洮南做网站,网推什么平台好用,做寝室介绍网站,男女做羞羞事试看网站我们阅读量破万的综述#xff1a;RNA-seq这十年(3万字长文综述)给粉丝朋友们带来了很多理解上的挑战#xff0c;所以我们开辟专栏慢慢介绍其中的一些概念性的问题#xff0c;上一期#xff1a;RNA-seq的counts值#xff0c;RPM, RPKM, FPKM, TPM 的异同在数据挖掘过程RNA-seq这十年(3万字长文综述)给粉丝朋友们带来了很多理解上的挑战所以我们开辟专栏慢慢介绍其中的一些概念性的问题上一期RNA-seq的counts值RPM, RPKM, FPKM, TPM 的异同在数据挖掘过程数据的归一化和标准化是必须的。取log值就是一种归一化的方法z-score是常用的标准正态分布化的方法。归一化和标准化的区别实际上口语里面通常是没办法很便捷的区分这两个概念。归一化将每个样本的特征值(在转录组中特征值就是表达量)转换到同一量纲下把表达量映射到特定的区间内区间的上下限由表达量的极值决定这种区间缩放法是归一化的常用方法。标准化按照表达矩阵中的一个基因在不同样本中的表达量处理数据每个样本点都能对标准化产生影响通过求z-score值转换为标准正态分布经过处理的数据的均值为0标准差为1因此z-score也称为零-均值规范化。取log对表达量的影响原始的raw counts矩阵是一个离散型的变量离散程度很高。有的基因表达丰度比较高counts数为10000有些低表达的基因counts可能10甚至在有些样本中为0。即使经过了RPKM/FPKM等方法抵消了一些测序技术误差的影响但高低丰度基因的表达量的差距依然很大。如果对表达量去一下log10发现10000变成了410变成了1这样之前离散程度很大的数据就被集中了。如上图这些离散的表达量都汇聚到了不同底数的log函数线上可以使绘制的热图、箱线图等图形更加美观。有时当表达量为0时取log会出现错误可以log(counts1)来取log值。当x1时所有的log系列函数值都为0。这样原本表达量为0的值取log后仍为0。这也就是UCSC的XENA下载到的表达矩阵的形式。z-score对表达量的影响log对每个样本的表达量的处理标准是一样而z-score考虑到了不同样本对表达量的影响计算z-score时消除到了表达的平均水平和偏离度的影响。转换后表达量符合正态分布分布Z-score只是一个临界值是标准化的结果本身没有意义有意义的在于在标准正态分布模型中它代表的概率值。所以只要知道Z值 查对应的正态分布表就可以知道表达量偏离平均水平的程度。表达量log归一化和z-score标准化的使用范围如果对表达量的范围有要求用归一化。如果表达量较为稳定不存在极端最大最小值使用归一化。如果表达量离散程度很大存在异常值和较多噪音用标准化可以避免异常值和极端值的影响。在分类、聚类、PCA算法中使用z-score值的结果更好。数据不太符合正态分布时可以使用归一化。机器学习的算法(SVM、KNN、神经网络等)要求归一化/标准化剔除异常值大家看群主代码绘制热图里面经常看到z-score以及去除极端值的希望你看清楚下面代码是如何进行z-score的pheatmap(dat)nt(scale(t(dat)))n[n2]2 #限定上限使表达量大于2的等于2n[n-2] -2 #限定下限使表达量小于-2的等于-2n[1:4,1:4]pheatmap(n,show_colnames F,show_rownames F)acdata.frame(groupcluster)rownames(ac)colnames(n)pheatmap(n,annotation_col ac,show_colnames F,show_rownames T)n[n-1] -1 # 重新限定下限使表达量小于-2的等于-2n[1:4,1:4] pheatmap(n,annotation_col ac, show_colnames F,show_rownames T)总结在一些公共数据库如TCGA、GEO中会提供取log值、z-score后的表达量矩阵这些值都是count矩阵的另一种表示形式。了解这些值背后的含义及应用范围针对不同的数据挖掘模型选取适合的表达量的表示形式来达到预期的结果。那么怎么样知道你的表达矩阵是否需要进行归一化或者标准化呢下面的学习班可能会帮助你全国巡讲约你第1-11站北上广深杭西安郑州 吉林武汉成都港珠澳(全部结束)一年一度的生信技能树单细胞线下培训班(已结束)全国巡讲第13站-杭州(生信技能树爆款入门课)(下一站甘肃兰州火热报名)
