地球化学的聚类分析图怎么看

❶ DEG聚类分析热图怎么看

对于一般的统计分析，基于傻瓜式操作的SPSS（PASW）软件已经足够，但在涉及个性化要求很高的复杂数据处理时，SPSS就开始显得力不从心，这时必须依赖功能更为强大的SAS等软件。以前在自己的科研过程中分析数据多用SPSS、SAS等。在统计遗传和基因组学领域，SAS可以处理很多问题，但与此同时，SAS实现复杂问题过于麻烦，很多问题SAS也不是首选。后来开始运用R环境中的各种免费统计包，特别是Bioconctor的系列分析包，我发觉非常适合生命科学领域的研究者。R有很多优点：

（1）免费，不需要去寻找破解版，不用担心版权问题，使用非常方便；

（2）功能非常强大，单个包的功能比较有限，但多个包组合起来使用则功能无比强大，远胜于SPSS、SAS等；

（3）源代码开放，稍作修改后就能满足个性化的复杂统计分析，满足个性化需求是R的最大特点之一；

（4）程序阅读容易，再加上参考学习资料很多，上手比较容易，提高也不是很难，根据个人经验，要比SAS高级阶段的进阶容易许多；

（5）国际同行高度认同R，我发现很多专用软件都开发了软件的R版，今后R将是数据分析的主流发展方向。

R软件的安装、基本使用等初级教程就不谈了，随便在官方网站找个学习资料就搞定了。“R系列”专辑拟推出中级、高级分析教程。今天推出基因表达谱芯片的聚类分析专题。

本专题示例芯片数据来自GEO数据库中检索号为GSE11787的Affymetrix芯片的CEL文件，共6个CEL文件，3个正常对照组，3个HPS刺激组，为免疫器官脾脏的表达数据。

（一）原始数据的读入、RNA降解评估和标准化

> pd <-read.AnnotatedDataFrame("Target.txt",header=TRUE,row.names=1,as.is=TRUE)
>rawAffyData <- ReadAffy(filenames=pData(pd)$FileName, phenoData=pd)
> summary(exprs(rawAffyData))
> deg <- AffyRNAdeg(rawAffyData)
> plotAffyRNAdeg(deg,col=c(1,2,3,4,5,6))



> eset <-rma(rawAffyData)
> summary(exprs(eset))



> op <-par(mfrow=c(1,2))
>cols <- brewer.pal(6, "Set3")
>boxplot(rawAffyData,col=cols,names=1:6, main ="unnormalized.data")
>boxplot(data.frame(exprs(eset)) ,names=1:6, main ="normalization.data", col="blue", border="brown")
>par(op)



（二）聚类分析

原始数据读入，经AffyBatch目标转成ExpressionSet目标后，为提高后续分析（如差异表达基因的检测）的统计功效，往往需要进一步经过Detection CallFilter和IQR filter等过滤（“基因芯片数据的特异性过滤与非特异性过滤”将在另一专题里专门讨论）。

需要说明的是，常规做法是先筛选出差异表达基因，然后只用差异表达基因进行聚类分析（本示例直接用了过滤后的数据集，聚类图的效果稍差一点）。

（1）样本聚类

>dd <-dist2(log2(exprs(eset2)))
>diag(dd) <- 0
>dd.row <- as.dendrogram(hclust(as.dist(dd)))
>row.ord <- order.dendrogram(dd.row)
>library("latticeExtra")
>legend <- list(top = list(fun = dendrogramGrob,
args = list(x = dd.row, side = "top")))
>lp <- levelplot(dd[row.ord, row.ord],
scales = list(x = list(rot = 90)),
xlab = "", ylab = "", legend = legend)
>plot(lp)



（2）二维聚类

>source("http://faculty.ucr.e/~tgirke/Documents/R_BioCond/My_R_Scripts/my.colorFct.R")
>mydata<-exprs(eset2)
>mydatascale <- t(scale(t(mydata)))
>hr <- hclust(as.dist(1-cor(t(mydatascale), method="pearson")),method="complete")

>hc <-hclust(as.dist(1-cor(mydatascale, method="spearman")),method="complete")
>heatmap.2(mydata,Rowv=as.dendrogram(hr), Colv=as.dendrogram(hc), col=redgreen(75),scale="row", ColSideColors=heat.colors(length(hclabels)),RowSideColors=heat.colors(length(hr labels)), trace="none", key=T)



