Co to je?
K-shlukování seskupuje vzorky, které jsou si navzájem nejpodobnější. Jeden shluk (nebo skupina) se tvoří kolem jednoho těžiště (tzv. centroidu); počet centroidů určuje uživatel.
Kdy se používá?
Tento test se provádí k profilování vzorků. Diktujete, kolik klastrů je vytvořeno.
K-shlukování: Příklad
Analyzujeme proteinový profil 1000 proteinů u 100 pacientek s rakovinou prsu pomocí mikročipu na bázi protilátek. Věříme, že existuje pět podtypů rakoviny prsu založených na buněčných fenotypech. Chceme zjistit, zda pacienti spadají do jejich diagnostikovaného podtypu.
1. Exprese je pro každý protein u 8 pacientů centrována a poté „škálována“ s přihlédnutím k průměrné a standardní odchylce exprese (obrázek 1).
2. Zadáme do softwaru, že chceme 5 podtypů. Software vybere na grafu pět bodů zvaných centroidy (obrázek 2).
3. Vypočítá se euklidovská vzdálenost nebo nejbližší vzdálenost mezi těžištěm a daty vzorku. Četné iterace jsou prováděny za účelem nalezení optimální polohy centroidu a seskupení (grouping).
4. Vzorky jsou seskupeny do 5 finálních skupin (obrázek 3). Toto jsou data, o která se zajímáme.
Obrázek 1: Příklad centrování a škálování dat. A) Úroveň exprese proteinu „X“ ve dvou souborech dat je B) centrována na střed a C) škálována, takže všechny soubory dat mají průměr 0 a standardní odchylku 1.
Obrázek 2: 2D graf představující data „redukované dimenze“ a shluky přiřazené v první iteraci. Každý bod představuje data redukované dimenze od jednoho pacienta.
Obrázek 3: 2D graf představující data „redukované dimenze“ a shluky přiřazené v poslední (optimální) iteraci. Každý bod představuje data redukované dimenze od jednoho pacienta.
Jak vypadají data?
Výsledky K-shlukování mohou být zobrazeny ve formě 2D grafu, jako je na obrázku 3, a/nebo jako tabulka se seznamem shluků (klastrů) a vzorků přiřazených ke každému shluku.
(Převzato od společnosti RayBiotech, redakčně upraveno.)