ClusterTreeView中文翻译版..docxVIP

Cluster and TreeView中文翻译版 Linda Harbin medical university 2010-10-3介绍：Cluster和TreeView是分析并可视化DNA芯片数据或是其它基因组数据集的软件程序，Cluster（很快就有一个新的名字）用多种不同的方式组织分析数据，TreeView则将这些组织好的数据可视化，这个软件的下一个版本会将这两个软件合成为一个应用程序。这个说明书是使用这个软件的一个参考，而不是对软件中所用方法的全面分析。很多方法都是从标准的统计聚类中得到的，对于聚类分析的那些非常好的教科书，我们会在最后的参考书目中给列出，参考书目中还包括最新的生物科学的论文，尤其是那些所用的方法与我们的非常相似的论文。Cluster导入数据：用Cluster的第一步就是导入数据，当前版本的Cluster只接受以tab键为分隔符的数据格式，比如Excel，通过点File Format Help可以得到输入格式的说明。依照惯例，在输入表格中，行代表基因，列代表样本或是不同的观察，下面的例子就是一个时间过程的输入文件：第一列中的每一行（基因）一般都代表标识符（绿色的字符），第一行中每一列代表样本的标签（蓝色的字符），此时的标签表示时间进程，红色字符代表的是每一行基因的种类是什么，本文件的YORF代表酵母开放阅读框，这个地方可以是任意的字母或数字的值，在TreeView中，应用它可以将每一行的基因连接到外部的网站中。剩下的数据就是每个基因在不同样本中的表达值，2行4列的“5.8”表示基因YAL001C在2小时观察到的数据为5.8。空数据是允许的，就用空值表示（里面什么都没有），如，YAL005C在2小时的数据就是空的。我们很可能要对输入数据额外的添加一些信息，最大的Cluster的输入文件如下所示：黄色的区域是可有可无的，默认情况下，TreeView用第一列的ID号作为每个基因的标签，NAME那一列是对每个基因的进一步描述性标签，从而与第一列的标签相区别，关于GWEIGHT和GORDER这两列和EWEIGHT和EORDER这两行的内容会晚一些再解释。示例数据：可在/software/demo.txt/software/demo.txt.这个网站中得到，这个数据时酵母基因表达谱数据，下载后并导入到Cluster中。Cluster会呈现如下的导入信息：调整过滤数据：可以通过Filter Data和Adjust Data 这两项对数据进行调整和过滤。调整数据：Log Transform Data：将每个数值取对数代替原来的数值，即x=log2（x）。Normalize Genes and/or Arrays:将每一行每一列的所有数值都乘以一个标度因子S，使每一行每一列的数值的平方和为1.0（每行/列的S是不同的）Mean Center Genes and/or Arrays:将每一行或列的所有值减去这一行或列的平均值，使这一行或列的平均值为0。Median Center Gene and/or Arrays: 将每一行或列的所有值减去这一行或列的中位数，使这一行或列的中位数为0。以上的每项调整不是连在一起的，每项的先后顺序是很重要的，在进行之前要仔细的考虑好。操作的顺序为：Log transform all valuesMean center rowsMedian center rowsNormalize rows在什么情况下，我们需要对数据进行调整呢？Log transformation：许多DNA微阵列实验的结果是荧光比值，基本上都需要进行对数化处理。比如一个不同时间点的基因表达值，并将结果与时间点0的值相比较，假设在时间点1，这个基因表达没有改变，在时间点2，它表达上调两倍，在时间点3，它表达下调两倍（与时间点0相比）。则在这三个时间点上，最初的比值为：1,2,0.5。但在多数情况下，我们认为2倍上调和2倍下调的变化幅度应该是一样的，只不过是方向不同，一个上调，一个下调，但在我们的数据中，时间点1和2的变化为1（2-1），时间点1和3的变化为-0.5（0.5-1）。这样的话，上调两倍的变化幅度就是下调两倍变化幅度的2倍，通常情况下，我们并不想要这样的结果，如果我们将所得到的最初数据都取对数，则每个时间点的表达值变为0,1，-1，这样的话，上调2倍和下调两倍对于时间点0的变化幅度就一样了，都是1。在大多数的应用中，都推荐将数据对数化。Mean/Median Centering：假设这样的一个实验：你观察一下大量的肿瘤样本与同一个参考样本相比较的情况，这个同一个参考样本来自于细胞系的集合。对于每个基因，你会得到一系列的比值，这个比值与这个基因在参考样本中的表达水平相关，由于参考样本与你的实验室毫无关联的