We begin with an example that will

We begin with an example that will be used throughout the chapter.The data come from
Sorlie et al. (2001). The goal of that article was to “classify breast carcinomas based
on variations in gene expression derived from complementary deoxyribonucleic acid
(cDNA) microarrays and to correlate tumor characteristics to clinical outcome.’’ The
data consist of log fluorescence values for 456 cDNA clones measured on 85 tissue
samples. Of the 85 samples, 4 are normal tissue samples, 78 are carcinomas, and 3 are
fibroadenomas. Three of the four normal tissue samples were pooled normal breast
samples from multiple individuals. Sorlie et al. (2001) selected the 456 genes from
an initial set of 8102 genes so as to optimally identify the intrinsic characteristics
of breast tumors. In Figures 4.1 and 4.2, the data are plotted as heat maps.∗ This
representation assigns a color for every matrix entry, with negative (underexpressed)
values being green, and positive (overexpressed) values red. The data presented in
this plot were preprocessed by Sorlie et al. (2001), adjusting rows and columns to
have median zero. This preprocessing was applied before selection of the subset of
456 genes, so the column (i.e., sample) medians are not precisely zero.
Heatmaps are used to look for similarities between genes and between samples. They
are most effective if rows and columns are ordered so as to allow these patterns to
be identified. Clustering is often used to give this ordering, by identifying groups of
samples (genes) and then arranging the groups so that the closest groups are adjacent.
This is illustrated in Figure 4.1, where rows and columns are arranged according to
separate hierarchical clusterings. Sorlie et al. (2001) used a similar graphic to identify
interesting groups of genes and tumor subtypes. In Figure 4.2, five interesting gene
subgroups are given. These are similar to those identified by Sorlie et al. (2001).
These gene groups were selected because of unusually high or low expression levels
among some of the tumors (column). The gene groups highlighted in Figure 4.2 are
used to characterize the different tumor subtypes. The six tumor subtypes (indicated
by color from left to right of the dendogram in Figure 4.2) are Basal-like (red),

ผลลัพธ์ (ไทย) 1:

เราเริ่มต้นด้วยตัวอย่างที่จะใช้ตลอดทั้งข้อมูล chapter.the มาจาก
Sorlie ตอัล (2001) เป้าหมายของบทความว่าคือ "มะเร็งเต้านมจำแนกตาม
เกี่ยวกับรูปแบบในการแสดงออกของยีนที่ได้รับจากดีเอ็นเอประกอบ
(cDNA) microarrays และความสัมพันธ์ลักษณะเนื้องอกกับผลทางคลินิก.''
ข้อมูลประกอบด้วยค่าการเรืองแสงในการบันทึก 456 cDNA โคลนวัด 85 ตัวอย่างเนื้อเยื่อ
85 ของกลุ่มตัวอย่างที่ 4 เป็นตัวอย่างเนื้อเยื่อปกติ, 78 เป็นมะเร็ง, และ 3
fibroadenomas สามในสี่ของตัวอย่างเนื้อเยื่อปกติถูกรวบรวมเต้านม
ตัวอย่างปกติจากบุคคลหลาย Sorlie ตอัล (2001) ที่เลือกยีนจาก 456
ชุดเริ่มต้นของยีน 8102 เพื่อให้เป็นไปอย่างเหมาะสมระบุลักษณะที่แท้จริง
ของเนื้องอกเต้านม ในรูป 4.1 และ 4.2 ข้อมูลที่นำมาลงจุดเป็นแผนที่ความร้อน. *
แสดงนี้กำหนดสีสำหรับรายการทุกเมทริกซ์ที่มีการลบ (underexpressed)
ค่าเป็นสีเขียวและบวก (overexpressed) ค่าสีแดง ข้อมูลที่นำเสนอในพล็อตนี้
ถูกประมวลผลล่วงหน้าโดย Sorlie ตอัล (2001),ปรับแถวและคอลัมน์ที่จะ
มีศูนย์อยู่ตรงกลาง preprocessing นี้ถูกนำมาใช้ก่อนที่จะเลือกชุดย่อยของ
456 ยีนดังนั้นคอลัมน์ (เช่นตัวอย่าง) มีเดียไม่ได้อย่างแม่นยำเป็นศูนย์.
heatmaps จะใช้ในการมองหาคล้ายคลึงกันระหว่างยีนและระหว่างกลุ่มตัวอย่าง พวกเขา
มีประสิทธิภาพมากที่สุดถ้าแถวและคอลัมน์ที่มีการสั่งซื้อเพื่อที่จะช่วยให้รูปแบบเหล่านี้จะ
ระบุการจัดกลุ่มมักจะถูกนำมาใช้เพื่อให้การสั่งซื้อนี้โดยระบุกลุ่ม
ตัวอย่าง (ยีน) แล้วจัดกลุ่มเพื่อให้กลุ่มที่ใกล้ชิดอยู่ติด.
นี้จะแสดงในรูปที่ 4.1 ที่แถวและคอลัมน์ที่มีการจัดเรียงตามลำดับชั้นที่แยกต่างหาก
clusterings Sorlie ตอัล (2001) ที่ใช้กราฟิกที่คล้ายกันในการระบุ
กลุ่มที่น่าสนใจของยีนและชนิดย่อยของเนื้องอก ในรูป 4.2ห้าที่น่าสนใจยีน
กลุ่มย่อยจะได้รับ เหล่านี้จะคล้ายกับที่ระบุ Sorlie ตอัล (2001).
กลุ่มยีนเหล่านี้ถูกเลือกเพราะความผิดปกติสูงหรือต่ำระดับการแสดงออก
ในบางส่วนของเนื้องอก (คอลัมน์) กลุ่มยีนที่เน้นในรูป 4.2 จะ
ใช้ลักษณะเนื้องอกชนิดย่อยที่แตกต่างกัน หกชนิดย่อยเนื้องอก (แสดง
โดยสีจากซ้ายไปขวาของ dendogram ในรูป 4.2) เป็นฐานเหมือน (สีแดง),

ผลลัพธ์ (ไทย) 2:

เราเริ่มต้น ด้วยตัวอย่างที่จะใช้ตลอดทั้งบทข้อมูลมาจาก
Sorlie et al. (2001) เป้าหมายของบทความที่มีการ "แบ่งประเภทมะเร็งเต้านมตาม
บนในยีนมา จาก deoxyribonucleic เสริม acid
(cDNA) microarrays และ การเชื่อมโยงลักษณะเนื้องอกเพื่อผลทางคลินิก '' ใน
ข้อมูลประกอบด้วยค่า fluorescence ล็อก 456 cDNA โคลนบนเนื้อเยื่อ 85
ตัวอย่าง ตัวอย่าง 85, 4 เป็นตัวอย่างเนื้อเยื่อปกติ 78 เป็นมะเร็ง และ 3
fibroadenomas สามตัวอย่างเนื้อเยื่อปกติสี่ถูกเต้านมปกติรวม
ตัวอย่างจากบุคคลจำนวนมาก Sorlie et al. (2001) เลือกยีน 456 จาก
ชุดยีน 8102 เพื่อระบุลักษณะ intrinsic อย่างเหมาะสมเป็นต้น
ของเนื้องอกเต้านม ในรูป 4.1 และ 4.2 ข้อมูลถูกลงจุดตามความร้อน maps.∗ นี้
แสดงกำหนดสีทุกรายการเมตริกซ์ มีค่าลบ (underexpressed)
ค่ามีสีเขียว และสีแดง (overexpressed) บวกค่า แสดงข้อมูล
พล็อตนี้ถูก preprocessed โดย Sorlie et al. (2001), ปรับแถวและคอลัมน์
มีศูนย์มัธยฐาน นี้ประมวลผลเบื้องต้นที่ใช้เลือกชุดย่อยของ
ยีน 456 เพื่อคอลัมน์ (ตัวอย่างเช่น ) medians ได้ไม่แม่นยำเป็นศูนย์
Heatmaps ใช้ในการหาความคล้ายคลึง ระหว่างยีน และ ระหว่างตัวอย่าง พวกเขา
มีประสิทธิภาพมากที่สุดหากมีสั่งแถวและคอลัมน์เพื่อให้รูปแบบเหล่านี้ไป
สามารถ identified คลัสเตอร์มักใช้ให้นี้สั่ง ระบุกลุ่ม
ตัวอย่าง (ยีน) และจัดกลุ่มเพื่อให้กลุ่มใกล้เคียงที่อยู่ติดกัน
นี้จะแสดงในรูป 4.1 ตำแหน่งที่แถวและคอลัมน์จะเรียงตาม
แยกลำดับชั้น clusterings Sorlie et al. (2001) ใช้กราฟิกคล้ายระบุ
สนใจกลุ่มของยีนและ subtypes เนื้องอก ในรูป 4.2 five ยีนที่น่าสนใจ
กลุ่มย่อยจะได้รับการ เหล่านี้จะเหมือนกับที่ identified โดย Sorlie et al. (2001) .
เลือกกลุ่มยีนเหล่านี้เนื่องจากระดับสูง หรือต่ำผิดปกตินิพจน์
ของเนื้องอก (คอลัมน์) กลุ่มยีนที่เน้นในรูป 4.2
ใช้ลักษณะ subtypes เนื้องอกแตกต่างกัน Subtypes เนื้องอก 6 (ระบุ
โดยสีจากซ้ายไปขวาของ dendogram ในรูป 4.2) จะเหมือนมะเร็ง (แดง),

