基因表达数据分类聚类相关资料（持续更新）

AmBeta

注意：本帖禁止灌水回复!所有附件仅供内部成员下载和学习交流


数据集：

一、国内外生物信息学引用较为广泛的癌症数据集

来源：http://www.gems-system.org/
内容：

说明：这个网站提供的数据是MATLAB矩阵格式的，需要使用MATLAB将其转换为表格格式——使用csvwrite('filename',matrixname)命令即可，然后再用weka自带的功能将其转换为weka可以直接使用的.arff格式即可。要注意到得到的表格格式文件需要自行添加属性名，也就是属性序号。我已经做了这些数据的转换，有需要的可以直接向我索要咯~

zjcdm

声明：本帖只是对mRNA特征选择程序的使用进行介绍，没有对原理方法深究。
出处链接: http://penglab.janelia.org/proj/mRMR/
1、输入文件格式要求：
        程序的输入文件格式必须是CSV文件。
2、输入内容的格式要求：
        CSV文件的内容形式是第一行是以类别特征开始的特征变量名，特征变量名之间用 “，” 隔开，不能有其它的字符。下面每一行都是对应特征变量名的特征值一样用逗号隔开。
        ！！！注意的是，特征变量的第一个必须是类别（就是你的分类的标号），这跟我们平常arff文件的习惯不一样。
         例子： http://penglab.janelia.org/proj/mRMR/test_lung_s3.csv
3、该特征选择方法提供在线版本，但是有所限制，文件大小不能超过2M，特征变量的个数不能超过10000，选择的特征不能超过200。如果受限的话自己下作者源程序使用。
4、这里介绍作者提供的C++版本的程序的使用。
     命令是：./mrmr -i input.csv -t thresholds -n fea_num -m method -s max_example -v max_variables
     解释：input.csv是出入的文件。           
               thresholds默认是9999，这个变量的作用是类似定义一个区间，在该区间里面的例子得分是一样的。
               fea_num是要选择特征的个数，作者的程序设置为最多是500。要注意如果没有改作者的程序的话如果运行程序的fea_num大于500全部设置为500。如果需要增加特征个数，要改mrmr.cpp文件，将文件中874和875行注释掉，然后将951行的poolFeaIndMax改为nfea，这样重新编译之后，就可以随意设置选择要选择的特征个数。（编译方法见下面）
               method的值只有两种"MID"和“MIQ”。
               max_example是文件例子的最大值，默认是1000。
               max_variables是特征变量的最大个数，默认是10000.
5、如果有自己改程序，就要重新编译。确定自己机器有C++编译器后，用下面的命令：
      make -f  mrmr.makefile clean
      make -f mrmr.makefile
      然后就可以用命令（见4） ./mrmr ......运行了

     如果有什么不对或者不足的地方，欢迎各位补充和指正。谢谢。

zouquan

http://bib.oxfordjournals.org/content/14/3/279.full.pdf+html
biclustering综述
Briefings in Bioinformatics 2013最新论文

zouquan

有待整理，但可用的数据
http://perso.telecom-paristech.fr/~gfort/GLM/Programs.html
http://llmpp.nih.gov/lymphoma/data/rawdata/
http://www.cancerinstitute.org.a ... ogy-groups/melanoma
http://www.ihes.fr/~zinovyev/princmanif2006/

zouquan

http://datamining.xmu.edu.cn/software/cluster_related/

聚类的相关代码使用方法，均已布置在66服务器上。

感谢@chenwq 的辛苦整理

http://datamining.xmu.edu.cn/bbs ... wthread&tid=886

廖原路

李涛特征选择的实验数据

ALL     http://www.stjuderesearch.org/data/ALL1/
MLL    http://research.dfci.harvard.edu/korsmeyer/MLL.htm
SRBCT     http://research.nhgri.nih.gov/microarray/Supplement/

NCI60    http://www.ncbi.nlm.nih.gov/sites/GDSbrowser?acc=GDS1761
由于数据太大，不能够上传，需要修改后规范数据的同学，请于我联系

yuanluliao@foxmail.com


数据已经上传到服务器59.77.16.75。
/home/share/数据/生物信息学数据/基因表达数据 目录下，大家可以去那下载

aaronwxb

特征选择方法——mRMR

在线资料：http://penglab.janelia.org/proj/mRMR/

windows32位版运行，从dos界面到目录下直接用命令运行

参考论文：H. Peng, F. Long, and C. Ding, “Feature Selection Based on Mutual Information: Criteria of Max-Dependency, Max-Relevance, and Min-Redundancy,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 27, no. 8, pp. 1226-1238, Aug. 2005.

aaronwxb

aaronwxb 发表于 2013-4-26 21:17
特征选择方法——Rankgene

资料链接：http://genomics10.bu.edu/yangsu/rankgene/  （从网页上下载的源码 ...

sorry，忘传附件了~
该版本已修复源代码bug，运行结构在文件/data/gene.list 中

aaronwxb

特征选择方法——Rankgene

资料链接：http://genomics10.bu.edu/yangsu/rankgene/  （从网页上下载的源码有错，rankgene-1.1.tar.gz解压后需修改一下，文件/rankgene-1.1/load_genes.C第443行回退一行）

环境要求：
Supported operating systems and compilers
Operating System                     Compiler
Linux (Redhat 7.2/7.3)        gcc 2.96
Linux (Redhat 8.0)                       gcc 3.2

测试环境：gcc version 4.3.0 20080428 (Red Hat 4.3.0-8) (GCC)     OK

运行步骤：
1.准备
  $ gunzip rankgene-1.1.tar.gz

   $ tar -xvf rankgene-1.1.tar

   $ cd rankgene-1.1

   $ make

2.数据
标准格式（以源代码中测试数据为例）：
all-aml.txt    基因表达矩阵（所有数据用tab分隔）
Gene Description        Gene Accession Number        样本名1   样本名2 ...
基因1的名字    基因1的编号   表达值1 表达值2...
基因2的名字    基因2的编号   表达值1 表达值2...
...
all-aml-class.txt   
样本名、类名，用tab隔开

3.运行
./rankgene -m 7 -n 100 -o data/gene.list -i data/all-aml.txt -c data/all-aml-class.txt

参考文献：Y. Su, T.M. Murali, V. Pavlovic, and S. Kasif, “Rankgene:Identification of Diagnostic Genes Based on Expression Data,”
Bioinformatics, http://genomics10.bu.edu/yangsu/rankgene/,2003.

zouquan

deep learning 代码，见http://datamining.xmu.edu.cn/bbs ... wthread&tid=893

zouquan

http://www.eisenlab.org/EisenData.htm
主要是酵母的基因表达数据
参考文献：郎显宇，陆忠华，迟学斌.一种基于“基因表达谱”的并行聚类算法.计算机学报.2007,30(2):311-316