Python实现无监督基因表达量患者聚类分析

使用Python进行无监督基因表达量患者聚类分析

本项目使用Python实现K-means聚类算法，根据基因表达量对患者进行聚类，并将聚类结果及每个聚类簇的基因表达量平均值输出到Excel文件。

数据读取

1. 读取Excel表格，数据路径为'C:\Users\lenovo\Desktop\HIV\DNN神经网络测试\HIV数据 - 副本.xlsx'。
2. 第0行为'name'样本名称和基因名称，第0列为患者名称，其余各列为基因表达量，每一行代表一个样本。

K-means聚类

1. 实现K-means聚类算法，其中K=3，聚类加入随机种子内容，迭代次数为100次。

结果输出

1. 将聚类结果输出为Excel文件，文件名为'HIV_cluster_result.xlsx'，第0列为患者名称，第1列为聚类结果（1,2,3表示三个聚类簇中的哪一个簇）。
2. 计算每个聚类簇中的基因表达量的平均值，将结果输出为Excel文件，文件名为'HIV_cluster_mean.xlsx'，第0行为聚类簇的编号（1,2,3），第0列为基因名称，其余各列为对应聚类簇中该基因表达量的平均值。

代码示例

# 导入必要的库
import pandas as pd
from sklearn.cluster import KMeans

# 读取数据
data = pd.read_excel('C:\Users\lenovo\Desktop\HIV\DNN神经网络测试\HIV数据 - 副本.xlsx', index_col=0)

# 进行K-means聚类
kmeans = KMeans(n_clusters=3, random_state=0, max_iter=100)
kmeans.fit(data.T)

# 输出聚类结果
result = pd.DataFrame({'患者名称': data.index, '聚类结果': kmeans.labels_})
result.to_excel('HIV_cluster_result.xlsx', index=False)

# 计算每个聚类簇中的基因表达量的平均值
cluster_mean = pd.DataFrame(kmeans.cluster_centers_, columns=data.columns)
cluster_mean.index = [1, 2, 3]
cluster_mean.to_excel('HIV_cluster_mean.xlsx')

总结

本项目通过Python实现了根据基因表达量对患者进行无监督聚类分析，并将结果输出到Excel文件，方便后续的分析和研究。