当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


R SSmicmen 自启动 NLS Michaelis-Menten 模型


R语言 SSmicmen 位于 stats 包(package)。

说明

selfStart 模型评估 Michaelis-Menten 模型及其梯度。它具有 initial 属性,用于评估参数 VmK 的初始估计

用法

SSmicmen(input, Vm, K)

参数

input

用于评估模型的数值向量。

Vm

表示响应最大值的数字参数。

K

表示达到最大响应一半的 input 值的数字参数。在酶动力学领域,这称为米氏参数。

input 长度相同的数值向量。它是表达式 Vm*input/(K+input) 的值。如果参数 VmK 都是对象名称,则与这些名称相关的梯度矩阵将作为名为 gradient 的属性附加。

例子

PurTrt <- Puromycin[ Puromycin$state == "treated", ]
SSmicmen(PurTrt$conc, 200, 0.05)  # response only
local({  Vm <- 200; K <- 0.05
  SSmicmen(PurTrt$conc, Vm, K)    # response _and_ gradient
})
print(getInitial(rate ~ SSmicmen(conc, Vm, K), data = PurTrt), digits = 3)
## Initial values are in fact the converged values
fm1 <- nls(rate ~ SSmicmen(conc, Vm, K), data = PurTrt)
summary(fm1)
## Alternative call using the subset argument
fm2 <- nls(rate ~ SSmicmen(conc, Vm, K), data = Puromycin,
           subset = state == "treated")
summary(fm2) # The same indeed:
stopifnot(all.equal(coef(summary(fm1)), coef(summary(fm2))))

## Visualize the SSmicmen()  Michaelis-Menton model parametrization :

  xx <- seq(0, 5, length.out = 101)
  yy <- 5 * xx/(1+xx)
  stopifnot(all.equal(yy, SSmicmen(xx, Vm = 5, K = 1)))
  require(graphics)
  op <- par(mar = c(0, 0, 3.5, 0))
  plot(xx, yy, type = "l", lwd = 2, ylim = c(-1/4,6), xlim = c(-1, 5),
       ann = FALSE, axes = FALSE, main = "Parameters in the SSmicmen model")
  mtext(quote(list(phi[1] == "Vm", phi[2] == "K")))
  usr <- par("usr")
  arrows(usr[1], 0, usr[2], 0, length = 0.1, angle = 25)
  arrows(0, usr[3], 0, usr[4], length = 0.1, angle = 25)
  text(usr[2] - 0.2, 0.1, "x", adj = c(1, 0))
  text(     -0.1, usr[4], "y", adj = c(1, 1))
  abline(h = 5, lty = 3)
  arrows(-0.8, c(2.1, 2.9),
         -0.8, c(0,   5  ),  length = 0.1, angle = 25)
  text(  -0.8,     2.5, quote(phi[1]))
  segments(1, 0, 1, 2.7, lty = 2, lwd = 0.75)
  text(1, 2.7, quote(phi[2]))
  par(op)

作者

José Pinheiro and Douglas Bates

也可以看看

nls , selfStart

相关用法


注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Self-Starting Nls Michaelis-Menten Model。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。