上述聚类图一般和论文里的聚类图有点不同，聚类的模式不太直观，你也可以用下面的语句进行更直观的作图：

>mycl <-cutree(hr, h=max(hr$height)/1.5);

>mycolhc<- sample(rainbow(256)); mycolhc <- mycolhc[as.vector(mycl)]
>myc2 <- cutree(hc, h=max(hc$height)/1.5); mycolhr <-sample(rainbow(256)); mycolhr <- mycolhr[as.vector(myc2)]
>heatmap(mydatascale, Rowv=as.dendrogram(hr), Colv=as.dendrogram(hc),col=my.colorFct(), scale="row", ColSideColors=mycolhr,RowSideColors=mycolhc)



（3）MantelCorrs聚类程序

>kmeans.result<- GetClusters(eset2, 500, 100)
>x=exprs(eset2)
>DistMatrices.result <- DistMatrices(x, kmeans.resultclusters)>MantelCorrs.result<−MantelCorrs(DistMatrices.result Dfull,DistMatrices.resultDsubsets)>permuted.pval<−PermutationTest(DistMatrices.result Dfull, DistMatrices.resultDsubsets,100,16,0.05)>ClusterLists<−ClusterList(permuted.pval,kmeans.result cluster.sizes,MantelCorrs.result)
>ClusterGenes <- ClusterGeneList(kmeans.resultclusters,ClusterLists SignificantClusters,eset2)
>h=hclust(dist(MantelCorrs.result))
>plot(h)

❷ 聚类分析树状图，怎么看分几类最合适

是系统聚类，选的组件连接法和欧氏距离

❸ 聚类分析树状图怎么看

从右往左看，最右边，你可以看成是左边有开口的矩形，它有上下两条横线，就是说把样本分为两类，一类是宁夏，一类是其它地区
再往左走，出现了一个节点，再往左一点，原来的一条横线分成了两条，加上原来的那条，一共是三条，就是说分为三类，是宁夏，甘肃，其它地区
再往左，有四条，就是分四类，宁夏是第一类，甘肃是第二类，海南和新疆是第三类，其它是第四类
再往左，就是分五类，分别是宁夏，甘肃，新疆，海南，其它地区
就是这样以此类推，你想要分几类，就找几条横线，这个往左到最后就是每个样本归为一类。

❹ 聚类分析树状图如何分析，怎么判断分成几类

从右边开始看，分为两类；然后从右往左看每个分叉就多分出一类。
换个方式说：就是把图逆时针转90度，你就能看明白了，就像一个树状图。
应该是分2到4类比较好，分类的间距越大效果越好。

❺ 地球化学分区

决定区域地球化学特点的基本因素是该区域所处的大地构造位置、区内各地质体的化学性质与分布状况以及区域成矿的特点。结合本区大地构造环境演化和不同地质环境内地层、岩浆岩、地质构造的分布特征，以区域主要断裂构造为参考边界，将工作区划分为4个地球化学分区，其中Ⅲ分区，Ⅳ分区又各自分为2个亚区(图3.2)，各分区主要特征是:

图3.2 工作区地球化学分区图(底图据中国地质调查局1∶50万地质图数据库，2000)

3.1.4.1 地球化学Ⅰ区

南以漳县－武山－唐藏深大断裂(商－丹缝合带部分)为界，构造位置属于北秦岭成矿带。该区与金矿相关的地层主要为秦岭群(Pt_1－2)长英质片麻岩夹细碎屑岩和李子园群(Pz₁)变质火山喷发沉积岩以及舒家坝群(D₂)海相细碎屑岩。该区已发现李子园金矿、柴家庄金矿等数个中小型金矿床(点)。

根据1∶20万区域化探扫面数据，对20个元素进行分析处理可知，本区趋于富集的元素是:Ag、As、B、Co、Cr、Ni、Pb、Sb、V、Zn，表现为元素的高背景区;趋于贫化的元素是:Hg、Mo、Sn、Sr、Au等元素集散特征不明显。从本区元素的变异系数和异常衬度来看，变异系数(C_v)>1的有Au、Bi、Mo、Sb，属于强分异型元素，Sn、W属于弱分异型元素，其他属于原生均值型元素。从元素组合特征分析(图3.3)Au元素与Pb、Zn、Ag、As、Sb相关性较好，成为本区金矿找矿的指示性元素组合。

