Question

我有一组2条曲线（每条曲线有几百到几千个数据点），我想要比较并得到一些相似性“得分”。实际上，我有100个这样的套装要比较......我熟悉R（或至少是bioconductor）并且想要使用它。

我尝试了ccf()功能，但我对此并不太满意。

例如，如果我将c1与以下曲线进行比较：

c1 <- c(0, 0.8, 0.9, 0.9, 0.5, 0.1, 0.5)

c1b <- c(0, 0.8, 0.9, 0.9, 0.5, 0.1, 0.5) # perfect match! ideally score of 1

c1c <- c(1, 0.2, 0.1, 0.1, 0.5, 0.9, 0.5) # total opposite, ideally score of -1? (what would 0 be though?)

c2 <- c(0, 0.9, 0.9, 0.9, 0, 0.3, 0.3, 0.9) #pretty good, score of ???

请注意，矢量不具有相同的大小，需要进行标准化，不知何故......任何想法？如果你看看这两行，它们是非常相似的，我认为在第一步中，测量2条曲线下的面积并减去它。我看一下帖子“R中2条曲线下的阴影区域”，但这不是我需要的。

第二个问题（可选）是对于具有相同轮廓但幅度不同的线，我想将它们评为非常相似，即使它们下面的区域很大：

c1 <- c(0, 0.8, 0.9, 0.9, 0.5, 0.1, 0.5)

c4 <- c(0, 0.6, 0.7, 0.7, 0.3, 0.1, 0.3) # very good, score of ??

我希望假装向程序员提出问题的生物学家可以......

如果需要，我很乐意提供一些真实的例子。

提前致谢！

Answer 1

它们不会形成成对x.y值的通常含义的曲线，除非它们的长度相等。前三个长度相等，在矩阵中打包后，HMisc包中的rcorr函数返回：

> rcorr(as.matrix(dfrm))[[1]]
    c1 c1b c1c
c1   1   1  -1
c1b  1   1  -1
c1c -1  -1   1   # as desired if you scaled them to 0-1

c1和c4载体的相关性：

> cor( c(0, 0.8, 0.9, 0.9, 0.5, 0.1, 0.5),
  c(0, 0.6, 0.7, 0.7, 0.3, 0.1, 0.3) )
[1] 0.9874975

Answer 2

我没有很好的答案，但过去我确实遇到过类似的问题，可能不止一次。我的方法是回答自己，当我主观评估它们时，我的曲线是什么样的（这里的科学术语是“眼球”:)。它是曲线下的区域吗？我是否将曲线的线性平移，旋转或缩放（缩放）计算为不相似？如果没有，我会通过选择的归一化来取出我不关心的所有因素（例如，将曲线缩放以覆盖x和y中的相同范围）。

我相信这个主题有一个严谨的数学理论，我会搜索“亲和力”“仿射”这两个词。也就是说，我原始/天真的方法通常足以完成我正在做的工作。

您可能想在某个数学论坛上提出这个问题。

Answer 3

如果您比较的蛋白质是相当接近的直系同源物，那么您应该能够获得想要对其进行相似性评分的每一对的比对，或者整个组的多重比对。根据应用，我认为后者将更加严谨。然后，我将仅提取对齐的那些氨基酸的折叠分数，使得所有分布具有相同的长度，并计算相关性度量或平方的归一化点积的平方作为相似性度量。平方归一化点积或spearman等级相关性对幅度差异不太敏感，这似乎是你想要的。这将确保您比较合理配对的元素（在比对合理的范围内），并让您回答如下问题：“比较蛋白质中的相应残基是否通常折叠到相似程度？”。

比较两个用户定义的曲线并评分它们的相似性

3 个答案: