当前位置：首页 > 培训职业 > 正文

Consensus Clustering(一致性聚类)-学习笔记

Consensus Clustering，一种无监督聚类方法，主要应用于癌症亚型分类研究，比如乳腺癌中的PAM50。其核心在于根据不同组学数据集将样本分为几个亚型，从而揭示新的疾病亚型或进行不同亚型的比较分析。

该方法采用重抽样技术，从原始数据中抽取一定数量的样本集，确定聚类数目k，并计算不同聚类数下的合理性。其目标在于发现新的疾病亚型或进行比较分析。

在Consensus Clustering中，选择k值通常考虑CDF下降坡度小的原则，但这一原则并非绝对。可以依据研究目的选择其他最优的k值，或灵活调整。

Consensus Clustering实现相对简便，使用R包ConsensusClusterPlus即可完成。仅需一个表达矩阵，如rawdata.txt，该工具将输出k从2到10的各情况下分型情况，采用PAM方法进行聚类。抽样比例通常设定为0.8，最后输出结果为png图和csv文件。

确定亚型后，可以进一步分析。例如，绘制不同亚型的表达模型热图，分析特定分类下不同亚型的表达差异，进行基因表达的显著性差异检验，结合PCA或共表达网络等技术进行深入研究。参考资料包括ConsensusClusterPlus教程和关于一致性聚类识别肿瘤亚型分析的文献。