标准正态分布表_表达矩阵的归一化和标准化,去除极端值,异常值

我们阅读量破万的综述:RNA-seq这十年(3万字长文综述)给粉丝朋友们带来了很多理解上的挑战,所以我们开辟专栏慢慢介绍其中的一些概念性的问题,上一期:

RNA-seq的counts值,RPM, RPKM, FPKM, TPM 的异同

在数据挖掘过程,数据的归一化和标准化是必须的。取log值就是一种归一化的方法,z-score是常用的标准正态分布化的方法。

归一化和标准化的区别

实际上口语里面通常是没办法很便捷的区分这两个概念。
归一化:将每个样本的特征值(在转录组中,特征值就是表达量)转换到同一量纲下,把表达量映射到特定的区间内,区间的上下限由表达量的极值决定,这种区间缩放法是归一化的常用方法
标准化:按照表达矩阵中的一个基因在不同样本中的表达量处理数据,每个样本点都能对标准化产生影响,通过求z-score值,转换为标准正态分布,经过处理的数据的均值为0,标准差为1,因此z-score也称为零-均值规范化。

取log对表达量的影响

原始的raw counts矩阵是一个离散型的变量,离散程度很高。有的基因表达丰度比较高,counts数为10000,有些低表达的基因counts可能10,甚至在有些样本中为0。
即使经过了RPKM/FPKM等方法抵消了一些测序技术误差的影响,但高低丰度基因的表达量的差距依然很大。
如果对表达量去一下log10,发现10000变成了4,10变成了1,这样之前离散程度很大的数据就被集中了。

69303b316485d836a66bb9dd3cd94193.png


如上图,这些离散的表达量都汇聚到了不同底数的log函数线上,可以使绘制的热图、箱线图等图形更加美观。
有时当表达量为0时,取log会出现错误,可以log(counts+1)来取log值。当x=1时,所有的log系列函数值都为0。这样原本表达量为0的值,取log后仍为0。
这也就是UCSC的XENA下载到的表达矩阵的形式。

z-score对表达量的影响

log对每个样本的表达量的处理标准是一样,而z-score考虑到了不同样本对表达量的影响,计算z-score时,消除到了表达的平均水平和偏离度的影响。

07d723b6413ca73655a7d6af59878a00.png


转换后表达量符合正态分布分布,Z-score只是一个临界值,是标准化的结果,本身没有意义,有意义的在于在标准正态分布模型中它代表的概率值。
所以只要知道Z值, 查对应的正态分布表,就可以知道表达量偏离平均水平的程度。

4627b81f82d975698196af013ed719c8.png

表达量log归一化和z-score标准化的使用范围

  • 如果对表达量的范围有要求,用归一化。

  • 如果表达量较为稳定,不存在极端最大最小值,使用归一化。

  • 如果表达量离散程度很大,存在异常值和较多噪音,用标准化可以避免异常值和极端值的影响。

  • 在分类、聚类、PCA算法中,使用z-score值的结果更好。

  • 数据不太符合正态分布时,可以使用归一化。

  • 机器学习的算法(SVM、KNN、神经网络等)要求归一化/标准化

剔除异常值

大家看群主代码绘制热图,里面经常看到z-score以及去除极端值的:

1126864d0b4c920926a747a36fe9dd24.png

希望你看清楚下面代码是如何进行z-score的

pheatmap(dat)
n=t(scale(t(dat)))
n[n>2]=2 #限定上限,使表达量大于2的等于2
n[n-2]= -2 #限定下限,使表达量小于-2的等于-2n[1:4,1:4]pheatmap(n,show_colnames =F,show_rownames = F)ac=data.frame(group=cluster)rownames(ac)=colnames(n)pheatmap(n,annotation_col = ac,show_colnames =F,show_rownames = T)n[n-1]= -1 # 重新限定下限,使表达量小于-2的等于-2
n[1:4,1:4] 
pheatmap(n,annotation_col = ac,
         show_colnames =F,show_rownames = T)

总结

在一些公共数据库如TCGA、GEO中,会提供取log值、z-score后的表达量矩阵,这些值都是count矩阵的另一种表示形式。了解这些值背后的含义及应用范围,针对不同的数据挖掘模型,选取适合的表达量的表示形式来达到预期的结果。

那么,怎么样知道你的表达矩阵是否需要进行归一化或者标准化呢?下面的学习班可能会帮助你!

