Defining a k-means clustering(定义k-means聚类)

对于本教程，我们将使用具有定义门的2D密度图的布局文件。布局包含从外周血获得的单个FCS数据文件，用于不同的表面标记染色。样品具有两个物理参数(FSC-H和SSC-A)和六个荧光参数

打开布局，通过

1.选择File(文件)标签→Open(打开)。
2.导航到Tutorial Sample Data(教程样本数据)文件夹，打开Defining k-means.fey布局，储存在k-means 教程子文件夹。

出现的布局应如图T33.1所示。

kmeans tutorial - 1

 

本教程的目的是在Gate 1上创建k-means聚类，事件基于6个荧光参数中的3个(即CD3, CD4 和 CD8)。

 

以下步骤打开转换窗口并创建一个新的k-means转换：

1.打开Transformation(转换)窗口通过选择Tools(工具)标签→Transformations →Transformations命令number1。
2.点击与蓝色加号按钮相邻的bluplus with dropdown下拉箭头number2。
3.点击Kmeans，位于下拉菜单中number3(Figure T33.2)。

 

Figure T33.2. k-means transformations are created via the Transformation navigator.

Figure T33.2. k-means transformations are created via the Transformation navigator.

 

此Kmeans对话框现在会出现，在Transformation(转换)窗口，如图T33.3.所示。

 

Figure T33.3. The Trasnformation window as it appears after creating a new K-means transformation.

Figure T33.3. The Trasnformation window as it appears after creating a new K-means transformation.

 

(注：此模板文件已包含TCellSample1.fcs文件，则文件已经加载到布局。当在任何文件加载到布局之前创建转换，模板文件需要使用者Ellipsis通过模板文件右侧的省略号按钮来选择。

 

我们现在将重命名新的k-means 转换，如My first k-means clustering:

4.选择New Kmeans位于转换窗口中。
5.从转换窗口中选择NewRename按钮。
6.请输入My first k-means clustering作为新名字。

 

请注意：在手册的定义k-means聚类分析主题中列出了重新命名k-means转换的其他方法。

 

我们现在要定义 k-means聚类参数。我们将首先选择聚集将基于的参数，以及包含我们要聚类的事件的门。然后我们将指定其他必需的参数，如聚集数，最大迭代次数和聚集最小大小。对于每个参数细节的描述，请参考说明数中的Defining a k-means cluster analysis(定义k-means 聚类分析)标题。

 

7.Flag(标记)CD3,CD4和CD8参数，位于转换对话框的参数列表。

请注意，可以通过Transformation Dialog(变换对话框)的Parameter Scaling Options(参数缩放选项)部分为每个参数指定比例。

8.选择Gate 1从转换对话框gate下拉菜单中。
9.请输入3在Number of Clusters(聚集数)域。这是质心的数量，因此将创建的聚类的数量。
10.请输入100在Maximum Iterations(最多迭代次数)域。这是FCS Express在退出聚类算法时将执行的最大迭代次数。
11.请输入10在Min Percent Cells Per Cluster(每个聚类最小百分比细胞数)域。这意味着每个聚类将包含至少10%的事件。

 

此时，转换对话应该如下所示，图T33.4：

 

Figure T33.4. The Trasnforamtion dialogue partially filled for a new k-means clustering transformation.

Figure T33.4. The Trasnforamtion dialogue partially filled for a new k-means clustering transformation.

 

 

现在输入参数被选中，我们需要定义我们要用于聚类结果的输出类型。FCS Express提供两种类型：Cluster Assignment:和Clustering Statistics(聚类统计)。。

在这个教程中，我们将选择Cluster Assignment:输出类型，这允许聚类结果的几个图形表示。关于两种不同的输出类型的更多细节，请参考说明书中的Defining a k-means cluster analysis(定义k-means 聚类分析)标题。

 

12.选择Cluster Assignment:。
13.Flag(标记)Cluster Assignment:,Gaussian CV SSE Scaled:,Gaussian Y Data:从位于输出样式下方的列表中。这些将是将在1D / 2D图和Heat Maps中直接提供的新的聚类参数。

 

现在将出现如图T33.5所示的转换对话框。

 

Figure T33.5. The Trasnformation dialogue filled for a new k-means trasnformation.

Figure T33.5. The Trasnformation dialogue filled for a new k-means trasnformation.

 

14.此k-means聚类现在已经被定义并自动计算。k-means 聚类 现在可以将它们于显示和分析的点图。请转到本教程的下一部分，了解如何将k-means转换应用于绘图和加热图。

 

www.denovosoftware.com