10高通量测序-层次聚类

层次聚类

层次聚类(Hierarchical Clustering)通常与热图有关(heatmap)。热图的列代表不同的样本，行代表来自不同样本的基因。红色表示基因高表达，蓝色或紫色低表达。层次聚类根据相似性对行或列进行排序，很容易看到数据中的相关性。下图左边是没有层次聚类，右图是层次聚类。热图通常附有树状图(dendrogram)

image-20210104143942658.png

在本例中，我们只是将行(Gene)进行聚类。

1. 找出哪一个基因与Gene1最相似
2. 找出哪些Gene和Gene2最相似，然后找Gene3、Gene4
3. 在不同的组合中，找出哪两个基因最相似。将它们合并成一个分类。
4. 回到第一步，但是现在把新的分类当作一个单一的基因来对待。

Gene1和Gene3是最相似的，所以为分类1。

image-20210104145613856.png

回到第一步，把分类1看成一个基因，重复步骤1、2、3。Gene3和Gene4是最相似的，所以为分类2。

image-20210104145834560.png

因为只剩下分类1和分类2，所以我们合并它们。层次聚类通常伴随着树状图，它既表明了聚类的相似性，也表明了聚类形成的顺序。分类1是最先形成和最相似的，且分支最短。分类2第二相似，也是第二短的分支。包含所有基因的分类3是最后形成的。它有最长的分支。

image-20210104150644786.png

注意：

1.Gene间相似性怎么确定？

• 确定相似性的方法是任意选择的。然而，基因之间的欧几里得距离(Euclidean distance)被广泛使用。

计算基因之间的欧几里得距离：

image-20210104151518819.png image-20210104151350494.png

距离度量(distance metric):

• 欧几里得距离只是其中一个方法，还有更多的方法，包括：
  • Manhattan distance（曼哈坦距离）：差的绝对值

image-20210104152103744.png

选择欧几里得还是曼哈坦距离是随意的，无论是生物学上还是生理上都没有理由选择其中一个而不是另一个。选择一个能让你更深入了解数据的方法。

2.分类(clusters)之间如何比较相似性？

分类之间比较的方法：

​ 为了直观地了解不同方法是如何工作的，假设我们的数据在X-Y平面上展开，现在想象一下，我们已经形成了绿色类和黄色类，我们可以比较灰色的点与：

1. 每个类的平均值点(称为“质心”)
2. 每个类最近的点(称为“单链”)
3. 每个类的最远点(称为“完全连接”)

image-20210104153313233.png

如果我们使用R，默认设置hclust()是与每个类最远的点，下面三种分类之间比较的热图

image-20210104153521380.png