### R code from vignette source 'Tutorial.Rnw' ################################################### ### code chunk number 1: Tutorial.Rnw:55-57 ################################################### options(width=60) ps.options(family="sans") ################################################### ### code chunk number 2: Tutorial.Rnw:60-64 ################################################### library(BioNet) library(DLBCL) data(dataLym) data(interactome) ################################################### ### code chunk number 3: Tutorial.Rnw:68-71 ################################################### pvals <- cbind(t=dataLym$t.pval, s=dataLym$s.pval) rownames(pvals) <- dataLym$label pval <- aggrPvals(pvals, order=2, plot=FALSE) ################################################### ### code chunk number 4: Tutorial.Rnw:75-78 ################################################### subnet <- subNetwork(dataLym$label, interactome) subnet <- rmSelfLoops(subnet) subnet ################################################### ### code chunk number 5: Tutorial.Rnw:84-86 ################################################### fb <- fitBumModel(pval, plot=FALSE) scores <- scoreNodes(subnet, fb, fdr=0.001) ################################################### ### code chunk number 6: Tutorial.Rnw:93-96 ################################################### module <- runFastHeinz(subnet, scores) logFC <- dataLym$diff names(logFC) <- dataLym$label ################################################### ### code chunk number 7: Tutorial.Rnw:103-104 ################################################### plotModule(module, scores=scores, diff.expr=logFC) ################################################### ### code chunk number 8: Tutorial.Rnw:159-163 ################################################### library(BioNet) library(DLBCL) data(exprLym) data(interactome) ################################################### ### code chunk number 9: Tutorial.Rnw:171-172 ################################################### exprLym ################################################### ### code chunk number 10: Tutorial.Rnw:178-179 ################################################### interactome ################################################### ### code chunk number 11: Tutorial.Rnw:186-188 ################################################### network <- subNetwork(featureNames(exprLym), interactome) network ################################################### ### code chunk number 12: Tutorial.Rnw:193-195 ################################################### network <- largestComp(network) network ################################################### ### code chunk number 13: Tutorial.Rnw:205-209 ################################################### library(genefilter) library(impute) expressions <- impute.knn(exprs(exprLym))$data t.test <- rowttests(expressions, fac=exprLym$Subgroup) ################################################### ### code chunk number 14: Tutorial.Rnw:212-213 ################################################### t.test[1:10, ] ################################################### ### code chunk number 15: Tutorial.Rnw:220-223 ################################################### 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:233-238 ################################################### 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:247-248 ################################################### pval <- aggrPvals(pvals, order=2, plot=FALSE) ################################################### ### code chunk number 18: Tutorial.Rnw:255-257 ################################################### fb <- fitBumModel(pval, plot=FALSE) fb ################################################### ### code chunk number 19: Tutorial.Rnw:260-265 ################################################### dev.new(width=13, height=7) par(mfrow=c(1,2)) hist(fb) plot(fb) dev.off() ################################################### ### code chunk number 20: Tutorial.Rnw:280-281 ################################################### plotLLSurface(pval, fb) ################################################### ### code chunk number 21: Tutorial.Rnw:290-291 ################################################### scores <- scoreNodes(network=network, fb=fb, fdr=0.001) ################################################### ### code chunk number 22: Tutorial.Rnw:298-301 ################################################### 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:318-320 ################################################### datadir <- file.path(path.package("BioNet"), "extdata") dir(datadir) ################################################### ### code chunk number 24: Tutorial.Rnw:326-329 ################################################### 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:332-333 ################################################### plotModule(module, diff.expr=diff, scores=scores) ################################################### ### code chunk number 26: Tutorial.Rnw:355-358 ################################################### sum(scores[nodes(module)]) sum(scores[nodes(module)]>0) sum(scores[nodes(module)]<0) ################################################### ### code chunk number 27: Tutorial.Rnw:380-385 ################################################### library(BioNet) library(DLBCL) library(ALL) data(ALL) data(interactome) ################################################### ### code chunk number 28: Tutorial.Rnw:392-393 ################################################### ALL ################################################### ### code chunk number 29: Tutorial.Rnw:401-402 ################################################### interactome ################################################### ### code chunk number 30: Tutorial.Rnw:412-414 ################################################### mapped.eset <- mapByVar(ALL, network=interactome, attr="geneID") mapped.eset[1:5,1:5] ################################################### ### code chunk number 31: Tutorial.Rnw:419-420 ################################################### length(intersect(rownames(mapped.eset), nodes(interactome))) ################################################### ### code chunk number 32: Tutorial.Rnw:429-434 ################################################### network <- subNetwork(rownames(mapped.eset), interactome) network network <- largestComp(network) network <- rmSelfLoops(network) network ################################################### ### code chunk number 33: Tutorial.Rnw:446-454 ################################################### library(limma) design <- model.matrix(~ -1+ factor(c(substr(unlist(ALL$BT), 0, 1)))) colnames(design)<- c("B", "T") contrast.matrix <- makeContrasts(B-T, levels=design) contrast.matrix fit <- lmFit(mapped.eset, design) fit2 <- contrasts.fit(fit, contrast.matrix) fit2 <- eBayes(fit2) ################################################### ### code chunk number 34: Tutorial.Rnw:459-460 ################################################### pval <- fit2$p.value[,1] ################################################### ### code chunk number 35: Tutorial.Rnw:471-473 ################################################### fb <- fitBumModel(pval, plot=FALSE) fb ################################################### ### code chunk number 36: Tutorial.Rnw:476-480 ################################################### dev.new(width=13, height=7) par(mfrow=c(1,2)) hist(fb) plot(fb) ################################################### ### code chunk number 37: Tutorial.Rnw:492-493 ################################################### scores <- scoreNodes(network=network, fb=fb, fdr=1e-14) ################################################### ### code chunk number 38: Tutorial.Rnw:499-501 ################################################### 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:522-524 ################################################### 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:529-534 ################################################### nodeDataDefaults(module, attr="diff") <- "" nodeData(module, n=nodes(module), attr="diff") <- fit2$coefficients[nodes(module),1] nodeDataDefaults(module, attr="score") <- "" nodeData(module, n=nodes(module), attr="score") <- scores[nodes(module)] nodeData(module)[1] ################################################### ### code chunk number 41: Tutorial.Rnw:540-541 ################################################### saveNetwork(module, file="ALL_module", type="XGMML") ################################################### ### code chunk number 42: Tutorial.Rnw:573-581 (eval = FALSE) ################################################### ## j.repl <- 100 ## resampling.pvals <- list() ## for(i in 1:j.repl) ## { ## resampling.result <- resamplingPvalues(exprMat=mapped.eset, groups=factor(c(substr(unlist(ALL$BT), 0, 1))), resampleMat=FALSE, alternative="two.sided") ## resampling.pvals[[i]] <- resampling.result$p.values ## print(i) ## } ################################################### ### code chunk number 43: Tutorial.Rnw:590-596 (eval = FALSE) ################################################### ## fb <- lapply(resampling.pvals, fitBumModel, plot=FALSE, starts=1) ## resampling.scores <- c() ## for(i in 1:j.repl) ## { ## resampling.scores[[i]] <- scoreNodes(network=network, fb=fb[[i]], fdr=1e-14) ## } ################################################### ### code chunk number 44: Tutorial.Rnw:601-603 (eval = FALSE) ################################################### ## score.mat <- as.data.frame(resampling.scores) ## colnames(score.mat) <- paste("resample", (1:j.repl), sep="") ################################################### ### code chunk number 45: Tutorial.Rnw:608-610 (eval = FALSE) ################################################### ## writeHeinzEdges(network=network, file="ALL_e_resample", use.score=FALSE) ## writeHeinzNodes(network=network, file="ALL_n_resample", node.scores = score.mat) ################################################### ### code chunk number 46: Tutorial.Rnw:623-625 ################################################### datadir <- file.path(path.package("BioNet"), "extdata") modules <- readHeinzGraph(node.file=file.path(datadir, "ALL_n_resample.txt.0.hnz"), network=network) ################################################### ### code chunk number 47: Tutorial.Rnw:634-636 ################################################### cons.scores <- consensusScores(modules, network) writeHeinz(network=network, file="ALL_cons", node.scores=cons.scores$N.scores, edge.scores=cons.scores$E.scores) ################################################### ### code chunk number 48: Tutorial.Rnw:643-648 ################################################### datadir <- file.path(path.package("BioNet"), "extdata") cons.module <- readHeinzGraph(node.file=file.path(datadir, "ALL_cons_n.txt.0.hnz"), network=network) cons.edges <- sortedEdgeList(cons.module) E.width <- 1+cons.scores$E.freq[cons.edges]*10 N.size <- 1+cons.scores$N.freq[nodes(cons.module)]*10 ################################################### ### code chunk number 49: Tutorial.Rnw:652-653 ################################################### plotModule(cons.module, edge.width=E.width, vertex.size=N.size, edge.label=cons.scores$E.freq[cons.edges]*100, edge.label.cex=0.6)