SimplifyEnrichment：功能富集结果聚类去冗余和可

文章简介

image.png

摘要

• 功能富集分析是生信分析基础的方法，对揭示感兴趣基因参与的生物进程至关重要，但是富集结果又长又冗余 很难总结
• 目前简化富集分析结果的方法是通过聚类，但是在不同cluster之间仍有冗余，cluster内部不能保留一致

• 作者提出了二分法聚类，cluster内一致性较好，cluster间互斥。这种二分法聚类 如果依据词义相似性结果较好，如果基于 gene overlap表现出较差的一致性

  
  image.png

背景介绍

• 现有针对富集结果进行聚类方法大体有三种：1. 基于overlap gene 2. 基于terms之间词义相似性 3. 对于GO结果，综合考虑有向无环图和词义相似性
• 基础的方法是基于gene overlap,更先进方法 会考虑基因集相似性来 进行对富集结果进行聚类，聚类的方法多样
  • 基于基因集相似性聚类会有一些问题例如：
    • 1. 对GO富集结果进行聚类，由于GO结果是有层级关系的，不同层级terms词义相似性差异比较大，可能会导致大类趋向于有更小的相似性分数，小类有更高的相似性分数(GO结果中层级关系靠下的词义相似性更高)
    • 2. 不同层级的terms聚类时，可能混在一起，A的子类可能会跟B聚在一起

• 对于一些聚类方法，会提取聚类结果中子集来 减少terms

  
  image.png
  image.png

simplifyEnrichment原理简介

• 使用binary cut进行聚类，在两组间利用PAM进行两组划分，并且每次迭代前分配一个分组/阈值来决定是否还需要划分�选择两个数据点作为初始的中心点，根据词语相似性的值，将各个数据点分配到两个中心点中，分成两类，循环该步骤，设定阈值组间相似性阈值 退出循环，得到聚类结果
• 该方法与其他方法进行比较，cluster中比较相似，cluster间比较互斥

• 基于 ovlap gene做聚类 稳定性不好

  
  image.png

simplifyEnrichment可以实现

• 以词云的方式对聚类结果可视化方便用户找到聚类中共享的生物功能
• 可以导出相关结果

• 可以自定义聚类算法 ，利用该软件进行可视化

  
  image.png

simplifyEnriment聚类过程

• 使用二分法根据 functional terms 词义相似性矩阵(默认使用GOSemSim) 进行聚类，分为两步：
  • 第一阶段：利用分割聚类并生成树形图，首先利用相似性矩阵，使用PAM将数据(行和列)分成两类，得到四个部分，在计算每部分的score==>计算代表 cluster间相似性与cluster内部相似性的值标注为s==>循环该聚类步骤,保存树状图

  • 第二阶段：根据s的阈值来决定是否需要继续聚类
    具体方法可参考原文

    
    image.png

simplifyEnrichment 聚类效果图(摘自文献)

image.png

自用simplifyEnrichment小总结

• 使用词义相似性聚类 结果比较符合预期
• 画图与聚类同时进行，该过程稍慢
• 如果聚类结果 比较多，也可以从结果中筛选一部分关注的进行画图
• 此种聚类方法为硬聚类，每个GO term只归属到一个cluster中
• 还有其他方法也可以实现类似功能，eg:GOSemSim

以上均为 自己理解