3.1.4.2 地球化学Ⅱ区

南以临潭－宕昌－凤镇深大断裂为界，对应于岷县－礼县－柞水海西褶皱带，夹持在山阳区域大断裂之间。区内已发现李坝、罗坝、八卦庙、金山、马泉等金矿床和厂坝、李家沟、邓家山、毕家山、洛坝、页水河等铅锌矿。本区趋于富集的元素是:Ag、As、Bi、Co、Ni、Ti，趋于贫化的元素有Hg、Mo、Sn、Sr，Au等，其他元素的集散不明显。从本区元素变异系数和异常衬度来看，变异系数(C_v)>1的有Bi、Sb、Mo，属强分异型元素。从元素组合特征分析(图3.4)Au与As、Sb、Hg相关性好，组成典型的前缘晕元素组合。

图3.3 Ⅰ区R型聚类分析图

图3.4 Ⅱ区R型聚类分析图

3.1.4.3 地球化学Ⅲ区

夹持在临潭－宕昌－凤镇深大断裂和玛曲－迭部－武都－略阳断裂(勉略缝合带部分)之间，又据岩层明显不同，沿迭山－凤县深大断裂又细化为两个亚区。Ⅲ－1亚区地层为一套晚三叠世隆务河群(T_1－2L)灰岩，该区已发现鹿儿坝金矿等几个大中型金矿床和一些小型金矿(点)。分析1∶20万区域化探扫面数据分析可知，本区趋于富集的元素是:Ag、As、Au、Bi、Co、Cr、Ni、Pb、V、Zn、Sb，表现为元素的高背景区;趋于贫化的元素有:Hg、Mn、Sn、Sr，其他元素集散特征不明显。从变异系数和异常衬度来看，变异系数(C_v)>1的有Au、Bi、Mo、Sb，属强分异型元素。从元素组合特征分析(图3.5)Au－Ag－Cu－Pb－Zn组合相关性较好，成为本区典型的浅成低温热液矿床的找矿组合;Ⅲ－2亚区主要为一套晚白垩世地层，岩性主要是砂岩、粉砂岩和灰岩，该区已发现有九源、坪定、洛地坪等几个大中型金矿床和一些小型金矿点。分析1∶20万区域化探扫面数据分析可知，本区趋于富集的元素是:Ag、As、Bi、Co、Cr、Ni、Pb、Sb、Sr、V、Zn，表现为元素的高背景区;趋于贫化的元素有:Hg、Mo、Sn、Sr，其他元素集散特征不明显。从变异系数和异常衬度来看，变异系数(C_v)>1的有Au、Bi、Mo、Sb，属强分异型元素。从元素组合特征分析(图3.6)Au与其他元素相关性较差，显示出单独成矿的特点。

3.1.4.4 地球化学Ⅳ区

以玛曲－迭部－武都－略阳断裂(勉略缝合带部分)为界划分本区，又据地层明显不同以哲波山－岷江断裂为界划分出两个亚区。Ⅳ－1亚区位于工作区西南角，大地构造位置属于松潘－甘孜构造带的一部分。该区已发现有巴西、团结、马脑壳等金矿床。岩性主要为晚三叠世杂谷脑组的石英砂岩与碳质板岩互层。分析1∶20万区域化探扫面数据分析可知，本区趋于富集的元素是:Ag、As、Bi、Cr、Ni、Sb、Ti，其他元素集散特征不明显。从变异系数和异常衬度来看，变异系数(C_v)>1的有Au、Bi、Mo、Sb，属强分异型元素。从元素组合特征分析(图3.7)，Au元素与As、Sb、Hg相关性好，是典型的前缘晕元素组合。Ⅳ－2亚区位于工作区东南角。大地构造位置属于摩天岭成矿带的一部分。该区已发现有阳山金矿、石鸡坝、甲勿寺、联合村、铧厂沟金矿，含少量太古代花岗岩－绿岩，大面积分布元古代碧口群，同时发育加里东－早华力西海槽型复理石建造，晚华力西－早印支期台地型碳酸岩建造及晚印支期海槽复理石建造;分析1∶20万区域化探扫面数据分析可知，本区趋于富集的元素是:Ag、As、Bi、Cr、Cu、Mn、Ni、Pb、Ti、V、Zn，趋于贫化的元素有Hg、Mo、Sn、Sr、Au，其他元素集散特征不明显。从变异系数和异常衬度来看，变异系数(C_v)>1的有Bi、Mo、Pb，属强分异型元素，Au的C_v为0.93，属分异型元素;其他为原生均值型元素。从元素组合特征分析(图3.8)，Au元素与As、Sb、Hg相关性好，是典型的前缘晕元素组合。

