差異表達(dá)分析ppt課件-資料下載頁
2025-05-03 22:25本頁面
【正文】 在該指標(biāo)上的均數(shù)，也可以是這 K個(gè)基因的加權(quán)均數(shù)。在加權(quán)均數(shù)中，權(quán)重為上面計(jì)算的基因間的相似性。 K值的確定具有一定的經(jīng)驗(yàn)性，但不宜太大和太小。 基因篩選（ gene selection） 在進(jìn)行分析之前，要先選擇用來分析的基因。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。 當(dāng)一條基因表達(dá)譜數(shù)據(jù)中的無效數(shù)據(jù)個(gè)數(shù)超過一定的范圍時(shí)，這條基因就認(rèn)為是一條無效基因，在以后的聚類分析中不把這條基因考慮在內(nèi)。 一條基因表達(dá)譜數(shù)據(jù)的波動很小，也就是說，數(shù)據(jù)的方差小于一定的范圍，意味著這條基因與所要研究的生物過程或?qū)ο箨P(guān)聯(lián)很小，也被濾掉，不進(jìn)行聚類分析。 差異表達(dá)次數(shù) 基因篩選 針對特別目的選取，比如選取不同類之間差異表達(dá)基因。常用的方法，假設(shè)檢驗(yàn)，比如 t檢驗(yàn)， F檢驗(yàn)等 不改變整體數(shù)據(jù)矩陣的數(shù)據(jù)結(jié)構(gòu)，去除數(shù)據(jù)的冗余性。常用方法，主成分分析等。 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。 降維可以減少無用信息和冗余信息，將高維數(shù)據(jù)轉(zhuǎn)換為易于處理的低維數(shù)據(jù)，減少了后續(xù)步驟處理的計(jì)算量，當(dāng)降至三維以下時(shí)還可用于可視化技術(shù) ， 從而發(fā)揮人在低維空間感知上的優(yōu)點(diǎn)，發(fā)現(xiàn)數(shù)據(jù)集的空間分布、聚類性質(zhì)等結(jié)構(gòu)特征 。 主成分分析 （ PCA， principal ponent analysis） 對于一組原始隨機(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。通常一個(gè)變量還不足夠，因此，需要尋找第二個(gè)主成分 Z2， Z2與 Z1不相關(guān)，且是除 Z1外具有最大方差的原始變量的線性組合。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1