【生信分析干貨】多組學(xué)數(shù)據(jù)挖掘利器—云平臺(tái)趨勢(shì)分析指南

鹿明生物

2023.4.12

生信分析干貨強(qiáng)勢(shì)來襲

隨著蛋白質(zhì)組學(xué)、代謝組學(xué)、基因組學(xué)的研究逐漸增多，生信分析的作用也越來越大。鹿明生物作為創(chuàng)新多組學(xué)研究的先鋒，我們的生信部門專業(yè)人員將手把手教你進(jìn)行生信數(shù)據(jù)分析！

本次的干貨主題為：云平臺(tái)分析小工具之時(shí)間序列、趨勢(shì)分析，后續(xù)會(huì)有更多生信分析干貨內(nèi)容，記得關(guān)注收藏哦~

趨勢(shì)分析概念介紹

Mfuzz能夠識(shí)別表達(dá)譜的潛在時(shí)間序列模式，并將相似模式的特征聚類，以幫助我們了解特征之間的動(dòng)態(tài)模式和它們功能的聯(lián)系。

Mfuzz模糊聚類原理是將一個(gè)特征物質(zhì)（代謝物、蛋白、基因）對(duì)應(yīng)到幾個(gè)簇，通過計(jì)算各個(gè)簇下該特征物質(zhì)（代謝物、蛋白、基因）membership值，直觀感受特征物質(zhì)在某個(gè)聚類的歸屬程度，對(duì)時(shí)間序列這種逐漸變化，并且會(huì)頻繁的出現(xiàn)聚類重疊類型的數(shù)據(jù)進(jìn)行聚類分析。模糊聚類通過算法來確定每個(gè)數(shù)據(jù)隸屬于各個(gè)簇的程度，而不是將一個(gè)數(shù)據(jù)對(duì)象硬性地歸類到某一簇中。

算法流程：

(1)標(biāo)準(zhǔn)化數(shù)據(jù)矩陣；

(2)聚類簇的數(shù)量的確定；

(3)建立模糊相似矩陣，初始化隸屬矩陣；

(4)算法開始迭代，直到目標(biāo)函數(shù)收斂到極小值；?

(5)根據(jù)迭代結(jié)果，由最后的隸屬矩陣確定數(shù)據(jù)所屬的類，顯示最后的聚類結(jié)果。

趨勢(shì)分析教學(xué)

那么作為新手，我想使用時(shí)間序列、趨勢(shì)分析方法來了解生物學(xué)分子的動(dòng)態(tài)模式與功能間的聚類聯(lián)系，我該如何操作呢？

今天我們會(huì)推薦生信分析的網(wǎng)站：云平臺(tái)，并對(duì)其中的操作和結(jié)果解讀進(jìn)行詳細(xì)說明，現(xiàn)在就讓我們開始這趟生信之旅吧~

云平臺(tái)使用攻略

云平臺(tái)官網(wǎng)地址：

https://cloud.oebiotech.cn/task/detail/mfuzzAnalyst/

STP 1.數(shù)據(jù)準(zhǔn)備

時(shí)間序列、趨勢(shì)分析一般采用差異特征物質(zhì)（代謝物、蛋白、基因）的并集進(jìn)行分析。將各個(gè)分組分別篩選出差異特征物質(zhì)，獲得每組差異特征物質(zhì)并計(jì)算每組對(duì)應(yīng)特征物質(zhì)表達(dá)值的均值進(jìn)行分析。

將數(shù)據(jù)保存成第一列為基因、蛋白、代謝物名稱，其余各列為各樣品分組中均值表達(dá)量，表頭為樣本分組名。如果表達(dá)量矩陣文件中存在空值的情況，請(qǐng)?zhí)畛?后再上傳運(yùn)行。

STP 2.數(shù)據(jù)上傳

提示：上傳文件格式為xlsx格式，且分析適用于組別為3組及以上的數(shù)據(jù)集。

STP 3.結(jié)果說明

在時(shí)間序列、趨勢(shì)分析之前會(huì)對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，將所有的數(shù)據(jù)處于同一標(biāo)度。以下表為例，其中.Expression Abundance(Z-score)表示經(jīng)過標(biāo)準(zhǔn)化的數(shù)據(jù)，標(biāo)準(zhǔn)化基于原始數(shù)據(jù)的均值和標(biāo)準(zhǔn)差對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。.raw表示未經(jīng)處理的數(shù)據(jù)。