原文見：http://www.biostat.ucsf.edu/jean/Presentation/IMSLAB.pdf

為了方便大家學習，我將該文翻譯成中文加上一些相關的簡單介紹，經驗尚淺，還請大家多提意見。

1、R統計分析工具

文中主要利用R做為分析統計工具，軟件相關信息見請參考www.r-project.org/。

英文簡介：http://cran.r-project.org/doc/manuals/R-intro.pdf

中文簡介：http://www.biosino.org/pages/newhtm/r/schtml

2、Bioconductor

Biocondocutor是基于R開發的用于基因組數據分析的軟件，詳情請參考http://www.bioconductor.org/。

Bioconductor的安裝方法：打開R的命令窗口鍵入如下命令

source (http://www.bioconductor.org/biocLite.R)

biocLite()

3、數據

指南中使用的數據來自于三種急性白血病的基因表達研究，分別是B細胞急性淋巴性白血病(B-ALL)，T細胞急性淋巴性白血病(T-ALL)和急性脊髓性白血病(AML)。利用含有6817個人類基因的Affymetrix高密度寡核苷酸陣列(hgu68a)分析38個B-ALL，9 個T-ALL和25個AML腫瘤樣品的基因表達水平。

4、數據預處理

1)閾值：100~16，000

2)篩選：除去max/min 5或者(max-min) 500的基因。這里max和min是指mRNA樣品中基因的最大和最小密度。

3)以2為底的對數轉換

數據文件GolubData.RData包括了基因的表達水平和基因名。篩選后的基因表達水平存儲在3571 72的golub矩陣中，行和列分別對應基因和mRAN樣品。

5、 練習

有兩種方法完成這個練習，對于熟悉R或者S-plus的用戶，你可以用自己寫的代碼完成練習；對于不熟悉R的用戶，可以利用tkWkdgets包中的vExplorer功能完成練習。vExplorer功能提供了瀏覽和執行代碼的圖形界面。啟動R，通過如下代碼導入指南：

>install.packages("IMSLAB",contriburl="http://www.biostat.ucsf.edu/jean/software")

> library(IMSLAB)

> vExplorer( )

然后利用打開的窗口選擇IMSLAB程序包。

開始

在開始練習前，有一些獲得幫助的重要命令和語句需要介紹

> help.start()

> apropos("mean")

> ? mean

> example("mean")

載入數據包

> library(IMSLAB)

> data(GolubData)

聚類

聚類分析是以基因間的相似程度，或者說是基因間的距離為基礎的。利用hclust功能聚類白血病mRNA樣品。T-ALL，B-ALL和AML樣品是否聚類到一起？通過改變hclust中的method參數試用不同的類間距離進行練習。在dist中通過改變method參數試用不同的基因距離進行練習。下面這些問題可以幫助你開始練習。

Q1：利用相關系數和最大類間距離對mRNA樣品進行系統聚類分析

> library(mva)

> clust.cor

> plot(clust.cor, cex = 0.6)

Q2：用歐式距離和平均類間距類對mRNA樣品進行系統聚類分析

> clust.euclid

> plot(clust.euclid, cex = 0.6)

Q3：利用mva包中的heatmap功能，你可以得到聚類分析的圖像。但是要注意，這個功能對基因和樣品都執行聚類分析，如果基因的數量過大，會導致這個方法運行緩慢，為了說明問題，我們僅選擇100個基因為例。

> library(sma)

> golubvar

> top100

> heatmap(golub[top100, ])

然后我們嘗試不同的聚類分裂方法

Q4：利用相關系數作為基因距離對mRNA樣品進行Kmeans聚類分析。

> clust.kmeans

> names(clust.kmeans$cluster)

> clust.kmeans$cluster[1:10]

Q5： 利用cluster包中的PAM功能對mRNA樣品進行“Partition Around Medoids”分析

> library(cluster)

> clust.pam

> clusplot(clust.pam, labels = 3, col.p = clust.pam$clustering)

Q6：利用som包中的自組織映射分析方法(SOM) 對mRNA樣品進行聚類分析

Q7：最后，我們在方差的基礎上選擇前100個基因，執行上面所述的各種聚類分析方法。注意我們在基因的選擇過程中沒有使用任何同樣品有關的信息。stat.gnames 功能能夠根據選擇的統計量將基因排序，在本例中統計量就是方差。

> golubSub

> par(mfrow = c(2, 2))

> plot(hclust(as.dist(1 - cor(golubSub)), method = "complete"),

+ cex = 0.6)

> plot(hclust(dist(t(golubSub)), method = "average"), cex = 0.6)

> clust.pam

> clusplot(clust.pam, labels = 3, col.p = clust.pam$clustering)

> par(mfrow = c(1, 1))

總結

以上是生活随笔為你收集整理的clustMD r语言_利用R语言实现微阵列数据分析-聚类分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。