Assisted gene expression-based clustering with AWNCut.
Assisted gene expression-based clustering with AWNCut.
复制标题
使用 AWNCut 辅助基于基因表达的聚类
DOI：
10.1002/sim.7928
复制
发表时间：
2018-12-20
影响因子：
2
通讯作者：
Ma S
中科院分区：
文献类型：
--
作者：
Li Y;Bie R;Teran Hidalgo SJ;Qin Y;Wu M;Ma S
在复杂疾病的研究中，基因表达（GE）数据已被广泛用于聚类样本。这样生成的聚类可以作为疾病亚型识别、风险分层和许多其他目的的基础。由于遗传图谱研究的样本量小，以及GE数据的噪声性质，聚类分析结果往往不能令人满意。在最近的研究中，一个突出的趋势是进行多维分析，收集关于GE及其调控因子（拷贝数改变，microRNA，甲基化等）的数据。在同样的问题上。通过这种监管关系，监管者包含了关于GE属性的重要信息。我们开发了一种新的辅助聚类方法，它有效地利用调节器的信息，以提高聚类分析使用GE数据。考虑到并不是所有的GE都是信息丰富的，我们提出了一种加权策略，其中的权重是依赖于数据确定的，可以区分信息丰富的GE和噪声。该方法是建立在NCut技术和有效地实现使用模拟退火算法。仿真表明，它可以很好地超越多个直接竞争对手。在对TCGA皮肤黑色素瘤和肺腺癌数据的分析中，得出了与替代品不同的生物学上合理的发现。
In the research on complex diseases, gene expression (GE) data have been extensively used for clustering samples. The clusters so generated can serve as the basis for disease subtype identification, risk stratification, and many other purposes. With the small sample sizes of genetic profiling studies and noisy nature of GE data, clustering analysis results are often unsatisfactory. In the most recent studies, a prominent trend is to conduct multidimensional profiling, which collects data on GEs and their regulators (copy number alterations, microRNAs, methylation, etc.) on the same subjects. With the regulation relationships, regulators contain important information on the properties of GEs. We develop a novel assisted clustering method, which effectively uses regulator information to improve clustering analysis using GE data. To account for the fact that not all GEs are informative, we propose a weighted strategy, where the weights are determined data-dependently and can discriminate informative GEs from noises. The proposed method is built on the NCut technique and effectively realized using a simulated annealing algorithm. Simulations demonstrate that it can well outperform multiple direct competitors. In the analysis of TCGA cutaneous melanoma and lung adenocarcinoma data, biologically sensible findings different from the alternatives are made.
登录
查看更多内容
DOI：
10.1214/17-aoas1033
发表时间：
2017-06
期刊：
The annals of applied statistics
影响因子：
--
作者：
Huo Z;Tseng G
通讯作者：
Tseng G
影响因子：
30.8
作者：
Marigorta UM;Denson LA;Hyams JS;Mondal K;Prince J;Walters TD;Griffiths A;Noe JD;Crandall WV;Rosh JR;Mack DR;Kellermayer R;Heyman MB;Baker SS;Stephens MC;Baldassano RN;Markowitz JF;Kim MO;Dubinsky MC;Cho J;Aronow BJ;Kugathasan S;Gibson G
通讯作者：
Gibson G
影响因子：
2.1
作者：
Gross, Samuel M.;Tibshirani, Robert
通讯作者：
Tibshirani, Robert
DOI：
10.1214/10-aoas388
发表时间：
2011-01-01
期刊：
The annals of applied statistics
影响因子：
--
作者：
Breheny P;Huang J
通讯作者：
Huang J
影响因子：
5.7
作者：
BERTSIMAS, D;TSITSIKLIS, J
通讯作者：
TSITSIKLIS, J