【文件属性】：
文件名称：matlab集成c代码-GPHMM:GPHMM
文件大小：61KB
文件格式：ZIP
更新时间：2021-05-22 03:55:13
系统开源
Matlab集成的c代码#GPHMM参数隐马尔可夫模型
================================
##简介GPHMM是一种新颖的统计方法，专门用于识别拷贝数变化和使用全基因组SNP阵列在肿瘤样品中丧失杂合性（LOH）。
与其他HMM方法相比，GPHMM的一个显着特征是报告的纠缠基因分型信号的问题（例如由于非整倍性，正常细胞污染和基因组波引起的LRR信号的基线偏移）通过全局参数进行定量建模并整合到整个统计框架。
因此，GPHMM不仅为这些问题提供了最佳解决方案，而且还提供了自动准确地识别阵列中每个SNP的拷贝数和LOH状态的信息。
##最近更新2015/05/01：GPHMM
1.4已发布。
源代码现在可用（详细信息请参见下载部分）。
此外，可视化也得到了改进，可以更好地进行说明。
2012年10月30日：发表了有争议的绩效评估的重要声明。
2012/10/05：GPHMM版本1.3引入了一种确定最佳初始全局参数的高级策略。
这个新版本可以准确估计四倍体样本中的像差（平均拷贝数（ACN）>
=
4.0），而先前的版本有时可能会将其识别为接近二倍体。
此外，GPHM
【文件预览】：
GPHMM-master
----GPHMM1.4R()
--------GPHMM_postprocess.m(839B)
--------GPHMM_trans_mBAF.m(2KB)
--------Forward_Backward_Algorithm.mexa64(10KB)
--------GPHMM_plot_tumor.m(5KB)
--------Forward_Backward_Algorithm.mexw64(14KB)
--------GPHMM_screening.m(3KB)
--------GPHMM_screening_single_clone.m(2KB)
--------GPHMM_entropy.m(334B)
--------GPHMM_preprocess_lrr.m(1KB)
--------example.m(323B)
--------GPHMM.m(21KB)
--------caculate_mean.m(4KB)
--------GPHMM_main.m(12KB)
--------Forward_Backward_Algorithm.mexglx(8KB)
--------list.txt(27B)
--------em_converged_m.m(1KB)
--------GPHMM_result_summary.m(5KB)
--------GPHMM_EM_Newton_single_clone.m(14KB)
--------GPHMM_process_results_new.m(6KB)
--------norm_trans.m(492B)
--------GPHMM_plot_normalized_results.m(12KB)
--------GPHMM_plot.m(4KB)
--------GPHMM_get_obslik_single_clone.m(3KB)
--------Forward_Backward_Algorithm.mexw32(9KB)
--------GPHMM_segment_results.m(1016B)
--------Forward_Backward_Algorithm.mexmaci64(13KB)
----LICENSE(11KB)
----.gitignore(246B)
----README.md(13KB)