图3.5 Ⅲ－1区R型聚类分析图

图3.6 Ⅲ－2区R型聚类分析图

图3.7 Ⅳ－1区R型聚类分析图

图3.8 Ⅳ－2区R型聚类分析图

❻ 聚类结果怎么看

聚类结果可以通过降维图来可视化分析，还可以通过各种聚类指标来看

❼ 系统聚类图怎么看不懂

SPSSAU可直接生成分层聚类图，配合帮助手册说明可更快速进行解读。

比如分两类的情况下：（6,10，7)是一类，剩下的是一类；

分三类的情况下：（6,10，7）一类，（5）一类，剩下的是一类；

四类的情况下：（6,10，7）一类，（5）一类，（2,3,9）一类，（1,3,4）一类。

(7)地球化学的聚类分析图怎么看扩展阅读：

聚类结构形成的原则中若两个样品在已经分好的组中都未出现过，周把们形成一个独立的新组，

若两个样品中有一个是在已经分好的组中出现过，则把另一个样品也加人到该组中1若选出一对样品，都分别出现在已经分好的组中，这就把两组联结在一起。

若选出的一对样品都出现在同一组中，则这一对样品就不再分组了，在具体进行分类时，要依这四条原则反复进行，直到把所有样品都分类聚合完毕为止。

❽ 聚类分析树状图如何看

看懂聚类分析树状图需要一把尺子，与从左向右的横线垂直90度放下。此时，横线（一条线就是一个类别）被尺子截断，这些端点的个数就是该相对距离下的类别数目。

❾ 地球化学异常信息的提取

（一）研究区地球化学背景概述

资料表明，研究区泥盆系尤其是康布铁堡组和石炭系，如红山嘴组，稀有元素锂、铍、铌总体均以富集、强富集为主，富集系数最高达到2。而老地层，如元古宇的克木齐群和富蕴群，锂、铍、铌却以分散或亏损为主；尤其是下古生界志留系的库尔木图群，锂、铍、铌均为亏损状态。说明老地层经受多期次的变质—构造—岩浆作用后，稀有元素锂、铍、铌逐渐转移，局部在深变质相或混合岩化、花岗岩化过程中得到富集。

图4—8 研究区构造中心对称度等值线图与矿点叠加图

图4—9 工作区断裂250m缓冲区与矿点叠加图

（二）地球化学数据分析与预处理

本书收集到研究区主要成矿元素Be、Li、Cr、Ni、Cu、Zn六种元素的水系沉积物化验数据进行区域的地球化学背景分析。

由于在化验分析与化探取样过程中，系统误差或偶然误差因素的影响，分析结果中含有个别异常点的奇异值，而这种奇异值会对元素的异常特征尤其是对元素分布的趋势面形态产生较大影响。因此，在研究元素统计分布特征之前，首先将原始观测值进行了处理。另外，地球化学家基本认为元素在地球化学场中的的分布接近正态分布或对数正态分布。因此，传统地球化学异常下限的确定是统计勘查地球化学数据，检验其是否符合正态分布或对数正态分布，如果不符合，则需剔除部分奇异值，直到数据符合正态分布或对数正态分布。本文采用的特异值的识别方法为：下限为样品均值加3倍标准差，即μ+3σ。

（三）单元素化探异常提取及分析

根据地球化学找矿理论，绝大多数的化探数据呈正态分布或对数正态分布，化探异常的分析、解释和评价也都是建立在元素在地质体中呈正态分布或对数正态分布的基础上进行的。经过分析，本书所涉及的六种元素在经过特异值的处理后均呈比较典型的正态分布，如图4—10所示。

图4—10 去除特高值后Be、Li、Cr、Ni、Cu、Zn六种元素分布图

同时，本文还考虑到在进一步的分析中可能涉及各种元素之间的比较和计算（比如说判别分析、因子分析、聚类分析等），而各种元素之间很明显的存在度量和指标差异，所以这里也对上一步得到的数据进行标准调平：标准化或是正规化。

