如何使用Mfuzz对时间序列表达模式进行聚类分析，很多新手都不是很清楚。为了帮助大家解决这个问题，下面小编就详细讲解一下。需要的人可以从中学习，希望你能有所收获。
在前一篇文章中，我们介绍了STEM软件，它可以对时间序列数据的基因表达模式进行聚类和分析。下面是另一个功能相同的R包Mfuzz。这个R包的地址如下
https://www . bio conductor . org/packages/release/bioc/html/Mfuzz . html
UZZ采用了一种新的聚类算法——模糊c均值算法，文献中称之为软聚类算法。与K-means等硬聚类算法相比，在一定程度上减少了噪声对聚类结果的干扰，该算法有效定义了基因与聚类之间的关系，即基因是否属于一个聚类，对应的值为memebership。
为了分析，我们只需要提供基因表达水平的数据。需要注意的是，Mfuzz默认你提供的数据是规范化的表达式级别，这意味着表达式级别必须在样本之间直接比较。对于FPKM和TPM，我们可以直接在样本之间进行比较。但是对于计数的量化结果，首先要对数据进行归一化，可以使用edgeR或者DESeq得到归一化后的数据进行后续分析。
假设已经有了归一化的表达式量，可以通过以下步骤得到聚类结果。
00-1010预处理包括读取数据，去除不同时间点表达过低或变化过少的基因。代码如下
x-read.table(
normalization . count . txt ‘，
row.names=1，
sep=’\t ‘，
表头=T)
计数-数据.矩阵(x)
eset-new(‘ExpressionSet ‘，exprs=count)
#根据标准差去除样本间差异过小的基因。
Eset-filter.std(eset，min.std=0)需要注意的是，Mfuzz聚类需要一个ExpressionSet类型的对象，所以需要先构造这样一个带有expression quantity的对象。
00-1010聚类需要用一个数值来表征不同基因之间的距离。欧几里得距离用在Mfuzz中。因为普通欧氏距离的定义没有考虑不同维度之间的维度差异，需要先进行标准化。代码如下
ESET-standarded e(ESET)
1. 预处理
MFUZZ中的聚类算法需要提供两个参数。第一个参数是我们最终想要得到的簇数，这个参数是我们直接指定的。第二个参数叫做fuzzifier value，用小写字母M表示，一个最优值可以通过函数来计算。代码如下
#集群数量
c-6
#评估最佳M值
m-mestimate(eSet)
#聚类
Cl-mfuzz(eSet，c=c，m=m)将完整的聚类结果保存在对象Cl中。此对象的常见操作如下
#检查每个集群中的基因数量
cl $大小
#提取聚类下的基因
cl$cluster[cl$cluster==1]
#检查基因和聚类之间的隶属关系
Cl $会员
2. 标准化
代码如下
mfuzz.plot(
eSet，
cl，
mfrow=c(2，3)，
New.window=FALSE)生成的图片如下
对于感兴趣的表达模式，可以通过上述用法提取该聚类下的基因列表，并通过GO/KEGG等功能富集分析进行进一步挖掘。
阅读以上内容对你有帮助吗？如果您想了解更多相关知识或阅读更多相关文章，请关注行业资讯频道，感谢您的支持。
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/80654.html