该项目已存档，不再维护。
OOMPA面向对象微阵列和蛋白质组分析
| 概述 | |
| 描述 | Oompa是一种面向对象的微阵列和蛋白质组学分析库，使用S4类实现并与生物导体兼容。 |
| 发展信息 | |
| 语 | R |
| 当前版本 | 3.1.0 |
| 平台 | 任何运行r的平台 |
| 许可证 | Apache，版本2 |
| 状态 | 积极的 |
| 消息 | 源代码已经移动到R-Forge:OMOMA源代码 |
| 帮助和支持 | |
| 接触 | MDACC-Bioinfo-IT-Admin@mdanderson.org |
OOMPA
OOMPA是一套用于基因表达(RNA)微阵列数据和蛋白质组分析质谱数据分析的R库。OOMPA使用S4类构造具有一致用户界面的面向对象工具。
OMPA中的所有更高级别分析工具都与Biocumond中定义的“Expressions”类合作。较低级别的处理工具提供了一部分Biocumon的替代方案，但也可以用于增强现有的生物导体包装。
它是早期面向对象的微阵列分析库（Oomal）的继承者，其最初为S-Plus 2000编写。除了基因表达式微阵列数据之外还将例程纳入分析蛋白质组学分析数据。（它也激发了我们的图标。它表明了主题音乐的一些可能性，但我们很确定我们不想去那里。）
包
当前版本(OOMPA 3.0)中包含的包是
Oompabase.
包含其他包正确加载所需的定义。有些定义(比如类联合)必须在加载使用它们的包之前是可见的，并且不能在同一个包中定义。
进行预处理
微阵列数据的低级预处理基本库。提供用于在诊断和其他图表中使用一致颜色方案的工具。还定义了使用的处理器和管道类，因此对象可以维护它们的生成历史。
ClassComparison
ClassComparison库提供了执行微阵列或蛋白质组学数据的“类比较”分析的工具。类比较问题以两个或更多个已知的样本组开始，并要求分析师在两组之间以某种方式发现不同的基因或蛋白质。
- 两个样本T检验
- 固定效应线性模型与方差分析
- 通过控制错误发现率(FDR)来解释多次试验。
- Wilcoxon排名与经验贝叶斯的求和测试
- 微阵列(SAM)的意义分析
- 误分类总数(TNoM)
- Dudoit对P值的调整来控制家庭明智的错误率（FWER）
- 平滑T检验
Classdiscovery
ClassDiscovery Library提供用于执行微阵列或蛋白质组学数据的“类发现”分析的工具。类发现方法执行无监督分析，以尝试“学习”或“发现”组结构中的组结构。
- 非参数举止以测试群集的意义
- 参数自举高斯噪声测试簇的显著性
- 生物样品的主成分分析
- Mosiac图(即由Mike Eisen引入微阵列的红绿双向层次聚类图)
- PCANOVA提供“方差分析”启发方法，iCB使用主组件来测试推定的组结构是否真正存在于数据中
- 新!我们现在加入了计算双峰指数的功能，这是一种根据基因遵循“有用”双峰分布的可能性对基因进行排名的工具。这种方法是由Wang等人在发表于《癌症信息学》的一篇手稿中介绍的。
尾机
尾部等级测试是我们开发用于在微阵列或蛋白质组学数据集中寻找生物标志物的新方法。该方法基本上是非参数的，专注于比较两种类中的分布的尾部。该方法允许分析师执行现实的样本大小和功率计算。
横梁
Crossval是一种自动化基于OMICS的预测模型的交叉验证的包装。
CRAAC
CRAAC是“一致，强大，算法 - 不可知族聚类”的包，包含共识群集的工具，这些工具结合了多个聚类算法的结果。
Genalgo.
GenAlgo是一个实现遗传算法的软件包，特别关注从组学数据集进行特征选择，以开发预测模型。
nameneedle.
NameNeedle实现了Needleman-Wunsch全局对齐算法，以一种足够通用的形式，它可以用于匹配细胞系名称的不同拼写，如Jing Wang等人在Cancer Inform. 2010 Oct 14;9:251-5发表的文章“被攻击的细胞系名称”中所描述的那样。
裁判
裁判是一种包装，实现基于各种生物原理模拟现实基因表达数据的工具。通过吉因张等人的纸质“裁判：终极微阵列预测，推理和现实引擎”，可以找到包装介绍。在Biotechno 2011年，第三届生物信息学，生物动机系统和生物技术国际会议。
宽容
整数是使用项目响应理论来集成来自多个“OMIC”平台的数据的包，其目标是识别癌症中显着改变的基因。（要安装Integity，使用oompainstall (groupName =“红外热成像”)。）
Siber.