标准化：把原始数据按下式变换

新疆可可托海稀有金属矿床三维立体定量预测研究

标准化后，变量均值为0，标准差为1，且每个变量处于同一度量。

正规化：把原始数据按下式变换

新疆可可托海稀有金属矿床三维立体定量预测研究

正规化后，变量最大值为1，最小值为0，且每个变量处于同一度量。

本书所采用的是正规化方法，对正规化的数据进行异常提取，我们采取的方法是平均值与1倍标准差之和（μ+σ）作为地球化学异常下限，圈定六种元素的异常区域（图4—11～图4—16）。

图4—11 Be元素异常分布图

图4—12 Li元素异常分布图

图4—13 Cr元素异常分布图

图4—14 Ni元素异常分布图

图4—15 Cu元素异常分布图

图4—16 Zn元素异常分布图

（四）化探综合异常的提取和分析

化探综合异常就是对单元素进行异常特征的叠加，用以反映研究区内的所有异常特征分布情况。为了将所有元素的信息真正融合起来，本书采用了聚类分析的方法。聚类分析的基本思想是：假定研究对象存在不同的相似性（亲密程度），根据观测样找出并计算一些能够度量样品间相似程度的统计量（如相似系数、相关系数等），按相似性统计量的大小，将相似程度大的聚合到一类，关系疏远的聚合到另一类，直到把所有样品都聚合完毕，形成一个由小到大的分类系统，最后将分类系统直观的用图形表示出来，得到谱系图。

本书利用经过标准化的化探数据，统计各元素间的相关系数进行聚类分析，聚类分析得到的结果如图4—17所示。

图4—17 Be、Li、Cr、Ni、Cu、Zn六元素聚类分析图谱

其中，p₁=0.91，p₂=0.52，p₃=0.51，p₄=0.52，p₅=0.24（P表示元素之间的相关系数）。为方便讨论，先作以下假设。假设铍、锂、铬、镍、铜、锌各元素水系沉积物化探取样值分别表示为：D_Be，D_Li，D_Cr，D_Ni，D_Cu，D_Zn。

从数据所含信息的角度来考虑，变量V₁、V₂之间的相关系数P实际上可以看作是变量之间所提供相同信息的百分比。相关系数越大，则重复信息量越大，反之亦然。当相关系数达到最大值即P等于1时，则两个变量提供的是重复的信息，计算综合信息I时应该作为一个变量处理，即I＝V₁或I＝V₂；

当相关系数达到最小值即P等于0时，则两个变量完全独立，计算综合信息时应各自作为一个变量处理，即I＝V₁＋V₂。

当为中间的情况时，我们可以按图4—18理解：

图4—18 相关变量之间重复信息示意图

显然，相交的相同信息I₂＝P×V₁＝P×V₂＝（V₁＋V₂）×P/2，则总信息为：

新疆可可托海稀有金属矿床三维立体定量预测研究

根据以上公式，下面来具体推算不同元素组合的综合化探异常值。

新疆可可托海稀有金属矿床三维立体定量预测研究

从元素聚类分析图中可以看出，元素Cr和Ni的相关系数最大，达到了0.91，元素Be和Li的相关系数为0.52。当相关系数大于0.5时，以上六种金属元素可分为两组，根据该元素聚类分析图，本书按照相关系数的大小将以上六种元素分为稀有金属元素和其他金属元素两类分别讨论其化探综合异常。

1.稀有金属元素（Be、Li）化探综合异常

稀有金属元素Be和Li的综合信息量值可通过Group4计算得到，其综合异常信息数据统计特征：μ=0.42，σ=0.15，取异常下限为0.57，处理结果如图4—19所示。

2.其他金属元素（Cr、Ni、Cu、Zn）化探综合异常

根据前面的元素聚类分析图谱以及前文所述计算化探综合异常信息量的公式，本文将金属元素Cr、Ni、Cu、Zn归为一类，计算这四种元素的综合化探异常。计算Group1、Group2、Group3得到Cr、Ni、Cu、Zn的综合异常信息数据统计特征：μ=0.41，σ=0.16，取异常下限为0.50，处理结果如图4—20所示。

图4—19 稀有金属元素Be、Li综合化探异常与矿体分布图

图4—20 Cr、Ni、Cu、Zn综合化探异常与矿体分布图