### R code from vignette source 'vignettes/DeSousa2013/inst/doc/DeSousa2013-Vignette.Rnw' ################################################### ### code chunk number 1: Ropts ################################################### options(width=75) ################################################### ### code chunk number 2: install (eval = FALSE) ################################################### ## source("http://www.bioconductor.org/biocLite.R") ## biocLite("DeSousa2013") ################################################### ### code chunk number 3: setup ################################################### library(DeSousa2013) ################################################### ### code chunk number 4: pipelinefun (eval = FALSE) ################################################### ## data(AMC) ## CRCPipeLine(celpath=".", AMC_sample_head, AMC_CRC_clinical, ## preprocess=FALSE, gap.ntops = c(2, 4, 8, 12, 16, 20)*1000, ## gap.K.max = 6, gap.nboot = 100, MADth=0.5, conClust.maxK=12, ## conClust.reps=1000, diffG.pvalth=0.01, diffG.aucth=0.9, ## savepath=".") ################################################### ### code chunk number 5: geneExpPre (eval = FALSE) ################################################### ## data(AMC) ## ge.pre <- geneExpPre(celpath, AMC_sample_head) ## ge.all <- ge.pre[["ge.all"]] ## selPbs <- ge.pre[["selPbs"]] ## ge.CRC <- ge.all[selPbs, ] ################################################### ### code chunk number 6: loadData ################################################### data(ge.CRC, package="DeSousa2013") ge.CRC <- ge.all[selPbs, ] ################################################### ### code chunk number 7: showData ################################################### length(selPbs) dim(ge.CRC) ################################################### ### code chunk number 8: gaps_analysis (eval = FALSE) ################################################### ## gaps <- compGapStats(ge.CRC, ntops=c(2, 4, 8, 12, 16, 20)*1000, ## K.max=6, nboot=100) ## gapsmat <- gaps[["gapsmat"]] ## gapsSE <- gaps[["gapsSE"]] ################################################### ### code chunk number 9: gaps_load ################################################### data(gaps, package="DeSousa2013") ################################################### ### code chunk number 10: gaps_plot ################################################### figGAP(gapsmat, gapsSE) ################################################### ### code chunk number 11: selTopVG (eval = FALSE) ################################################### ## sdat <- selTopVarGenes(ge.CRC, MADth=0.5) ################################################### ### code chunk number 12: loadTopVG ################################################### data("dat", package="DeSousa2013") ################################################### ### code chunk number 13: showTopVG ################################################### dim(sdat) ################################################### ### code chunk number 14: conclust_analysis (eval = FALSE) ################################################### ## clus <- conClust(sdat, maxK=12, reps=1000) ################################################### ### code chunk number 15: loadConClust ################################################### data(conClust, package="DeSousa2013") ################################################### ### code chunk number 16: showConClust ################################################### clus ################################################### ### code chunk number 17: pbs_clps2_genes (eval = FALSE) ################################################### ## uniGenes <- pbs2unigenes(ge.CRC, sdat) ################################################### ### code chunk number 18: loadpbs2genes ################################################### data(uniGenes, package="DeSousa2013") ################################################### ### code chunk number 19: showpbs2genes ################################################### length(uniGenes) print(uniGenes[1:20]) ################################################### ### code chunk number 20: silh_amc_analysis (eval = FALSE) ################################################### ## samp.f <- filterSamples(sdat, uniGenes, clus) ## silh <- samp.f[["silh"]] ## sdat.f <- samp.f[["sdat.f"]] ## clus.f <- samp.f[["clus.f"]] ################################################### ### code chunk number 21: load_silh_amc_analysis ################################################### data(silh, package="DeSousa2013") ################################################### ### code chunk number 22: show_silh_amc_analysis ################################################### dim(sdat.f) rownames(sdat.f)[1:20] ################################################### ### code chunk number 23: silh_plot ################################################### figSilh(silh) ################################################### ### code chunk number 24: sam_amc_analysis (eval = FALSE) ################################################### ## diffGenes <- findDiffGenes(sdat.f, clus.f, pvalth=0.01) ################################################### ### code chunk number 25: load_sam_amc_analysis ################################################### data(diffGenes, package="DeSousa2013") ################################################### ### code chunk number 26: show_sam_amc_analysis ################################################### length(diffGenes) ################################################### ### code chunk number 27: auc_amc_analysis (eval = FALSE) ################################################### ## diffGenes.f <- filterDiffGenes(sdat.f, clus.f, diffGenes, aucth=0.9) ################################################### ### code chunk number 28: load_auc_amc_analysis ################################################### data(diffGenes.f, package="DeSousa2013") ################################################### ### code chunk number 29: show_auc_amc_analysis ################################################### length(diffGenes.f) ################################################### ### code chunk number 30: build_pam_analysis (eval = FALSE) ################################################### ## sigMat <- sdat.f[diffGenes.f, names(clus.f)] ## classifier <- buildClassifier(sigMat, clus.f, nfold=10, nboot=100) ## signature <- classifier[["signature"]] ## pam.rslt <- classifier[["pam.rslt"]] ## thresh <- classifier[["thresh"]] ## err <- classifier[["err"]] ################################################### ### code chunk number 31: load_pam_rslt ################################################### data(classifier, package="DeSousa2013") ################################################### ### code chunk number 32: cv_pam_plot ################################################### figPAMCV(err) ################################################### ### code chunk number 33: cls_pam_analysis (eval = FALSE) ################################################### ## datsel <- sdat[names(uniGenes), ] ## rownames(datsel) <- uniGenes ## datsel <- datsel[diffGenes.f, ] ## pamcl <- pamClassify(datsel, signature, pam.rslt, thresh, postRth=1) ## sdat.sig <- pamcl[["sdat.sig"]] ## pred <- pamcl[["pred"]] ## clu.pred <- pamcl[["clu.pred"]] ## nam.ord <- pamcl[["nam.ord"]] ## gclu.f <- pamcl[["gclu.f"]] ################################################### ### code chunk number 34: load_cls_amc ################################################### data(AMC, package="DeSousa2013") data(predAMC, package="DeSousa2013") ################################################### ### code chunk number 35: cls_amc_plot ################################################### figClassify(AMC_CRC_clinical, pred, clu.pred, sdat.sig, gclu.f, nam.ord) ################################################### ### code chunk number 36: surv_amc_analysis ################################################### prog <- progAMC(AMC_CRC_clinical, AMC_sample_head, clu.pred) surv <- prog[["surv"]] survstats <- prog[["survstats"]] ################################################### ### code chunk number 37: load_surv_amc ################################################### data(survival, package="DeSousa2013") ################################################### ### code chunk number 38: surv_amc_plot ################################################### figKM(surv, survstats) ################################################### ### code chunk number 39: sessionInfo ################################################### toLatex(sessionInfo())