Klasifikacija (nadzirano učenje) podataka o izražavanju na razini puta

J. Doe

2018-02-27 16:31:08 UTC

view on stackexchange narkive permalink

Pitao sam se postoji li način na koji se algoritmi klasifikacije (npr. slučajna šuma) mogu primijeniti na podatke mikrorazreda, ali ne upotrebljavajući gene kao prediktore / značajke već put kojem pripadaju.

Stvar je u tome što izrazi gena koji pripadaju istom putu trebali bi se nekako grupirati i transformirati u novu vrijednost koja će opisati taj put za svaki određeni uzorak.

Dopustite mi da dam primjer.

Pod pretpostavkom da imamo g1, g2, g3, g4, g5, g6, g7, g8, g9, g10 kao gene i p1, p2, p3 kao putove.

I g1, g2, g3 pripadaju p1 dok g3, g4, g5, g6 pripadaju p2 i g2, g6, g7, g8, g9, g10 pripadaju p3

Jedna je misao izračunati srednji izraz gore navedene grupe gena po uzorku, a zatim pokrenite algoritam klasifikacije na vrhu ovih vrijednosti. Ali želio bih čuti / pročitati vaše mišljenje o takvom pristupu, kao i vaše prijedloge za korištenje druge metode za to.

Konačni cilj bio bi izdvajanje najznačajnijih prediktora klasifikacije (putovi) .

Pretpostavljate li da su ekspresija gena slična u putovima? Jer u pravom eksperimentu nisu.

Ne, ne želim pretpostavljati tako nešto, ali spomenuo sam srednju vrijednost kako bih grupirao gene svakog puta. Ovaj pristup može biti potpuno pogrešan, ali zato sam objavio ovdje. Da biste dobili povratne informacije i različita mišljenja.

Moja poanta je da nisam vidio algoritam koji može transformirati vrijednosti ekspresije različitih gena u jednu vrijednost koja predstavlja zadani put.

U redu Vidim...

Čini se da pokušavate pogrešno izmisliti aktivacijski Z-rezultat koji je proizveo IPA ili slični alati. Predlažem da to jednostavno upotrijebite.

IPA je komercijalna. Zar ne? Možete li mi pružiti besplatne one temeljene na R-u kako bih razumio što točno predlažete?