标签传播算法--确定新患者的亚型 + 谱聚类 --识别亚型 对样本聚类 + NMI 衡量聚类性能 比较两模型聚类效果的相似程度 + Cox 回归 生存预测...

最近你在读一篇文献  https://www.nature.com/articles/nmeth.2810  （SNF网络融合算法）

1.  有提到基于SNF构建的融合网络 可以判断新患者的亚型 ，使用的方法就是标签传播算法（LP） 

查阅的资料： https://blog.youkuaiyun.com/zouxy09/article/details/49105265 

 

2. 在使用SNF融合多种数据类型构建融合网络之后，可以对图上的样本点进行聚类，也就是可以确定该批数据的亚型，可以聚成几类，其中使用了谱聚类算法（spectral clutering） ，

查阅资料:  https://zhuanlan.zhihu.com/p/29849122

 

3. 使用SNF基于多种数据类型构建出的网络 和 使用单一数据类型构建出来的网络 均使用普聚类算法 进行聚类  如果是想筛选对SNF构建的融合网络模型 贡献最大的是哪一种数据类型，可以使用NMI 衡量聚类性能指标，也就是对两种聚类结果计算NMI  如果某种单一数据类型构建的网络在使用普聚类算法 聚类之后 和 使用SNF 对多种数据类型融合成的网络进行聚类的NMI 标准化互信息很大，就说明该单一数据类型对融合模型的贡献值大，也就是该种数据类型很重要！！

参考资料：  https://www.cnblogs.com/nwpuxuezha/p/6582110.html

 

4. 生存预测 Cox回归

参考资料： http://blog.sina.com.cn/s/blog_44befaf601016m9j.html

 

转载于:https://www.cnblogs.com/xuanxuanlove/p/10266473.html