在数据挖掘中，聚类分析基于区间变量的组合，将一组观测数据划分为两个或多个互斥的未知组。其目的是发现一种将观察结果(通常是基因和蛋白质)组织成组的系统，组中的成员拥有共同的属性。在创造性蛋白质组学中，我们可以用一套典型的聚类方法、算法和应用程序来解释您收集的数据，这些聚类方法包括划分方法，如k-means、分层方法和基于密度的方法。在我们的帮助下，您的数据可以被解释和可视化。

聚类分析一般包括以下步骤:

• 寻找合适的不同或相似度度量
• 决定分组算法
• 选择适当数量的集群
• 描述和描绘新形成的星团

聚类分析在计算生物学领域的应用:

• 基因聚类
• 转录组
• 蛋白质组学
• 序列分析
• 高通量基因分型平台
• 医学成像
• 抗菌活性分析

Creative Proteomics提供的聚类分析服务包括:

• 分层聚类
• k - means聚类
• 阀杆分析
• 如果需要，可以使用其他集群方法！

如何下订单:

*如果您的机构要求签署保密协议，请通过电子邮件与我们联系

作为世界领先的组学行业公司之一!Creative Proteomics目前正在为客户提供聚类分析服务。我们在生物信息学领域拥有超过8年的经验，愿为客户提供最优秀的服务!详细信息请与我们联系!