在层次聚类中查找统计显着的节点
项目描述
作者 |
海宝汤( tanghaibao ) |
李静平 ( Jingping ) |
|
电子邮件 |
|
执照 |
描述
层次聚类是挖掘多元生物数据之间有用关系的重要工具。但是，没有明显的方法可以从已识别的层次结构中定义一组有用的、不重叠的组。大多数努力都集中在不同的截止值上，评估组内和组间方差的相对强度，然后启发式地确定“良好”的截止值。本研究引入了一种更动态的方法，该方法提取了显着丰富或与其他进化枝不同的进化枝。结合系统发育信息消除了在常规分析中观察到的假阳性，从而提高了对性状关联的预测。
该算法采用两个输入，一个树模型和所有终端分支的一些值映射。简而言之，该算法对所有内部分支执行独立的统计测试，并计算每个节点的 P 值。在探索阶段，统计检验是：1）对于定量值，检验每个节点分隔的两组的差异（学生t检验）；2）对于分类值，为每个内部节点的后代测试特定类别的关联（Fisher精确检验）。
候选节点是使用以下规则确定的：候选节点 v 的 P 值必须是所有通过 v 的根到叶路径中最小的。换句话说，以节点 v 为根的组应该包含最大的关联水平，从而避免冗余进化枝。
服务器版本
可以在此处找到 TRECUT 软件的服务器版本：http: //chibba.agtec.uga.edu/duplication/cut/
安装
pip install scipy ete2用法
查看data/文件夹中的示例：treefile和 listfile。
树文件应该是 Newick 格式的文件（通常来自系统发育重建软件的输出，例如phylip 或MEGA）。
列表文件应包含每个分类单元的定量值（用逗号分隔）。确保分类单元名称在 treefile和listfile之间匹配：
# continuous example IS13,57.2 IS35,66.13
如果数据类型是离散的，则用分号分隔类。例如：
# discrete example AT1G02150,GO:0009507;GO:0005488 AT1G02160,GO:0005575;GO:0003674;GO:0008150
请注意，#代表注释行，将被忽略。
要运行软件：
python treecut.py data/tree.nwk data/continuous.csv tree.pdf提取模块的摘要将写入stdout。每行将包含一个子进化枝，显示显着高表型值或低表型值。此外，可视化可用作 tree.pdf（支持的图像格式包括svg、png、pdf、 jpg等）。模块以绿色（低价值模块）和红色（高价值模块）颜色突出显示。
<图>
<图说明>
树值映射
</figcaption> </figure>食谱
TRECUT 有几个直接的应用程序。下面仅展示两个示例，但还有更多示例。
提取具有高/低表型值的分类群
请参阅data/文件夹中的示例。这是高粱多样性面板的开花时间数据。开花.nwk是研究中使用的高粱种质的系统发育树。开花.assoc具有对特征值的加入的映射（在这种情况下是开花前的天数）。跑步：
python treecut.py data/flowering.nwk data/flowering.assoc如果您希望将开花数据视为离散值，请说“高”与“低”。您可以添加--discrete选项：
python treecut.py data/flowering.nwk data/flowering_discrete.assoc --discrete flowering_discrete.png显着的不同进化枝（如极端特征值）将被写入屏幕。
提取功能丰富的共表达基因
在此示例中，我使用 Eisen 的CLUSTER软件（此处）处理了一系列拟南芥微阵列 AtGenExpress。集群运行后。我找到了两个文件 - microarray.cdt和 microarray.gtr。.gtr文件包含分层树结构，但我需要将其转换为.nwk格式以便 treecut.py进行处理。
看一下microarray.assoc，它包含从拟南芥基因到 GO 术语的映射，这些映射基于在Gene Ontology 网站上下载的信息。请注意，一个基因可以有多个与之相关的 GO 术语。这是我用来创建microarray.assoc的脚本：
python scripts/parse_tair_go.py设置好所有内容后，只需像往常一样运行treecut.py（确保打开--discrete选项）：
python scripts/eisen_to_newick.py data/microarray.gtr data/microarray.cdt data/microarray.nwk
python treecut.py data/microarray.nwk data/microarray.assoc --discrete在某些 GO 术语中显着丰富的进化枝将被写入屏幕。
参考
唐等人。TRECUT：从层次聚类中提取重要模块的算法
