Hierarchické shlukování (klastrování)

kategorie: Biostatistika
vytvořeno: 8.4.2021

Co to je? 

Hierarchické shlukování charakterizuje, jak podobné (nebo odlišné) jsou vzorky na základě celkového obrazu měření. Skupinami mohou být například pacienti a celkový obraz lze odvodit z proteinové exprese napříč širokým spektrem jednotlivých proteinů. Hierarchické shlukování analyzuje podobnost binárním způsobem začínaje jedním vzorkem.

 

Kdy se používá? 

Tento test se provádí k roztřídění vzorků. Nemůžete diktovat, kolik klastrů je vytvořeno.

 

Hierarchické shlukování: Ukázkové otázky

 

Jak podobné jsou buněčné linie X, Y a Z na základě jejich profilu exprese?

 

Kolik podskupin rakoviny prsu existuje na základě profilu exprese?

 

Je profil exprese léčeného pacienta více podobný zdravému pacientovi nebo nemocnému pacientovi?

 

Jak to funguje? 

Hierarchické shlukování používá k vytvoření dendrogramu klastru algoritmus, který ukazuje, jak se skupiny navzájem seskupují (obrázek 1). Na příkladu uvedeném na obrázku 1 jsou kroky vytvoření hierarchického klastru následující:

 

1. Exprese proteinu je pro každý protein u 8 pacientů centrována a poté „upravena“ s přihlédnutím k průměrné a standardní odchylce hodnot exprese (obrázek 2).

 

2. Vypočítá se euklidovská vzdálenost nebo nejbližší vzdálenost mezi dvěma datovými body na základě intenzity hodnot (např. proteinová odezva).

 

3. Dva nejbližší datové body jsou seskupeny dohromady a dále se s nimi zachází jako s jedním datovým bodem. Další dva nejbližší datové body jsou seskupeny dohromady atd. Takto to pokračuje, dokud nebudou všechny datové skupiny „sloučeny“ do jednoho klastru.

Obrázek 1: Hierarchický klastr zdravých a nemocných pacientů, kde červená představuje zvýšenou úroveň exprese a modrá sníženou úroveň exprese proteinu.

Obrázek 2: Příklad centrování a škálování dat. A) Úroveň exprese proteinu “X” ve dvou souborech dat je B) centrována a C) škálována, takže všechny soubory dat mají průměr 0 a standardní odchylku 1.

 

Jak vypadají data? 

Hierarchické shlukování vytváří 1) teplotní mapu s klastrovými dendrogramy (obrázek 1) a 2) tabulku uvádějící, které skupiny se spolu seskupují (tabulka zde není zobrazena).

Začněte s rokem 2021 mikroskopovat ErGO!nomicky!

Začněte s rokem 2021 mikroskopovat ErGO!nomicky!

Dobře nastavené pracovní prostředí může výrazně zlepšit pracovní výkon. Leica Microsystems nabízí řadu ErGO! příslušenství pro mikroskopické systémy Leica DM1000 - DM3000. Jako jediná na trhu přináší uživatelům například ergonomický modul umístitelný mezi stojan a tubus mikroskopu.

více informací
Zlepšení výsledků IHC a IF barvení – webinář [ENG]

Zlepšení výsledků IHC a IF barvení – webinář [ENG]

Imunohistochemie (IHC) a imunofluorescence (IF) jsou dobře zavedené a důvěryhodné metody pro detekci a lokalizaci proteinů ve vzorcích buněk a tkání. I zkušení vědci a laboratorní pracovníci však někdy zápasí s opakujícími se problémy, jako je interference pozadí, nedostatek specificity, slabý signál nebo špatná reprodukovatelnost. Všechny tyto potíže se navíc mohou sloučit a jejich řešení vyžaduje spoustu cenného času a zvýšení nákladů, což znamená také snížení produktivity laboratoře a zpoždění dodávání smysluplných výsledků.

více informací
Jak se vytvářejí ostrá zobrazení

Jak se vytvářejí ostrá zobrazení

V mikroskopii je hloubka ostrosti často považována za empirický parametr. V praxi je určena korelací mezi numerickou aperturou, rozlišením a zvětšením. Možnosti nastavení moderních mikroskopů vytvářejí pro dosažení nejlepšího možného vizuálního dojmu optimální rovnováhu mezi hloubkou ostrosti a rozlišením - tedy dvěma parametry, které jsou teoreticky nepřímo korelované.

více informací