从距离矩阵计算亲和度矩阵

Question

我使用clustal欧米茄获得500个蛋白质序列的距离矩阵（它们彼此同源）。

我想使用亲和传播来聚类这些序列。

最初，因为我手工观察到距离矩阵只有0到1之间的值，0距离= 100％身份，我推断我可以用(1 - distance)获得亲和力。

我运行了我的代码，集群看起来很合理，我觉得一切都很好......直到我读到这一点，通常通过应用“热内核”从距离矩阵计算亲和度矩阵。那就是我脑子里一切都崩溃了。

我是否认为亲和矩阵的概念不正确？有没有简单的方法来计算亲和度矩阵？ scikit-learn提供以下公式：

similarity = np.exp(-beta * distance / distance.std())

但是什么是beta？我知道distance.std（）是距离的标准偏差。

我现在对所涉及的概念感到困惑和迷失（而不是实际的编码实现），所以非常感谢任何帮助！

P.S。我已经尝试过发布到Biostars.org，但我还没有得到答案......

Answer 1

我认为1-distance和exp（-beta * distance）都是将距离转换为相似度的有效方法（尽管它们在概率框架中的解释不同）。我会简单地使用能带来更好结果的东西。