原文见：http://www.biostat.ucsf.edu/jean/Presentation/IMSLAB.pdf

为了方便大家学习，我将该文翻译成中文加上一些相关的简单介绍，经验尚浅，还请大家多提意见。

1、R统计分析工具

文中主要利用R做为分析统计工具，软件相关信息见请参考www.r-project.org/。

英文简介：http://cran.r-project.org/doc/manuals/R-intro.pdf

中文简介：http://www.biosino.org/pages/newhtm/r/schtml

2、Bioconductor

Biocondocutor是基于R开发的用于基因组数据分析的软件，详情请参考http://www.bioconductor.org/。

Bioconductor的安装方法：打开R的命令窗口键入如下命令

source (http://www.bioconductor.org/biocLite.R)

biocLite()

3、数据

指南中使用的数据来自于三种急性白血病的基因表达研究，分别是B细胞急性淋巴性白血病(B-ALL)，T细胞急性淋巴性白血病(T-ALL)和急性脊髓性白血病(AML)。利用含有6817个人类基因的Affymetrix高密度寡核苷酸阵列(hgu68a)分析38个B-ALL，9 个T-ALL和25个AML肿瘤样品的基因表达水平。

4、数据预处理

1)阈值：100~16，000

2)筛选：除去max/min 5或者(max-min) 500的基因。这里max和min是指mRNA样品中基因的最大和最小密度。

3)以2为底的对数转换

数据文件GolubData.RData包括了基因的表达水平和基因名。筛选后的基因表达水平存储在3571 72的golub矩阵中，行和列分别对应基因和mRAN样品。

5、 练习

有两种方法完成这个练习，对于熟悉R或者S-plus的用户，你可以用自己写的代码完成练习；对于不熟悉R的用户，可以利用tkWkdgets包中的vExplorer功能完成练习。vExplorer功能提供了浏览和执行代码的图形界面。启动R，通过如下代码导入指南：

>install.packages("IMSLAB",contriburl="http://www.biostat.ucsf.edu/jean/software")

> library(IMSLAB)

> vExplorer( )

然后利用打开的窗口选择IMSLAB程序包。

开始

在开始练习前，有一些获得帮助的重要命令和语句需要介绍

> help.start()

> apropos("mean")

> ? mean

> example("mean")

载入数据包

> library(IMSLAB)

> data(GolubData)

聚类

聚类分析是以基因间的相似程度，或者说是基因间的距离为基础的。利用hclust功能聚类白血病mRNA样品。T-ALL，B-ALL和AML样品是否聚类到一起？通过改变hclust中的method参数试用不同的类间距离进行练习。在dist中通过改变method参数试用不同的基因距离进行练习。下面这些问题可以帮助你开始练习。

Q1：利用相关系数和最大类间距离对mRNA样品进行系统聚类分析

> library(mva)

> clust.cor

> plot(clust.cor, cex = 0.6)

Q2：用欧式距离和平均类间距类对mRNA样品进行系统聚类分析

> clust.euclid

> plot(clust.euclid, cex = 0.6)

Q3：利用mva包中的heatmap功能，你可以得到聚类分析的图像。但是要注意，这个功能对基因和样品都执行聚类分析，如果基因的数量过大，会导致这个方法运行缓慢，为了说明问题，我们仅选择100个基因为例。

> library(sma)

> golubvar

> top100

> heatmap(golub[top100, ])

然后我们尝试不同的聚类分裂方法

Q4：利用相关系数作为基因距离对mRNA样品进行Kmeans聚类分析。

> clust.kmeans

> names(clust.kmeans$cluster)

> clust.kmeans$cluster[1:10]

Q5： 利用cluster包中的PAM功能对mRNA样品进行“Partition Around Medoids”分析

> library(cluster)

> clust.pam

> clusplot(clust.pam, labels = 3, col.p = clust.pam$clustering)

Q6：利用som包中的自组织映射分析方法(SOM) 对mRNA样品进行聚类分析

Q7：最后，我们在方差的基础上选择前100个基因，执行上面所述的各种聚类分析方法。注意我们在基因的选择过程中没有使用任何同样品有关的信息。stat.gnames 功能能够根据选择的统计量将基因排序，在本例中统计量就是方差。

> golubSub

> par(mfrow = c(2, 2))

> plot(hclust(as.dist(1 - cor(golubSub)), method = "complete"),

+ cex = 0.6)

> plot(hclust(dist(t(golubSub)), method = "average"), cex = 0.6)

> clust.pam

> clusplot(clust.pam, labels = 3, col.p = clust.pam$clustering)

> par(mfrow = c(1, 1))