마이크로 어레이 열 (개별 마이크로 어레이 복제 결과)과 PCA의 계층 적 클러스터링을 사용하여 마이크로 어레이 데이터를 분석하려고합니다.마이크로 어레이 계층 적 클러스터링과 파이썬이있는 PCA
저는 python을 처음 사용합니다. 나는 python 2.7.3, biopyton, numpy, matplotlib, networkx를 가지고있다.
내가 할 수있는 python이나 biopython (MATLAB의 clustergram과 mapcaplot과 유사한 함수)이 있습니까?
Python은 신경 과학에 매우 적합합니다. 선택하신 분께는 축하드립니다. 때때로 소스가 Matlab보다 찾기가 어렵지만 무료입니다. 활동적인 커뮤니티와 많은 지원을 얻을 수 있습니다.
좋은 출발점은 Neuroimaging in Python 프로젝트 및 하위 프로젝트 (예 : 니 메임)입니다. 메일 링리스트에 가입하고 메일 링리스트에 질문하는 것이 좋습니다. 그 사람들은 정말로 영리하며 도움을 청합니다.
PCA의 경우 데이터 처리 알고리즘의 멋진 라이브러리 인 Modular Toolkit for Dataprocessing in Python을 사용해 볼 수도 있습니다.
일반적으로 클러스터링의 경우 Scipy Clustering을 권장합니다.
HTH, 토르스텐
나는 R Bioconductor 및 확장기 및 백만 전자 볼트와 같은 무료 소프트웨어를 사용하는 것이 좋습니다. 좋은 선택은 TreeViews를 가진 클러스터 소프트웨어입니다. 또한 Python 코드에서 R 및 STATA 또는 JMP를 실행하고 데이터 관리를 완전히 자동화 할 수 있습니다.
R은 계층 적 클러스터링을 사용하여 마이크로 어레이 분석에 대해 설명하는 것과 정확히 일치하는 다양한 도구를 제공합니다. 여기에 R과 함께 마이크로 어레이 분석을하는 방법에 대한 자세한 내용을 담은 과정에 대한 링크가 있습니다. 희망 this!
클러스터링 및 기타 기계 학습 응용 프로그램 (Python)에 scikit-learn을 사용했습니다. 나는 scikit 방식이 일반적으로 직관적이며, 행복하게, 모든 것이 즉시 작동한다는 것을 발견했습니다.
하나의 계층 적 클러스터링 접근 방식 인 agglomerative clustering을 포함하여 clustering 개의 알고리즘을 사용할 수 있습니다.
클러스터링 외에도 감시 및 감독되지 않은 여러 가지 기계 학습 알고리즘이 있습니다. feature extraction, cross-validation 등을 지원하는 다양한 도구가 있습니다. 전처리 도구에는 PCA 등이 있습니다.
분명히 가치가 있습니다.