介绍一篇自己最近刚发表的小文，还新鲜着，欢迎各位老师同仁指正和交流！ 简单介绍下，详细见文章免费下载网址：
http://www.springerlink.com/content/t6t2536581304492/

在元基因组学研究中，首先要将元基因组的数据（或短或长的reads）转化成各种谱矩阵来分析。比如说代谢谱（metabolic profile）矩阵, 物种分类谱（taxonomic profile）等。类似于基因表达谱，这里的谱矩阵是研究社团功能、结构的关键,通过分析谱矩阵，我们可以得出哪些功能、物种对哪些环境是特异的。而元基因组中的谱矩阵有一个很明显的特点，就是有大量的重叠(overlapping)--大量的代谢通路（或物种）存在于几乎所有样本中，因此一般的聚类方法往往会失效。

我们在这里应用了一个已有的方法--非负矩阵分解(NMF)，并做了方法性的扩展。非负的意思是只对元素是非负的矩阵有效，而这里谱矩阵都是非负的，因为他们是基于对reads的BLAST统计得到的。总体的想法是用低维矩阵去逼近原来的谱矩阵，并得到样本的聚类，以及哪些代谢通路是样本类的指征通路(biomarker)。第一个问题是选择多少维的低维矩阵（模型选择）？这就好比聚类问题中，对数据聚多少类合适？已有的模型选择方法是基于聚类的，我们的方法不基于聚类，而是保留overlapping的模式，类似于模糊聚类，因此保留了数据的原始结构。在有overlapping的模拟数据上进行的分析结果表明，我们的这一改进提高了模型选择的准确度。另一个创新点是在可视化样本以及代谢通路的相似度矩阵时，我们采用了谱重排的方法，这对于大型的数据来说，在计算速度上有优势。谱重排的方法已经发展很久了，来源于图论，是一种目标函数的亚优化方法，又成功应用到了图像分割领域。基本思想是越相似的样本（或通路）在矩阵中排的离对角线越近。我们从NMF的结果直接定义样本和代谢通路相似度矩阵，然后对其进行谱重排，从而可以对谱矩阵进行可视化的调查。

该方法成功的应用到一套具有多个环境的元基因组代谢谱上，发现了一些环境特异的代谢通路，并讨论了该方法还可以发现数据中可能存在层级模式。

这个方法具有一般性，可以在任何非负矩阵上进行。生物数据中有很多谱矩阵，基因、蛋白表达谱，表型谱等，都可以用这个方法寻找特异性的基因、蛋白等biomarker。如对该方法感兴趣和有问题讨论，请联系我xingpengjiang@gmail.com





转载本文请联系原作者获取授权，同时请注明本文来自蒋兴鹏科学网博客。
链接地址：https://wap.sciencenet.cn/blog-216776-452829.html

上一篇：metagenomics几个研究热点
下一篇：抓个纪念