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~

zouquan

http://www.oncomir.umn.edu/

这个收集了microRNA的表达谱数据

zouquan

http://www.cs.utexas.edu/users/dml/Software/cocluster.html

一个双聚类软件(也可以用来做单聚类)，可用。已安装在70服务器/home/zouquan/geneexpress目录下

注意事项：输入数据的第一行要写上多少行、多少列，用空格隔开，比如：（test.txt）
6 6
54 54 42 0 0 0
54 54 42 0 0 0
0 0 0 42 54 54
0 0 0 42 54 54
36 36 28 28 36 36
36 36 28 28 36 36

运行命令：./Cocluster- -A e -C 3 -R 3 -E 1 -I d t test.txt -O c b 1 o output.txt

输出结果每3行是一组聚类

第一行是几乘几

第二行和第三行分别是行标和列标

参考文献：
Co-clustering of Human Cancer Microarrays using Minimum Sum-Squared Residue Co-clustering, H. Cho and I.S. Dhillon, IEEE/ACM Transactions on Computational Biology and Bioinformatics (TCBB), vol. 5:3, pages 385-400, July 2008.

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

zouquan

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

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.

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——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.

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

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