探索数据集

例子使用由DeRisi等出版的微数组对酵母基因表达式研究数据1997年[1]作者使用脱氧核糖核酸微数组研究几乎所有基因的时间基因表达萨查密斯赛维西亚代谢移位从发酵转呼吸表达式水平测量二分位移时7分全数据集可从Gene表达式综合网站下载https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE28.

MAT文件酵母数据.mat内含表达式值CH2DN-MEAN并CH1DN-MEAN从实验的七步数组数组测出表达式水平

负载酵母数据.mat

获取数据大小知识核磁共振显示数据集中包含数个基因

核磁共振

s=6400

通过编索引变量访问实验相关基因名基因学数组表示基因名举例说 第15元素基因学AL054C表示变量第15行酵母值YAL054C表达式级

基因{15}

s=YAL054C

可使用简单图显示表达式剖面

绘图(times,eastvalues(15:))xlabelTime(时间))!ylablLog2相对表达级);

也可以绘制实际表达率,而不是对日志2变换值

绘图(times,2.Entalvalues(15:15))xlabelTime(时间))!ylabl相对表达式级);

ORF相关基因ACS1似乎在二分位移位期间高度调控可比较基因表达式与其他基因表达式之比,在同一图上绘制多行图

悬停上绘图(times,2.Entalvalues16:26,:)'xlabelTime(时间))!ylabl相对表达式级)!标题(Profile表达级);

过滤Genes

典型地说,基因表达式数据集包含与实验期间不显示任何趣味变化的基因相对应的信息方便查找趣味基因,你可以把数据集小化为某些子集,该子集只包含最有意义的基因。

透视基因列表后,会看到多点标注为EMPTY.空点数组, 并当数据关联时, 就此示例而言, 你可以视这些点为噪声 。使用这些点可查找strcmp函数从带索引命令的数据集删除

空Spots=strcmpEMPTY盖叶斯市eastvalues(空点数,:)=s基因(空点数)=核磁共振

s=6314

数据集中还可以看到数位表达式标记NaN.表示没有为此点收集数据处理缺失值的一个方法就是使用数据平均值或中位值来估计这些值随时间推移特定基因例子使用不那么严格的方法,简单丢弃不测量一个或多个表达式水平的任何基因数据函数岛南市用于识别缺数据基因并用索引命令清除缺数据基因

nanIndexs = isnan(yoastvalues2)eastvalues(nanIndices,:)基因(nanIndies)=核磁共振

s=6276

如果您绘制所有剩余剖面图的表达式剖面图,你就会看到大多数剖面图平坦,不与其他剖面图大相径庭。平面数据显然有用,因为它表示与这些剖面相联的基因不受二分位移位的重大影响举此例子中,你对配方移位时表达方式大变的基因感兴趣可使用生物信息工具箱TM删除各种类型剖面图的基因,这些基因不提供受代谢变化影响的基因实用信息。

可使用基因过滤器函数过滤基因随时间小变函数返回与变量大小相同的逻辑数组(即掩码)基因学带对应行酵母值大于十百分位数和零可使用掩码索引值并删除过滤基因

蒙面=基因过滤器yeast值=yeast值(mask,:)基因=基因核磁共振

s=5648

函数genelowvalfilter清除极低绝对表达值的基因注意这些滤波函数也可以自动计算滤波数据和名称,所以不必使用掩码索引原创数据

[mask,yeastvalues,genes] = genelowvalfilter(yeastvalues,genes,算法log2(3)核磁共振

s=822

最后,您可以使用函数geneentropyfilter清除基因剖分值低的倍数,例如数据第15百分位中的倍数

[mask,yeastvalues,genes] = geneentropyfilter(yeastvalues,genes,复元15分核磁共振

ss=614

集群分析

有了可控基因列表后,你就可以使用统计机学习工具箱中某些不同的集群技术查找剖面之间的关系层次集群函数水手计算剖面图和剖面图之间的双距离连通性创建层次集群树

corrDist =pdistcorr)!集群Tree=链路平均数);

上头集群函数计算集群基于截取距离或最大数集群本案中最大闭合选项识别16个不同的集群

集群=集群maxlit16;

