评估微阵列数据分析中观察到的聚类模式可重复性的方法

摘要 动机：近年来，cDNA微阵列技术等技术进步使得在生物样本中同时检测成千上万个基因成为可能。cDNA微阵列实验产生基因表达‘特征’。通常感兴趣的是根据特征发现新的子分组或‘聚类’，例如识别新的肿瘤分类。聚类分析技术，如层次聚类和自组织映射，通常用于研究微阵列数据中的结构。然而，聚类算法总是会检测到聚类，即使在随机数据上，并且如果没有某种客观的聚类可重复性度量，很容易误解结果。结果：我们提出了一些统计方法来检测基因表达特征的整体聚类，并定义了易于解释的特定聚类可重复性度量，以促进对聚类结构的理解。我们应用这些方法来阐明在黑色素瘤肿瘤和前列腺样本中获得的cDNA微阵列基因表达特征中的结构。可用性：实现这些方法的软件包含在可从http://linus.nci.nih.gov./BRB-ArrayTools.html获取的BRB ArrayTools微阵列分析包中。联系方式：lm5h@nih.gov * 通信地址。† 现地址：人类基因组科学公司，美国马里兰州罗克维尔20850。