差異表達(dá)基因分析ppt課件(完整版)
【正文】 些基因中只有很小一部分表達(dá)有差異，所以一般都假設(shè)表達(dá)的比率值滿足正態(tài)分布。 噪聲和芯片本身的一些因素以及生物學(xué)本身的特點(diǎn)給篩選差異表達(dá)基因帶來了很大的麻煩。必須設(shè)定一個(gè)差異表達(dá)基因的判定標(biāo)準(zhǔn)。 Z=(X181。例如，可能某一個(gè)基因在某一張芯片上 M值很大，但在其他芯片上 M值很小，其實(shí)這條基因并沒有差異表達(dá)，但由于個(gè)別 M值的影響，從而顯示出一個(gè)差異表達(dá)的特性，造成假陽性。 oligonucleotide arrays) sam/ref 基因表達(dá)數(shù)據(jù)矩陣 (glass slides) 數(shù)據(jù)矩陣具體形式 數(shù)據(jù)形式 數(shù)據(jù)矩陣 ,基因數(shù)遠(yuǎn)大于樣品數(shù) 對(duì)任意一個(gè)基因來說 ,樣本值是特征值 ,數(shù)據(jù)的維數(shù)是 M 對(duì)任意一個(gè)樣本來說 ,基因值是特征值 ,數(shù)據(jù)的維數(shù)是 N 聚類時(shí)考慮基因之間的相似性，從數(shù)學(xué)上講就是看對(duì)應(yīng)的 M維數(shù)據(jù)之間的相似性 Clusteramp。 數(shù)據(jù)轉(zhuǎn)換和標(biāo)準(zhǔn)化 數(shù)據(jù)變換的目的是在盡量保證原始數(shù)據(jù)特征不變的前提下，使變換后的數(shù)據(jù)更適于進(jìn)行統(tǒng)計(jì)分析。 K值的確定具有一定的經(jīng)驗(yàn)性，但不宜太大和太小。 發(fā)展 新算法 新角度 合并多種方法 主成分分析 (Principle Component Analysis) 降維概述 降維是指將樣本從輸入空間通過線性或非線性映射到一個(gè)低維空間。 主成分分析 （ PCA， principal ponent analysis） 對(duì)于一組原始隨機(jī)變量為X1,… ,Xp，尋找一個(gè)新的變量 Z1，這個(gè)新的變量是原始變量的線性組合，Z1=a11X1+a21X2+… +ap1Xp，并使得 Z1的變異最大化 Z1即為原始變量的最大主成分，它使用一個(gè)變量試圖最大化地包含一組變量的變異。不然所有的基因有上萬條，也就是數(shù)據(jù)矩陣有上萬行時(shí)，既增加了運(yùn)算的難度，又引入了不必要的基因，也增加了解釋結(jié)果的難度，要預(yù)先進(jìn)行基因的濾取。 未觀測(cè)點(diǎn) 若后續(xù)的統(tǒng)計(jì)分析要求數(shù)據(jù)滿足完整性，如特征基因提取的奇異值分解、某些基因的聚類分析方法等，則需要對(duì)含有缺失值的數(shù)據(jù)進(jìn)行處理 刪除含有
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1