如何解决在对来自不同研究的基因表达数据进行聚类时，我们如何解释基因倍数变化及其相应的p值？
是否有一种方法可以通过考虑基因倍数变化（例如LFC）及其相应的p值来进行聚类分析？我的直觉是，在进行样本聚类时，尤其是对源自复杂疾病不同研究的数据进行聚类时，有些基因对样本差异的贡献要大于其他基因。考虑到这一点，我正在考虑同时使用基因LFC和p值来代表这一事实的分数，然后测量其欧几里德距离。我曾考虑过将LFC与-log10 p值相乘，但我想知道是否有合理的理由（统计或其他方式）？ 当然，最近提出的Topconfect软件包最接近于此方法，但是使用了其他方法，但是是否有比我提出的方法更好的理由？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
