اكتشاف الأنماط الجزيئية على أساس تحليل المصفوفة المعاقب

الوصف

في هذا المشروع ، اقترحنا استخدام تحليل المصفوفة المعاقب (PMD) لاستخراج العينات الوصفية من بيانات التعبير الجيني. مع تقييد التباين على عوامل التحلل ، يمكن للعينات الوصفية المستخرجة أن تلتقط بشكل جيد الهياكل الجوهرية للعينات في نفس الفئة. وفي الوقت نفسه ، تعد عوامل PMD لكل عينة مؤشرات جيدة لتسمية الفئة الخاصة بها. مقارنة بالطرق التقليدية ، مثل HC و SOM و AP و SC و NMF ، يمكن للطريقة المقترحة تحديد العينات ذات الفئات المعقدة. أظهرت النتائج التجريبية على أربع مجموعات بيانات تمثيلية أن الطريقة المقترحة قادرة على اكتشاف الأنماط الظاهرية البيولوجية بشكل فعال ، والتحقق من أن PMD هي أداة قوية لتجميع بيانات التعبير الجيني.

وتجدر الإشارة إلى أننا وجدنا تجريبيًا أنه يمكن استخدام d لتحديد عدد العناقيد وفقًا لاتجاهها المتغير. عندما تنخفض d بشكل كبير من k إلى k + 1 ، فهذا يعني أنه يمكن استخراج جميع الأنماط ذات المعنى باستخدام مجموعات k. إذا كان d يحتوي على انحلال تدريجي من k إلى k + 1 ، فهذا يعني أنه قد توجد أكثر من k أنماط ذات مغزى في مجموعة البيانات. هذا هو السبب في إمكانية استخدام d لتحديد عدد المجموعات وفقًا لاتجاهها المتغير
ومع ذلك ، في الوقت الحاضر ، لا يمكننا أن نستنتج نظريًا أن d يجب أن تكون أو لا يجب أن تكون القيمة الإرشادية. يحتاج إلى مزيد من التحقيق في المستقبل. لحسن الحظ ، كانت هناك بعض الأعمال المماثلة حول الأهمية الإحصائية لقيم المصفوفة الذاتية ، والتي قد تكون مفيدة لدراستنا المستقبلية.

مصفوفة للصورة

استرجاع طور الانعكاس المتناوب المريح (RAAR)

http://pubs.broadinstitute.org/mpr/projects/NMF/NMF_final_supplement.pdf