219bb06af2c46d18576c0c0c0c6c0baf.gif

全国巡讲约你

第1-11站北上广深杭,西安,郑州, 吉林,武汉,成都,港珠澳(全部结束)

一年一度的生信技能树单细胞线下培训班(已结束)

全国巡讲第13站-杭州(生信技能树爆款入门课)(下一站甘肃兰州,火热报名)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/430810.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

html input p,我想在input.phtml中创建下拉框。 (不要使用zend_form)

案例1:在你看来:echo $this->formSelect(name, Option 1, array(),array(Option 1, Option 2));1 ARG:选择,第二个arg的名称:值;第三个参数:attributs,第4 ARG:选择案例2&#xf…

HTML5学习

1. HTML5是W3C和WHCTWG合作的结果。 2. W3C 指 World Wide Web Consortium,万维网联盟。 3. HTML5新规则: 新特性应该基于 HTML、CSS、DOM 以及 JavaScript。减少对外部插件的需求(比如 Flash)更优秀的错误处理更多取代脚本的标记…

计算机网络关于封装成帧题目,上海第二工业大学-计算机网络通信期中试卷答案...

上海第二工业大学 (试卷编号: )2014-2015学年第2学期 计算机网络与通信 期中考试试卷姓名: 学号: 班级: 成绩:一、 填空题 (每空1分,共18分)1. 当前广泛提及的三网融合中的三网分别是 电信网络 、 电视网络…

python全套学习方法_python学习方法总结(内附python全套学习资料)

种一棵树最好的时间是十年前,第二好的时间是现在(文末有资料获取方法)先聊聊互联网转行那些事儿很多人是小白,想从事或转行互联网,想以python为切入口,那么恭喜你,这可能是你离互联网工作最捷径的一条道路了&#xff0…

2016.03.04,英语,《Vocabulary Builder》Unit 04

vor: 来自拉丁动词vorare,指to eat,-ivorous指吃某种食物的eater。carn肉,肉欲vore吃→吃肉的;carnival狂欢节,谢肉节voracious a 狼吞虎咽的(voracious多…..的--吃多的) voracity n 贪食(voracilty) devour v 吞吃&a…

计算机培训简报膜报,信息技术培训工作简报(第4期).doc

信息技术培训工作简报(第4期)东原香山实验小学 (第四期) 2016年3月1日信息技术培训研修总结通过培训学习,使我进一步地掌握了有关现代信息技术的知识,提高了认识。随着计算机、多媒体、现代通讯网络为代表的信息技术的迅猛发展,信息技术已经渗透到了教育…

微星主板超频_内存超频能力依旧拔群!微星MEG Z490 ACE主板评测

一、前言:内存超频首选的新板子来了一直以来,微星主板都以强悍的内存超频能力而著称,而高频内存对于许多游戏带来的提升都是肉眼可见。随着全新Intel 10代酷睿处理器的上市,微星的MEG系列的Z490主板会给大家带来哪些惊喜呢&#x…

人工智能是利用电子计算机模拟人类智力,第一章 计算机系统.ppt

多媒体计算机 扫描仪 DVD光盘及DVD 光盘刻录机 数码像机 投影仪 常用设备 基本操作 冷启动 热启动 RESET方式 启动计算机 顺序: 应用程序 ? 主机 ? 外设 ? 电源 (P27) 关闭计算机 指向、单击、双击、右击、拖放 (P30) 鼠标操作 键盘分布、功能、击键姿势 (P30~31) 键盘操作 …

g++ 内存不够_手机内存老是不足?这三招,让你马上腾出12个G

不知道朋友们遇到手机卡慢、空间不足的第一反应是什么?A:换个手机。B:内存满了,找清理软件狂删啊!使用智能手机的人大家肯定和小编一样恋旧,觉得换手机很麻烦所以不断尝试各种清理软件,清理手机…

ubuntu - 如何以root身份使用图形界面管理文件?

