蛋白表达模式聚类分析-测试狗科研服务

{{couponData.name}} ￥{{Math.floor(couponData.money)}} {{couponData.discount}}折￥{{couponData.random_min_money | int}}~{{couponData.random_max_money|int}}

{{timeH}}:{{timeM}}:{{timeS}}

{{couponData.name}} ￥{{Math.floor(couponData.money)}} {{couponData.discount}}折￥{{couponData.random_min_money | int}}~{{couponData.random_max_money|int}} （{{couponData.min_amount==1?'无门槛':'满'+Math.floor(couponData.min_amount)+'可用'}}）

距失效

时

分

秒

Document

当前位置：生物测试 › 生物信息学平台 ›

蛋白表达模式聚类分析

99%

满意度

蛋白表达模式聚类分析

预存专享优惠积分抵扣

已预约：

124次

服务周期：

平均10个工作日完成

立即下单

咨询价格

项目介绍

聚类是基因表达数据分析中的重要工具 - 无论是在转录本还是蛋白质水平上，这种无监督分类技术通常用于揭示隐藏在大型基因表达数据集中的结构。其中大多数聚类算法都会对数据进行硬分区，即每个基因或蛋白质都精确分配给一个聚类。如果群集分离良好，则硬群集是有利的，但是基因或蛋白质表达数据通常不是这种情况，因为基因或蛋白质簇经常重叠。另外，硬聚类算法通常对噪声非常敏感。为了克服硬聚类的局限性，我们实施了软聚类，软聚类具有更强的噪声鲁棒性，并且可以避免对基因或蛋白质进行先验的预过滤，这样可以防止从数据分析中排除生物学相关的基因或蛋白质。

分析方法

采用 Mfuzz 方法对不同连续样本下蛋白的表达进行聚类分析。该方法采用了一种新的聚类算法 fuzzy c-meansalgorithm，相比 K-means 等 hard clustering 算法，一定程度上降低了噪声对聚类结果的干扰，而且这种算法有效的定义了基因和 cluster 之间的关系。为了进一步了解每个 cluster 中蛋白参与的生物学过程，我们分别对对每个 cluster 中的蛋白进行了 GO 功能、KEGG 通路和蛋白结构域的富集分析。

样品要求

详情请联系技术经理。

项目案例