Rnw:422-427 ################################################### network <- subNetwork(rownames(mapped.eset), interactome) network network <- largestComp(network) network <- rmSelfLoops(network) network ################################################### ### code chunk number 33: Tutorial.Rnw:439-447 ################################################### library(limma) design <- model.matrix(~ -1+ factor(c(substr(unlist(ALL$BT), 0, 1)))) colnames(design)<- c("B", "T") contrast.matrix <- makeContrasts(B-T, levels=design) contrast.matrix fit <- lmFit(mapped.eset, design) fit2 <- contrasts.fit(fit, contrast.matrix) fit2 <- eBayes(fit2) ################################################### ### code chunk number 34: Tutorial.Rnw:452-453 ################################################### pval <- fit2$p.value[,1] ################################################### ### code chunk number 35: Tutorial.Rnw:464-466 ################################################### fb <- fitBumModel(pval, plot=FALSE) fb ################################################### ### code chunk number 36: Tutorial.Rnw:469-473 ################################################### dev.new(width=13, height=7) par(mfrow=c(1,2)) hist(fb) plot(fb) ################################################### ### code chunk number 37: Tutorial.Rnw:485-486 ################################################### scores <- scoreNodes(network=network, fb=fb, fdr=1e-14) ################################################### ### code chunk number 38: Tutorial.Rnw:492-494 ################################################### writeHeinzEdges(network=network, file="ALL_edges_001", use.score=FALSE) writeHeinzNodes(network=network, file="ALL_nodes_001", node.scores = scores) ################################################### ### code chunk number 39: Tutorial.Rnw:513-515 ################################################### datadir <- file.path(.path.package("BioNet"), "extdata") module <- readHeinzGraph(node.file=file.path(datadir, "ALL_nodes_001.txt.0.hnz"), network=network) ################################################### ### code chunk number 40: Tutorial.Rnw:520-525 ################################################### nodeDataDefaults(module, attr="diff") <- "" nodeData(module, n=nodes(module), attr="diff") <- fit2$coefficients[nodes(module),1] nodeDataDefaults(module, attr="score") <- "" nodeData(module, n=nodes(module), attr="score") <- scores[nodes(module)] nodeData(module)[1] ################################################### ### code chunk number 41: Tutorial.Rnw:531-532 ################################################### saveNetwork(module, file="ALL_module", type="XGMML") ################################################### ### code chunk number 42: Tutorial.Rnw:564-572 (eval = FALSE) ################################################### ## j.repl <- 100 ## resampling.pvals <- list() ## for(i in 1:j.repl) ## { ## resampling.result <- resamplingPvalues(exprMat=mapped.eset, groups=factor(c(substr(unlist(ALL$BT), 0, 1))), resampleMat=FALSE, alternative="two.sided") ## resampling.pvals[[i]] <- resampling.result$p.values ## print(i) ## } ################################################### ### code chunk number 43: Tutorial.Rnw:581-587 (eval = FALSE) ################################################### ## fb <- lapply(resampling.pvals, fitBumModel, plot=FALSE, starts=1) ## resampling.scores <- c() ## for(i in 1:j.repl) ## { ## resampling.scores[[i]] <- scoreNodes(network=network, fb=fb[[i]], fdr=1e-14) ## } ################################################### ### code chunk number 44: Tutorial.Rnw:592-594 (eval = FALSE) ################################################### ## score.mat <- as.data.frame(resampling.scores) ## colnames(score.mat) <- paste("resample", (1:j.repl), sep="") ################################################### ### code chunk number 45: Tutorial.Rnw:599-601 (eval = FALSE) ################################################### ## writeHeinzEdges(network=network, file="ALL_e_resample", use.score=FALSE) ## writeHeinzNodes(network=network, file="ALL_n_resample", node.scores = score.mat) ################################################### ### code chunk number 46: Tutorial.Rnw:614-616 ################################################### datadir <- file.path(.path.package("BioNet"), "extdata") modules <- readHeinzGraph(node.file=file.path(datadir, "ALL_n_resample.txt.0.hnz"), network=network) ################################################### ### code chunk number 47: Tutorial.Rnw:625-627 ################################################### cons.scores <- consensusScores(modules, network) writeHeinz(network=network, file="ALL_cons", node.scores=cons.scores$N.scores, edge.scores=cons.scores$E.scores) ################################################### ### code chunk number 48: Tutorial.Rnw:634-639 ################################################### datadir <- file.path(.path.package("BioNet"), "extdata") cons.module <- readHeinzGraph(node.file=file.path(datadir, "ALL_cons_n.txt.0.hnz"), network=network) cons.edges <- sortedEdgeList(cons.module) E.width <- 1+cons.scores$E.freq[cons.edges]*10 N.size <- 1+cons.scores$N.freq[nodes(cons.module)]*10 ################################################### ### code chunk number 49: Tutorial.Rnw:643-644 ################################################### plotModule(cons.module, edge.width=E.width, vertex.size=N.size, edge.label=cons.scores$E.freq[cons.edges]*100, edge.label.cex=0.6)