### R code from vignette source 'gCMAP.Rnw' ################################################### ### code chunk number 1: gCMAP.Rnw:38-39 ################################################### options(warn=-1) ################################################### ### code chunk number 2: gCMAPData ################################################### library(gCMAP) data( gCMAPData ) ## example NChannelSet sampleNames( gCMAPData ) channelNames( gCMAPData ) ################################################### ### code chunk number 3: induceCMAPCollection ################################################### ## select all genes with z-scores > 2 or < -2 cmap <- induceCMAPCollection( gCMAPData, element="z", lower=-2, higher=2) cmap pData( cmap ) ################################################### ### code chunk number 4: membership ################################################### head( members( cmap ) ) ################################################### ### code chunk number 5: signs ################################################### signed( cmap ) ################################################### ### code chunk number 6: subsetting ################################################### dim( cmap ) cmap[,1] ## the first gene set ################################################### ### code chunk number 7: fisher_test ################################################### universe <- featureNames( gCMAPData ) results <- fisher_score(cmap[,1], cmap, universe) results ################################################### ### code chunk number 8: cmapresults ################################################### cmapTable( results ) labels( results ) pval( results ) zscores( results ) ################################################### ### code chunk number 9: fisher_multiple ################################################### result.list <- fisher_score( cmap, cmap, universe ) class( result.list ) length( result.list ) class( result.list[[1]] ) ## all pairwise adjusted p-values sapply(result.list, function( x ) { padj( x )[ sampleNames( cmap )] }) ################################################### ### code chunk number 10: sampleexpressionset ################################################### ## random score matrix y <- matrix(rnorm(1000*6),1000,6, dimnames=list( featureNames( gCMAPData ), 1:6 )) predictor <- c( rep("Control", 3), rep("Case", 3)) ################################################### ### code chunk number 11: sampleexpressionset ################################################### m <-replicate(4, { s <- rep(0,1000) s[ sample(1:1000, 20)] <- 1 s[ sample(1:1000, 20)] <- -1 s }) dimnames(m) <- list(row.names( y ), paste("set", 1:4, sep="")) ## Set1 is up-regulated y[,c(4:6)] <- y[,c(4:6)] + m[,1]*2 ## create CMAPCollection cmap <- CMAPCollection(m, signed=rep(TRUE,4)) ################################################### ### code chunk number 12: gsealmScoreExample ################################################### gsealm_score(y, cmap, predictor=predictor, nPerm=100) ################################################### ### code chunk number 13: self_contained ################################################### mroast_score(y, cmap, predictor=predictor) ################################################### ### code chunk number 14: competitive ################################################### camera_score(y, cmap, predictor=predictor) romer_score(y, cmap, predictor=predictor) ################################################### ### code chunk number 15: geneSet_to_profile ################################################### profile <- assayDataElement(gCMAPData[,1], "z") ## extract first column head(profile) sampleNames(cmap) ## three gene sets gsealm_jg_score(profile, cmap) ################################################### ### code chunk number 16: geneSet_to_profile_others ################################################### wilcox_score(profile, cmap) connectivity_score(profile, cmap) ################################################### ### code chunk number 17: plot_example ################################################### ## create random score profile set.seed(123) z <- rnorm(1000) names(z) <- paste("g", 1:1000, sep="") ## generate random incidence matrix of gene sets n <-replicate(1000, { s <- rep(0,1000) s[ sample(1:1000, 20)] <- 1 s[ sample(1:1000, 20)] <- -1 s }) dimnames(n) <- list(names(z), paste("set", 1:1000, sep="")) ## Set1 is up-regulated z <- z + n[,1]*2 ## create CMAPCollection cmap.2 <- CMAPCollection(n, signed=rep(TRUE,1000)) ################################################### ### code chunk number 18: gsealm_score_plot ################################################### ## gene-set enrichment test res <- gsealm_jg_score(z, cmap.2) class(res) res ################################################### ### code chunk number 19: Defaultplot ################################################### plot(res) ################################################### ### code chunk number 20: CMAPplots1 ################################################### sets.down <- effect( res ) < -3 plot(res) ################################################### ### code chunk number 21: geneLevelScores ################################################### res <- gsealm_score(y, cmap, predictor=predictor, nPerm=100, keep.scores=TRUE) res set1.expr <- geneScores(res)[["set1"]] head(set1.expr) ################################################### ### code chunk number 22: geneScores ################################################### heatmap(set1.expr, scale="none", Colv=NA, labCol=predictor, RowSideColors=ifelse( attr(set1.expr, "sign") == "up", "red", "blue"), margin=c(7,5)) legend(0.35,0,legend=c("up", "down"), fill=c("red", "blue"), title="Annotated sign", horiz=TRUE, xpd=TRUE) ################################################### ### code chunk number 23: featureScores ################################################### res <- featureScores(cmap, y) class(res) names(res) identical( res[["set1"]], set1.expr ) ################################################### ### code chunk number 24: sessionInfo ################################################### sessionInfo()