系统生物学数据降维的可视化
定量方法
2012-06-05 v1 基因组学
摘要
分析高维表达数据的一个挑战是检测重要的生物信号。一种常见的方法是应用降维方法，例如主成分分析。通常，在应用此类方法后，数据被投影到新坐标系中，并使用散点图或轮廓图进行可视化。如果数据具有某些在新坐标系中变得可见而在原始坐标系中难以检测的性质，这些方法会提供良好的结果。然而，通常仅应用一种方法不足以捕捉所有重要信号。因此，需要应用多种处理数据不同方面的方法。我们在可视化分析管道SpRay中开发了一个线性和非线性降维方法的框架。这包括有助于解释分解结果的度量。这些度量的不同可视化可以与支持结果解释的功能注释相结合。我们展示了在产抗生素生物天蓝色链霉菌的高分辨率时间序列微阵列数据以及测量正常核型细胞和人类13号和21号染色体三体细胞表达的微阵列数据上的应用。
引用
@article{arxiv.1206.0536,
title = {Visualizing dimensionality reduction of systems biology data},
author = {Andreas Lehrmann and Michael Huber and Aydin C. Polatkan and Albert Pritzkau and Kay Nieselt},
journal= {arXiv preprint arXiv:1206.0536},
year = {2012}
}