生物变异或真正受影响的基因。答案

【问题标题】：Biological variance or truly affected genes.生物变异或真正受影响的基因。
【发布时间】：2017-05-15 12:39:16
【问题描述】：

我是一名生物学专业的学生，在我们的实验室中，我们正在小鼠身上测试某种药物。正常状态下，我们有很多组生物复制的基因表达数据： gene replicate 1 replicate2 gene1 -0.842138 -0.701153 gene2 -0.796896 -0.725085 gene3 -0.835920 -0.707572 gene5 -0.702721 -0.724579 gene6 -0.815476 -0.737112 .... gene 20000 each dot represent a gene

给它们喂药后，我们有一个新的基因表达数据： after medicine treatment

我的问题是，我如何才能将那些真正受影响的基因与那些只是生物学差异（重复之间的差异）分开？

我是机器学习的新手，我相信监督学习应该是我的选择，对吧？训练数据是我的复制数据，然后我可以测试药物治疗后的每个基因是否可以落入复制定义的“耐受区”。但我不确定我应该使用哪种方法。提前感谢任何指导。

【问题讨论】：

天哪。我需要一分钟..

标签： python r machine-learning

【解决方案1】：

首先欢迎来到 Stack Overflow！其次我真的认为这个问题应该移到这里：DataScience 或Artificial Intelligence。尽管如此，我会尽力帮助您回答。

我有几个问题，当你回答这些问题时，你应该以正确的方式实际解决这个问题：

您如何将数据拆分为训练数据（您将总体数据的百分比用于训练目的）？
您是否为最初引入化学品的基因建立了界限？
您最初期望的差异是什么？
测试完成后，方差的边界是否发生了显着变化？
您打算使用哪些算法来解决这个特定问题？
您打算使用EDA 以获得更好的洞察力吗？
你有没有想过用K-means来观察“新药”引入后数据簇的变化？

我个人会计算这些基因的平均值和标准差，并在引入药物后做同样的事情。这应该可以帮助您深入了解边界是如何变化的，以及最有可能发生传播的位置。另外，如果您有选择，请始终使用 EDA（我知道我对此很说教，但它有很大帮助）。我认为这应该可以帮助您更好地了解您的问题。希望对您有所帮助。

算法的有用链接：Machine Learning Algorithms

【讨论】：

我建议这样做。最好的办法是熟悉算法，并看看遗传算法。希望我的回答对你有所帮助。
我的问题可能太天真了...我应该学习更多的统计知识然后问...1。所有的复制数据都是我的训练数据。 2. 我认为重复中的每个基因表达数据都定义了边界。就像在我的第一个散点图中，虚线区域定义了“耐受区”，然后在药物治疗后，我想找出哪些基因发生了显着变化（落在耐受区） 7. 确实有点像 k-means 集群，期待我不知道如何定义cluster1（重复之间的变化）和cluster2（药物治疗后显着受影响的基因）
@AlicePsyche 你知道该读什么，从哪里开始。我建议您不要将整个数据用作训练数据，而是将其拆分为 30% 到 70% 或 40% 到 60% 之类的数据。查看 K-means 并熟悉您应该如何决定需要多少个集群。网上也有很多关于机器学习的代码示例，尤其是 Python。
@ZombieChowder：迁移意见和您的问题列表属于 cmets，而不是答案。
你问的我没问题；我只是建议将最初的评论和七点转移到 cmets。我会留下最后一段和这个答案中的链接。