MEV 聚類-助力轉錄組分析，成就大paper！

主題

今天是聚類時間！啥叫聚類，本意就是將相似的東西聚到一起，其實在我們的試驗中，我們一直都在用。啥？沒聽錯吧？

來，舉個栗子！

歷史回顧

原核生物

細菌多樣性研究的時候，可以通過16S序列設計保守序列引物，對引物進行擴增，當然也可以用隨機引物擴增基因組DNA，之後用電泳分離擴增後的DNA，對細菌進行OTU分群，在二代測序之前，做環境微生物多樣性，一直是這樣做的。

真核生物

我們可以對不同組織，多個基因進行表達聚類分析！熱圖旁邊的這些樹都是聚類結果。

我們都知道了，你還講個毛線？

No! 我們今天換個口味，這不是簡單的聚類，是將轉錄水平相似的基因聚到一起，看聚到一起的這些基因有沒有什麼共同的功能或者其他共同特點。

這個是轉錄組深度挖掘的一部分，助你成就 大paper！

大家來看下圖，這就是聚類中的某一個cluster，每一條灰線都是一個基因的動態表達量，X軸每個時間點代表一個表達時間序列或者不同組織，縱坐標就是表達量的標準化。

定義

這種聚類今天我們使用什麼方法呢，K-means clustering。其主要是來計算數據聚集的演算法，主要通過不斷地取離種子點最近均值的演算法，演算法要求我們輸入聚類個數k，以及包含 n個數據對象的資料庫，輸出滿足方差最小標準的k個聚類。

軟體

今天我們涉及到的軟體是MEV，是windows下的一個軟體。等了這麼久，終於有一個windows下的軟體出來了。Sure, 也有linux 版本，用法一樣。

https://sourceforge.net/projects/mev-tm4/

使用方法

雙擊打開

導入數據

數據格式

第二列開始是樣品，或者不同時期，第一列是基因名稱，第一行是表頭。數字是表達量，當然例子是晶元數據。

聚類

數據導進去之後，軟體已經自動mapping上顏色了，當然我們可以用mev像往常一樣做熱圖。那麼怎麼做k-means聚類呢？看圖說話

下圖就是選擇要聚多少類，自己循環次數。

這兩個數值可以進行多次運算，最終選擇自己認為最好的。運算結果幾乎是瞬間返回！

結果

下圖就是聚類結果，左邊菜單可以查看不同結果。

最後我們可以將結果導出，保存成圖片或者txt。

接下來的分析就很明顯了，我們要進一步看每個類別中是什麼基因，什麼功能類就富集，或者有沒有共同的調控基因，以及啟動子。

還要進一步的話，我們可以做實驗進行驗證。

來看一篇2015年的文章：

Mu?oz J F, Gauthier G M, Desjardins C A, et al. The Dynamic Genome and Transcriptome of the Human Fungal Pathogen Blastomyces and Close Relative Emmonsia.[J]. Plos Genetics, 2015, 11(10):e1005493.

這是02年的：

Gasch A P, Eisen M B. Exploring the conditional coregulation of yeast gene expression through fuzzy k-means clustering[J]. Genome Biology, 2002, 3(11):RESEARCH0059.

都用到了K-Means 聚類！

歡迎分享！歡迎主動分享朋友圈！

千人QQ大群，請入！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！