【《基因数据聚类分析案例》4300字】

[25]。所以为了尽可能消除基因数据上的个别噪声影响，本文将使用二分K均值聚类对数据集聚类分析，再与K均值聚类结果对比取交集。同K均值聚类算法一样，在基于欧几里德聚类中，衡量聚类后每一个簇的质量一般使用SSE度量。SSE的计算方法就是在每一次聚类分析之后，对聚类结果的每个数据点会计算一个误差，该误差就是数据点到聚类中心的距离，然后把所有的计算出来的距离值平方再求和，最后得到的值就是SSE，可以作为一个聚类质量情况的参考值，聚类的目标是SSE的值尽可能达到最小。在n维欧几里德空间中，SSE可表示为公式5-1所示。SSE=i=1其中：k为簇的数目；Ci为簇C图5-7二分K均值手肘法1.3.1二分K均值聚类分析步骤二分K均值算法是K均值算法的一个变型，其在Spark上具体算法如下：输入聚类数目K，选择DataFrame中要进行聚类的列；Spark会把所有的数据都当成一簇，然后在开始时随机选取2个数据C1、C2作为簇类的中心。二分聚类采用上文提到的K均值算法，得到包含2个类的聚类V1得到返回的模型之后，可以通过模型的transfer方法得到一个具有聚类结果的新的DataFrame。具体流程如图5-8所示。图5-8二分K均值算法流程1.3.2聚类分析结果在利用pca把数据降维成2维的数据之后，用散点图把聚类的结果可视化如下图所示其中横坐标和纵坐标分别是降维后的2维数据。图5-9二分K均值聚类结果淡蓝色为第0簇，橙色为第1簇，绿色为第2簇。为显示每一簇的每个基因探针id的具体表达量，仍然需要将10维数据降维到1维度。降维后的结果和基因id作图如图5-10、图5-11、图5-12所示，其中横坐标为每一簇的基因id，纵坐标为每个基因id的10维数据降维到1维时的表达强度。图4-10二分K均值第0簇结果图4-11二分K均值第1簇结果图4-12二分K均值第2簇结果其中第一类簇共有447个基因，全部为上调基因，没有下调基因，第二类簇有538个基因，全部为上调基因，没有下调基因，第三簇有248个基因，全部为下调基因。图中显示出了第0簇和第1簇是非常相近的，第2簇是比较特别的。1.4聚类结果分析在对比二分K均值和K均值的聚类结果发现，两个聚类的结果基本吻合。把K均值和二分K均值对应的簇做一个交集发现分别有第零簇有473个交集，第一簇有463个交集，第二簇248个交集，基本数据都重合。对聚类结果进行医学论证，聚成一簇的基因具有相似的功能，参与同一个细胞的通路，所以分别对每一簇进行通路分析，查看通路分析结果，因为第二簇都是下调基因，所以根据上文中的结果基因通路分析并不能得到任何通路。在对第0簇和第1簇结果进行通路分析，得到结果如表5-1，5-2所示。表5-1第0簇的通路分析结果TermPValuehsa04510:Focaladhesion0.0000018983872789392hsa04611:Plateletactivation0.000879248555188436hsa05146:Amoebiasis0.000972766695427766hsa04270:Vascularsmoothmusclecontraction0.00184233477001917hsa04151:PI3K-Aktsignalingpathway0.00258508260859996hsa04725:Cholinergicsynapse0.00552785808101527hsa05222:Smallcelllungcancer0.00585470642883092hsa04512:ECM-receptorinteraction0.00655192665448225hsa04540:Gapjunction0.00692232160599789hsa04020:Calciumsignalingpathway0.00765500108863311hsa04924:Reninsecretion0.00767238228104398hsa04614:Renin-angiotensinsystem0.00942995689340027表5-2第1簇的通路分析结果TermPValuehsa04510:Focaladhesion0.0000852675443723195hsa04512:ECM-receptorinteraction0.00014894848248535hsa05410:Hypertrophiccardiomyopathy(HCM)0.000575597370913848hsa04151:PI3K-Aktsignalingpathway0.00061860894123637hsa05414:Dilatedcardiomyopathy0.000854346906411708hsa04514:Celladhesionmolecules(CAMs)0.0027973184218276hsa05144:Malaria0.00400980987901159hsa04015:Rap1signalingpathway0.00682204412268718hsa04810:Regulationofactincytoskeleton0.00682204412268718对比两