nautilus 是gnome的文件管理器,但是如果不是root账号下,权限受限,我们可以通过以下方式以root权限使用! 一,快捷键“ctrlaltt”,调出shell。 二,在shell中输入:“sudo nautilus ”,就…

防灾科技学院计算机组成原理,防灾科技学院计算机组成原理复习材料1

一、单项选择题:(每题1分,共20分)1、目前我们所说的个人台式商用机属于。A、巨型机B、中型机C、小型机D、微型机2、下列数中最大的数是。A、(10011001)2B、(227)8C、(98)16D、(152)103、在小型或微型计算机里,普遍采用的字符编码是。A、BCD码…

stringbuilder寻找字符串位置可能存在多个 java_Java 语言基础amp;String

Java 语言基础String 字符串的不可变性 定义一个字符串使用变量来赋值变量 String s2 s; s2 保存了相同的引用值, 因为他们代表同一个对象 字符串连接 s s.concat("ef"); s 中保存的是一个重新创建出来的 string 对象的引用 总结一旦一个 str…

cogs 547:[HAOI2011] 防线修建

★★★☆ 输入文件:defense.in 输出文件:defense.out 简单对比                      时间限制:1 s 内存限制:128 MB 题目描述: 近来A国和B国的矛盾激化,为了预防不测&#…

人工智能和计算机软件,人工智能在计算机软件方面有什么应用?

人工智能(Artificial Intelligence) ,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似…

pq分解法中b’怎么求_14.初中数学:二元一次方程组,加减消元法怎么解?视频有详细解题步骤...

欢迎您来到方老师数学课堂,请点击上方蓝色字体,关注方老师数学课堂。所有的视频内容,全部免费,请大家放心关注,放心订阅。初中数学:二元一次方程组,加减消元法怎么解?视频有详细解题…

hihoCoder 1114 小Hi小Ho的惊天大作战:扫雷·一 最详细的解题报告

题目来源:小Hi小Ho的惊天大作战:扫雷一 解题思路:因为只要确定了第一个是否有地雷就可以推算出后面是否有地雷(要么为0,要么为1,如果不是这两个值就说明这个方案行不通),如果两种可能…

win8计算机可用内存不足,Win8.1玩游戏提示计算机内存不足,Win8.1内存不足怎么办?...

Win8.1玩游戏提示计算机内存不足,Win8.1内存不足怎么办?有朋友使用Win8.1系统,这一段时间,在玩游戏(如孤岛危机3、鬼泣4)过程中,频繁出现下面提示框:关闭程序以防止信息丢失计算机的内存不足。请保存文件并关闭这些程序Windows将…

谈谈对python这门课的认识_【Python公开课】1-认识Python

一、 课程介绍● 初识 Python● Hello,World● print()● 顺序执行、注释二、重难点解析为什么选择 Python?Python 是一门对初学者最友好的编程语言,人们可以利用它轻松地实现想要的功能,将更多精力和时间花在更应该专注思考的地方。本节课将…

软件测试作业(一)

说起程序中的bug,真是一个令所有程序员深恶痛绝的东西,然而大部分都是源于接触少,缺乏经验。 在上学期javaWeb大作业中,在写一个jsp的时候,由于一个button的功能是提交,于是把这个button的name赋值为submit…

怎么在服务器上加端口映射,Windows服务器中命令行添加端口映射

微软Windows的netsh工具可以查看或变更本地计算机或远程计算机的网络配置。不仅可以在本地计算机上运行这些命令,而且可以在服务器上直接运行,本文对一些特定部署环境的服务器配置有一定帮助。首先使用查看当前端口映射配置:netsh interface …