- 移动端
上海阿趣生物科技有限公司
13 年
手机商铺
商家活跃：
产品热度：
- NaN
- 0.5
- 1.5
- 0.5
- 3.5
氨基酸代谢组学案例分析
￥600 - 800
公司新闻/正文
多组学关联分析方法 HAllA 操作方法
1928 人阅读发布时间：2020-11-24 15:31
HAllA（Hierarchical All-against-All association）是一种在高维、异构数据集中寻找多分辨率关联的计算方法。用于以高功率发现数据特征之间的显著关系。对数据类型具有很强的鲁棒性，可以对连续值和分类值进行操作，并且在同质数据集（所有测量值都属于同一类型，例如基因表达微阵列）和异构数据（包含具有不同单位或类型的测量值，例如患者临床数据）上都能很好地工作。
简单来讲，HAllA是探索代谢组学、转录组学、微生物组学、蛋白质组学等多个组学之间相关性的有力工具。
HAllA流程图如下：
HAllA特点：
通用性：可以处理混合数据类型的数据集：分类、二进制、连续、词法（有或无固有顺序的文本字符串）；
效率：不需要遍历所有可能的关联，而是只对统计学上有意义的候选变量进行详细测试；
可靠性：利用分层错误发现校正来限制由于多重假设检验导致的假阳性；
可扩展性：不同步骤可以使用不同的方法。
1. 相似性计算方法有：Pearson、Spearman、归一化互信息（NMI）、调整后的互信息（AMI）、互信息（MI）、最大信息系数（MIC）、离散化互信息默认和距离相关（DCOR）；
2. 降维分解的方法有：层次聚类、PCA、ICA、MCA、聚类质心、偏最小二乘法（PLS）、典型成分分析（CCA）和核主成分分析（KPCA）；
3. FDR 方法有：BHY、BH 和 Bonferroni。
简单来讲，HAllA是探索代谢组学、转录组学、微生物组学、蛋白质组学等多个组学之间相关性的有力工具。
HAllA流程图如下：
HAllA特点：
通用性：可以处理混合数据类型的数据集：分类、二进制、连续、词法（有或无固有顺序的文本字符串）；
效率：不需要遍历所有可能的关联，而是只对统计学上有意义的候选变量进行详细测试；
可靠性：利用分层错误发现校正来限制由于多重假设检验导致的假阳性；
可扩展性：不同步骤可以使用不同的方法。
1. 相似性计算方法有：Pearson、Spearman、归一化互信息（NMI）、调整后的互信息（AMI）、互信息（MI）、最大信息系数（MIC）、离散化互信息默认和距离相关（DCOR）；
2. 降维分解的方法有：层次聚类、PCA、ICA、MCA、聚类质心、偏最小二乘法（PLS）、典型成分分析（CCA）和核主成分分析（KPCA）；
3. FDR 方法有：BHY、BH 和 Bonferroni。
下面以测试过的系统和软件为例说明操作方法
系统：
Linux debian 4.9.0-4-amd64 #1 SMP Debian 4.9.65-3 (2017-12-03) x86_64 GNU/Linux
软件：
3.6.9 |Anaconda, Inc.| (default, Jul 30 2019, 19:07:31) \n[GCC 7.3.0]
运行：
1. 安装halla包：直接在安装了 python 的环境的命令行输入 pip install halla，需要注意的是该包调用了 R 的相关函数，所以需要安装 R 及相关包；
2. 下载示例数据，列是样本行是特征：
(1)使用提供的案例数据，样本需要一一对应；
(2)也可以使用包中 example 文件夹下的数据。
3.使用 HALLA API 分析，python 代码如下：
常用参数
X：第一个数据集；
Y：第二个数据集；
m：选择相关性计算方法（spearman ：Spearman's rank correlation 斯皮尔曼等级相关系数）；
header：使用两个数据集的列名来查找列（样本）并重新排序。
参数还有很多，在此不再一一介绍。
结果解释：
1. 数据集 X 和 Y 的聚类热图，左侧展示了特征簇。
2. associations.txt 文件:
表头解释
association_rank：相关性 p 值的排名；
cluster1：第一个数据集的聚类后的簇；
cluster2：第二个数据集的聚类后的簇；
Pvalue：簇 1 和簇 2 的检验后的 p 值；
Qvalue：校正后的 p 值。
similarity_score_between_clusters：两个类别之间的相关性大小。
3. similarity_table.txt：
这个文件是第一个数据集与第二个数据集中成对特征的相关性矩阵。OUTPUT 文件夹里面还有很多结果，不再一一介绍。
4. 还可以使用修改后的 corr_heatmap.py 画出相关性热图，在 OUTPUT 文件夹里打开 shell，输入下面的命令：
上图和常规的相关性热图类似，但是会突出展示聚类后的簇之间的相关性，图中标出的数字是对应簇相关性大小的排名，数字越小相关性越高。
除了这个分析之外，阿趣代谢还提供各类个性化定制分析服务，文献上的炫酷图片+烧脑分析，不要客气，敬请扔过来进行咨询~欢迎有此类需求的老师垂询服务热线：400-664-9912。