基因群剖面可使用简单循环和循环编译子程序图命令

图解For= 1:16子块(4,4,c)绘图(times,yoastvalues)轴线紧接结束sgititle(层次剖析集);

统计机学习工具箱也有k值聚类函数重覆发现十六大集群,但由于算法不同,这些集群不一定与层次集群发现的集群相同。

初始化随机数生成器状态以确保这些命令生成的数字匹配HTML版此示例中的数字

rng(rng)默认)![cidx,ctrs] = kmainss(东值16水晶,corr,复位5disp,决赛)!图解For= 1:16子块(4,4,c)绘图(times,yoastvalues)轴线紧接结束sgititle(K-Means剖面片集群);

复数一、21迭代总和距离=23.4699复用222迭代总和距离=235615复数3 10迭代总和距离=24.823复用428迭代总和距离=23.450重复519迭代总距离=23.5109最优总和距离=23.450

与其绘制所有剖面图,不如只绘制子机

图解For= 1:16子块(4,4,c)plot(times,ctrs(c,:)')!轴线紧接轴线关机结束sgititle(K-Means剖面片集群);

可使用集群图函数创建热映射表达式层次和从层次聚积输出

CgObj=集群值owLabels盖叶斯Column标签times(2+2);

主组件分析

主构分析是一种实用技术,可用于减少大数据集的维性,如微数组数据PCA还可用于查找噪声数据中的信号函数地图scaplot计算数据集主组件并创建结果散块从图中交互选择数据点,这些点在其他图中自动高亮显示使您同时视觉多维

h=映射图(元值,元数);

通知前两个主要构件分数显示有两个不同的区域这并不意外,因为滤波过程清除了许多低差或低信息基因基因会出现在散射图中

如果要查看主构值,华府统计机学习工具箱中函数用计算数据集主组件

scressssss

首输出pc矩阵主构酵母值数据.矩阵第一列为第一主构件,第二列为第二主构件等二次输出zscores实战中包含主构分数,即表示主构空间中的正构值第三输出Pcvars大赛内含主构值差异度度量数据偏差由主构值计算

很明显,第一主构件占模型差异的绝大部分可计算下方显示的每个构件所计算差的确切百分比

Pcvars./sums

AS=798316 9.58584.07812.64862.17230.97470.7089

表示近90%差由前两个主要构件计算可使用积和命令查看累积差和

积分/积分*100

as=79831689474 93.4955961441983164992911100000

想要更多控制主构图时,可使用主构散位函数.

figure scatter(zscores(:,1),zscores(:,2))!xlabel第一主构件)!ylabl第二主构件)!标题(主组件散射);

创建散射图的替代方式是函数破解程序自统计机学习工具箱破解程序创建分组散射图时, 区段和区段有不同的颜色或标记可使用集群数据或任何其他集群函数分组点

图pc集群=集群数据maxlit8链路,'v')!gscatter(zscores(:,1),zscores(:,2),pcclusters,hsv(8)) xlabel(第一主构件)!ylabl第二主构件)!标题(主组件散射带色聚类);

自组织地图

有深学习工具箱TM时,可使用自组织地图集合数据

%检查是否安装深学习工具箱if~Service(what(what)自高机图)文件类Dep自组织地图部分需要深学习工具箱)返回结束

上头自高图函数创建新SOM网络对象例子使用前两个主要组件生成SOM

P=zcores( : 1: 2)'Net=自高图([44]);

网络使用默认参数培训

Net=traget(net,P);

使用编程显示网络分布图数据注意SOM算法使用随机起始点,结果因运行而异

图图图(P-1:P2:2).g,标志化20屏蔽上plotsom(net.iw{1,1},net.layers{1}.distances) hold关机

sOM可分配集群,查找数据集中每一点最近的节点

距离=dist(P'NET.IW{1})dcndxsssm%cndx包含集群索引figure gscatter(P(1,:),P(2,:),cndx,hsv(numel(unique(cndx))))!传说关机脱机悬停上plotsom(net.iw{1,1},net.layers{1}.distances)!悬停关机

关闭所有数字

关闭全名)!删除(cgObj)删除(h);

引用

[1] Derisi J.L.Iyer V.R.和Brown,P.O.,“探索基因组规模代谢和遗传控制”,Science,278(5338):680-6,1997