描述
–Eset the gene expression matrix ,gene as row,sample as column ,input csv format.
–sampleLabels the sample classification labels ,the first column is sample name which is consistent with Eset column in order,the second column is the classification labels, input csv format.
–postThr The threshold of posterior probability that represents how much each gene differentiates a class from the other classes.
–corThr The threshold of Pearson correlation that built gene networks derived from gene to gene co–expression analysis.
1、打开命令行界面，输入“geNetClassifier.r”调阅帮助文档，确定该程序所需的输入文件。
2、用户根据帮助文档中的参数说明内容，对参数进行设置。这里，必须输入参数有2个，分别是–Eset，表示基因表达矩阵文件，以基因为行，样本为列，保存为csv文件；–sampleLabels表示样本表型信息，这里指疾病亚型分类，包含两列，第一列为样本名称，顺序要和基因表达矩阵列一致，第二列为对应的表型；可选参数有两个，分别是–postThr，为后验概率，表示某个基因有多大的可能性将某个亚型与其它亚型区分开，默认是0.95；–corThr 表示两个基因之间的pearson相关系数，主要用于后期网络构建过滤，默认是0.8。
3、完成参数提交后，按下回车键，整个程序即正式开始进入执行。每步执行内容都会给出提示。程序执行完毕后，界面会显示”Program execution is completed“结束语。
该图表示在ALL亚型中识别出的关键基因在各个亚型中的表达值，可以看到该基因很明显在ALL亚型中高表达
2、ALL_genes_discriminant_power.pdf
该图表示在ALL亚型中识别出的关键基因能够将该亚型和其它亚型区分的能力，和正负无关，绝对值越大，区分能力越强
3、ALL_GeneRankingDetails.txt
该表格表示初步按照我们设置的后验概率postThr，筛选出的符合大于该概率的亚型标志基因集。
Class：基因所属的class
postProb: 基因的后验概率
exprsMeanDiff:基因在该class相对于其他classes的均值差异。
exprsUpDw:基因在该class相对于其他classes的表达上下调情况。exprsMeanDiff大于0，表达上调，小于0表达下调。
4、ALL_ClassGeneDetails.txt
该表格表示进一步通过SVM构建分类器，最终筛选出的亚型标志基因集。格式与ALL_GeneRankingDetails.txt一致。
discriminantPower: 基因将该class与其他classes区分的power。
5、ALL_GeneNetwork_node.txt
该表格表示按照我们设置的相关系数corThr，筛选出的符合大于该相关系数的亚型基因集，为最后网络构建的节点。格式与ALL_GeneRankingDetails.txt一致。
6、AML_GeneNetwork_edge.txt
该表格表示按照我们设置的相关系数corThr，筛选出的符合大于该相关系数的亚型共表达关系对，为最后网络构建的边。