ผลลัพธ์ (ไทย) 3:

เราจะเริ่มต้นด้วยตัวอย่างเช่นที่จะใช้ในบทที่ได้ข้อมูลมาจาก
sorlie et al . ( 2001 ) เป้าหมายของข้อที่เป็นการ"แบ่งแยก carcinomas
ซึ่งจะช่วยดูดนมจากเต้านมแม่ซึ่งใช้ในความแตกต่างในการแสดงออกทางความคิดเห็นยีนที่ได้รับมาจาก microarrays
( cdna )ดีเอ็นเอของสมนาคุณและเพื่อนำมาคู่กันลักษณะเป็นโรคเนื้องอกในผลทางการแพทย์"
ประกอบด้วยข้อมูลของค่า fluorescence ล็อกอินเข้าสู่สำหรับ 456 โคลน cdna วัดได้ 85 เนื้อเยื่อ
ตัวอย่าง 85 ตัวอย่างที่ 4 เป็นตัวอย่างเนื้อเยื่อปกติ 78 มี carcinomas และ 3
fibroadenomas สามจากสี่ตัวอย่างเนื้อเยื่อตามปกติที่จะเป็นแม่ตามปกติ
ตัวอย่างจากผู้ใช้บริการแบบเฉพาะรายหลายคน sorlie et al . ( 2001 )ที่เลือก 456 ยีนจาก
ตามมาตรฐานตั้งค่าเริ่มต้นของยีน 8102 ที่จะระบุตัวบุคคลลักษณะ
ของเนื้องอกเต้านมได้อย่างดีที่สุด. ใน ภาพ 4.1 และ 4.2 ข้อมูลที่มีแม่เป็นแผนที่ความร้อน.∗
การนำเสนอนี้จะมอบหมายให้สีสำหรับการเข้า Matrix Storage ทุกครั้งด้วยค่าติดลบ( underexpressed )
เป็นสีเขียวและในเชิงบวก( overexpressed )ค่าสีแดง ข้อมูลที่แสดงใน
แผนนี้เป็น preprocessed โดย sorlie et al . ( 2001 )การปรับแถวและคอลัมน์
ซึ่งจะช่วยให้มีเกาะกลางถนน Zero Configuration preprocessing แห่งนี้ถูกนำไปใช้ก่อนการเลือกของชุดย่อยของ
456 ยีนดังนั้นคอลัมน์(เช่นตัวอย่าง) medians ไม่ได้อย่างแม่นยำศูนย์
heatmaps จะใช้เพื่อค้นหาความคล้ายคลึงกันระหว่างยีนและระหว่างตัวอย่าง
ซึ่งจะช่วยเขาได้มากที่สุดอย่างมี ประสิทธิภาพ หากแถวและคอลัมน์สั่งอนุญาตให้มีรูปแบบเหล่านี้เพื่อ
เป็น identifiedคลัสเตอร์คือใช้ในการทำให้การสั่งซื้อนี้ได้โดยการระบุกลุ่ม
ตัวอย่าง(ยีน)และจากนั้นจึงจัดกลุ่มให้กลุ่มที่อยู่ใกล้กับอยู่ใกล้.
นี้ได้แสดงไว้ในรูปที่ 4.1 ที่แถวและคอลัมน์จัดให้บริการตามการ
clusterings ตามลำดับแยกพื้นที่ออกจากกันมัก sorlie et al . ( 2001 )ที่ใช้กราฟิกความเหมือนในการระบุ
กลุ่มน่าสนใจของยีนและ subtypes เนื้องอก ในรูปที่ 4.2น่าสนใจ five ยีน
กลุ่มย่อยจะได้รับ เหล่านี้มีความคล้ายคลึงกับที่ identified โดย sorlie et al . ( 2001 )..
กลุ่มยีนเหล่านี้ได้รับการคัดเลือกเพราะมีการแสดงออกถึงความผิดปกติระดับสูงหรือต่ำ
ท่ามกลางเนื้องอก(คอลัมน์)บางส่วน กลุ่มยีนที่ถูกไฮไลท์ให้เด่นชัดขึ้นในรูปที่ 4.2 มี
ใช้ในการกำหนดลักษณะ subtypes เนื้องอกที่แตกต่างกันไป หกเนื้องอกที่ subtypes (แสดง
ตามมาตรฐานด้วยสีจากด้านซ้ายไปทางด้านขวาของ dendogram ในรูปที่ 4.2 )เป็นของฐาน - เหมือน(สีแดง)