同时聚类癌症基因表达数据？

Question

我正在研究基因表达数据聚类技术，我已经从网络上下载了35个数据集，我们有35个数据集，每个数据集代表一种癌症。每个数据集都有自己的功能。其中一些数据集在多个特征中共享，其中一些从特征的角度来看并不共享任何内容。

我的问题是，我们如何最终集群这些数据，而它们中的许多并不具有相同的特征？

我认为我们可以同时对所有35个数据集进行聚类操作。我的想法正确吗？

任何帮助都是非常感谢的。

Answer 1

我假设当你说异源的时候，它是指不同的基因表达平台，其中存在不同的基因。

您可以使用任何聚类技术，但您需要编写自己的距离度量，以考虑数据集中的异构性。例如，您可以使用成对样本之间所有公共基因的相关性，从中创建一个距离矩阵，然后在此距离矩阵上使用诸如层次聚类之类的东西

Answer 2

我认为没有必要编写自己的距离度量。已经有大量的距离度量可以用于混合数据类型。例如，gower距离适用于混合数据类型。请参阅同一个post上的。但是如果你的数据只包含连续的值，那么你可以使用k-means。如果先对数据进行预处理，也会更好。