怎樣使用Mfuzz進行時間序列表達模式聚類分析

怎樣使用Mfuzz進行時間序列表達模式聚類分析，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

在之前的文章中，我們介紹了STEM軟件，針對時間序列的數據，可以進行基因表達模式聚類分析。這里介紹另外一個功能相同的R包Mfuzz。這個R包的地址如下

https://www.bioconductor.org/packages/release/bioc/html/Mfuzz.html

Mfuzz采用了一種新的聚類算法fuzzy c-means algorithm，在文獻中稱這種聚類算法為soft clustering算法，相比K-means等hard clustering算法，一定程度上降低了噪聲對聚類結果的干擾，而且這種算法有效的定義了基因和cluster之間的關系，即基因是否屬于某個cluster, 對應的值為memebership。

對于分析而言，我們只需要提供基因表達量的數據就可以了，需要注意的是，Mfuzz默認你提供的數據是歸一化之后的表達量，這意味著表達量必須可以直接在樣本間進行比較，對于FPKM, TPM這兩種定量方式而言，是可以直接在樣本間進行比較的，但是對于count的定量結果，我們必須先進行歸一化，可以使用edgeR或者DESeq先得到歸一化之后的數據在進行后續分析。

假設你已經有歸一化之后的表達量了，通過以下幾個步驟就可以得到聚類的結果

1. 預處理

預處理包括讀取數據，去除表達量太低或者在不同時間點間變化太小的基因等步驟，代碼如下

x <- read.table(
"normalisation.count.txt",
row.names = 1,
sep = "\t",
header = T)
count <- data.matrix(x)
eset <- new("ExpressionSet",exprs = count)
# 根據標準差去除樣本間差異太小的基因
eset <- filter.std(eset,min.std=0)

需要注意的是，Mfuzz聚類時要求是一個ExpressionSet類型的對象，所以需要先用表達量構建這樣一個對象。

2. 標準化

聚類時需要用一個數值來表征不同基因間的距離，Mfuzz中采用的是歐式距離，由于普通歐式距離的定義沒有考慮不同維度間量綱的不同，所以需要先進行標準化，代碼如下

eset <- standardise(eset)

3. 聚類

Mfuzz中的聚類算法需要提供兩個參數，第一個參數為希望最終得到的聚類的個數，這個參數由我們直接指定；第二個參數稱之為fuzzifier值，用小寫字母m表示，可以通過函數評估一個最佳取值，代碼如下

# 聚類個數
c <- 6
#  評估出最佳的m值
m <- mestimate(eSet)
# 聚類
cl <- mfuzz(eSet, c = c, m = m)

在cl這個對象中就保存了聚類的完整結果，對于這個對象的常見操作如下

# 查看每個cluster中的基因個數
cl$size
# 提取某個cluster下的基因
cl$cluster[cl$cluster == 1]
# 查看基因和cluster之間的membership
cl$membership

4. 可視化

代碼如下

mfuzz.plot(
eSet,
cl,
mfrow=c(2,3),
new.window= FALSE)

生成的圖片如下

對于感興趣的表達模式，可以用上述提到的用法提取出該cluster下的基因列表，通過GO/KEGG等功能富集分析進行深入挖掘。

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。