基因表达数据的聚类分析

通过DNA微阵列（芯片）可以同时测量数千个基因的表达水平。这种新颖的实验工具彻底改变了分子生物学研究，并引起了极大的兴奋。一个典型的实验使用几十个这样的芯片，每个芯片专门用于一个样本——例如从特定肿瘤中提取的组织。此类实验的结果包含几十万个数字，以表格形式呈现，有几千行（每个基因一行）和50-100列（每个样本一列）。我们开发了一种聚类方法来挖掘此类数据。在这篇综述中，我提供了一个非常基础的入门介绍，面向对基因表达或聚类方法没有先验知识的物理学受众。我解释了什么是基因，什么是基因表达以及如何通过DNA芯片测量。接下来，我解释了“聚类”的含义以及我们如何分析此类实验产生的大量数据，并展示了从结肠癌、脑肿瘤和乳腺癌数据分析中获得的结果。