在本博客的第一部分，我介紹了 JMP Pro 17 中基因表達數據的控制和質量檢查工作流程。 繼續閱讀以了解如何應用此步驟。
控制和質量
在進行任何類型的分析之前，需要對樣品進行質量檢查以確保結果一致。
開始於層次集群平台來檢查來自不同來源的樣本是否可以聚類在一起。 您可以根據樣本和/或基因在表達模式上的相似性將它們分組到簇中來做到這一點。 如果樣本可以根據它們的來源聚類在一起，那麼我們可以確信我們對分組變量（組織、階段和動物類型）有可靠和準確的表示。
隨著 JMP 17 的出現，Ward 方法的一種新計算方法（稱為混合 Ward）已經實施。 它對於可能有數万（甚至數百）個項目要聚類的組學數據特別有用。
圖像
每條線代表一個樣本。 我們對樣品進行了顏色編碼，以便我們可以看到細胞/組織階段之間的差異。 我們可以看到同質的樣本簇，除了少數（細胞/組織階段選擇和分化）。
這多元嵌入平台使用分層聚類中使用的另一種方法將樣本聚類成組。 它允許將一個非常高維的數據集映射到一個低維空間，這樣在高維空間中彼此靠近的點在由此產生的低維空間中彼此靠近。 通常可以在 2D 或 3D 圖形中顯示兩個或三個維度。 我使用了 t-SNE 方法，它演示了數據如何聚類。
圖像
在此圖中，每個圓圈（奶牛）或三角形（小母牛）代表一個樣本。 我們可以看到均勻的樣本簇，特別是在顆粒細胞和膜細胞類型之間（用紅色散列線表示），以及黃體化與選定/分化細胞/組織階段。 奶牛和小母牛不分開聚集。 正如我們很可能會看到的那樣，母牛和小母牛之間的基因表達沒有顯著差異，選擇和分化之間的組織階段也沒有顯著差異。 知道這一點，比較組織類型或組織階段之間基因的差異表達是有意義的。
在下一篇博客中，我將討論如何使用響應篩选和 X 平台擬合 Y 來比較組。