SIBER是一个从RNA测序数据中识别双表达基因的软件包。(要安装SIBER，请使用Oompainstall（GroupName =“Siber”）。）
超级诊断
SuperCurve是我们用来分析逆相蛋白质阵列的软件包。该软件包包括加载MicroVigene量化的原始数据文件的程序，用于拟合四参数联合逻辑模型以估计蛋白质浓度，以及评估拟合质量的方法。
Supercurvegui.
SuperCurveGUI为SuperCurve包提供了一个图形用户界面。
sliddingsignergui.
SlideDesignerGUI是一个图形工具，允许研究人员描述不同的正和负控制的位置和浓度188bet体育网址的反向相蛋白阵列。
系统要求
要使用当前版本的OOMPA，您必须具有R版本> = 2.15。
由于Supercurve是OMPA包的一部分，请检查SuperCurve系统需求．
下载和安装
从2.8版开始，我们建立了一个合适的R代码库。在2.9版中，我们相信优秀的程序员编写优秀的代码，但优秀的程序员窃取优秀的代码这一格言，所以我们愉快地从BioConductor窃取了存储库管理脚本，并将它们用于OOMPA。这些经过修改的脚本将做的是，自动安装与R版本一起工作的适当版本的OOMPA。
因此，安装OOMPA包最简单的方法是启动本地版本的R并使用命令:
来源（“http://bioinformatics.mdanderson.org/OOMPA/oompaLite.R”) oompaLite ()这些命令将安装基本的OOMPA包。为了获得更大的(默认)包集，您可以执行该命令
oompainstall ()如果您想要获取所有内容（可能包含仍在开发的某些实验包，则使用该命令
oompainstall (groupName＝“全部”）以下是GroupName允许值的完整列表：
- 默认的
- leit.
- Genalg.
- 预言
- supercurve
- arraycube
- 红外热成像
- sib
- 全部
或者，如果您想要更多地控制安装哪些包，可以执行以下命令并从结果列表中进行选择。
install.packages(回购＝“http://bioinformatics.mdanderson.org/OOMPA/3.0”）默认情况下，安装例程假设您已经安装了它们依赖于CRAN或BioConductor的任何东西。为了让这些包自动安装，你需要更复杂的R代码:
setRepositories(图形＝错误的，Ind.＝c（1，4））myrepos.<-c（getOpti（“回购”），getOpti（“BioC_mirror”), OOMPA＝“http://bioinformatics.mdanderson.org/OOMPA/3.0”）install.packages（repos＝myrepos）文件
在这里，您可以找到OOMPA各个组件的文档，这些文档是用标准的R包文档格式编写的。在手册中也可以找到示例代码。
当前版本(v2.14.0)
Supercurvegui.手册
sliddingsignergui.手册
版本历史
版本3.0.
- 与新版本的R。
版本2.15
- 与r的新版本一起发布，增加了integrty和SIBER包，并更新了一些文档。
版本2.14
- 与r的新版本一起发布的各种各样的更新包。
版本2.13
- 与r的新版本一起发布。添加了一个新的包Umpire，以模拟微阵列真实的微阵列数据。
版本2.12
OOMPA 2.12版本包括两个新包的实验版本:
- ArrayCube：在Biocometions的基本类上构建，以定义概括基因表达综合症的最小格式的结构。对最小格式的主要增强是包含包含样本特性的注释数据帧。该包提供例程将ArrayCube转换为倍增禁止或RGL主人。
- MINiML:读取从Gene Expression Omnibus下载的MINiML格式文件，并以ArrayCubes的形式存储在R中。
可以通过在oompainstall函数中设置groupName= " arraycube "来安装这些包。
版本2.11.
- OOMPA版本2.11包括Genalg封装，它提供了可用于特征选择的遗传算法的R实现。您可以通过在Ompainstall函数中设置GroupName =“Genalg”来安装此包。
版本2.10.
- 移动（重复）矩阵均值和方差代码从ClassComparison和Tailrak Packages进入Oompabase包。
- 将颜色函数(如redgreen, jetColors)从ClassDiscovery包移动到oompaBase包，以简化依赖
版本2.9
- 增加了对名称空间的支持