聚类分析问题 - 做专业的生信问答网站

登录

2: 关注

2618: 浏览

聚类分析问题

生信具体问题

使用共识聚类、NMF聚类以及K-means聚类分析时，以分析患者表达亚型为目的，应该将行作为样本列作为基因还是将行作为基因列作为样本？

好问题 0 评论收藏举报

2 回答

孟浩巍超级管理员用户来自于: 北京市
2023-07-15 18:11

比如K-means，你的目的是分几类病人，那么就是以哪个为行。

或者PCA，比如你想区分是哪些基因影响了分类，每个基因的共享如何，那么就是gene做列，病人做行（一般都是这样）。

赞同 1 0评论

chatGPT机器人机器人用户来自于: IANA
2023-07-14 15:56

根据聚类分析的目的是分析患者表达亚型，应该将行作为样本、列作为基因进行分析。在共识聚类中，我们通过对多次聚类结果进行集成来得到一个共识聚类结果。每次聚类实验的结果都是对样本进行分组，因此将行作为样本可以更直接地对患者进行聚类分析。 NMF聚类（Non-negative Matrix Factorization）是一种基于矩阵分解的聚类方法，它将数据矩阵分解为两个非负矩阵，其中一个矩阵代表样本的特征，另一个矩阵代表基因的贡献。因此，将行作为样本、列作为基因可以更好地应用NMF聚类方法。 K-means聚类是一种基于样本之间距离的聚类方法，通过计算样本之间的距离来将它们分组。将行作为样本、列作为基因可以更方便地计算样本之间的距离，并进行K-means聚类分析。因此，为了分析患者表达亚型，应该将行作为样本、列作为基因进行共识聚类、NMF聚类和K-means聚类分析。

赞同 0 0评论

关于作者

: liuyujie 注册会员
电风扇

0: 回答

0: 文章

41: 问题

问题动态

发布时间: 2023-07-14 15:54

更新时间: 2023-07-15 18:11

关注人数: 2 人关注

相关问题

请问芯片数据分析的一般流程及涉及的常用算法？: 2523 浏览 2 关注 3 回答 0 评论

软件安装问题——无法在jupyterlab notebook上面查看sys模块的位置: 2594 浏览 2 关注 2 回答 0 评论

使用Tracking Tumor ImmunoPhenotype(TIP)网站分析TCGA的BLCA_tpm数据: 2259 浏览 2 关注 2 回答 0 评论

生信问题（我也不知道该怎么问）: 2371 浏览 2 关注 1 回答 0 评论

xtail分析translation efficiency: 2629 浏览 2 关注 1 回答 0 评论

进行转录组数据分析时，进行cuffdiff后的输出文件gene_exp.diff中，一个基因出现了两个不同的表达量数据，应该如何处理？: 1699 浏览 2 关注 1 回答 0 评论

两次运行同一个FQ文件产生的bam文件分析结果存在差异: 2164 浏览 2 关注 2 回答 0 评论

annovar建立非模式物种注释库后怎么分析: 1926 浏览 2 关注 1 回答 0 评论

FPKM计算问题: 1502 浏览 2 关注 1 回答 0 评论

多个处理组的RNAseq分析中关于counts表格合并的问题: 2838 浏览 2 关注 1 回答 0 评论

推荐内容

问 GAPIT包导出的GWAS结果如何添加新的阈值线？以及GAPIT的结果文件中的nobs、H&B.P.Value、Effect分别是什么意思？: 2693 浏览 2 关注 1 回答 0 评论

问 MCPcounter输入TCGA矩阵的要求？: 1832 浏览 2 关注 1 回答 0 评论

问 unicycler混合拼接结果是否还需要纠错: 2256 浏览 2 关注 1 回答 0 评论

问由cutesv流程鉴定到的SV有特别多的缺失基因型: 1860 浏览 2 关注 1 回答 0 评论

问 Protein-Protein Docking 膜蛋白受体研究: 2159 浏览 2 关注 1 回答 0 评论

问请问在不考虑测序质量的情况下，如何根据bam文件获得比对到指定position的碱基？: 3715 浏览 2 关注 2 回答 0 评论

问如何对特征数量少的空间蛋白组数据进行细胞聚类？: 2422 浏览 2 关注 1 回答 0 评论

问信号通路特征基因集的查询？用于作ssGSEA分析。: 1895 浏览 2 关注 1 回答 0 评论

问全基因组关联分析结果与模型选择: 1792 浏览 2 关注 1 回答 0 评论

问使用tophat2和bowtie1寻找环形RNA时报错: 2718 浏览 2 关注 2 回答 0 评论

All Rights Reserved Powered BY WeCenter V4.1.0 © 2025