python – 从距离矩阵计算亲和度矩阵
作者：互联网
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％同一性,我推断我可以采取(1 – 距离)来获得亲和力.
我运行了我的代码,集群看起来很合理,我认为一切都很好……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.那就是我脑海里一切都崩溃的时候.
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！
附：我已经尝试过发布到Biostars.org,但我还没有得到答案……
解决方法:
我认为1距离和exp(-beta *距离)都是将距离转换为相似性的有效方法(尽管它们在概率框架中的解释不同).我会简单地使用什么给出更好的结果.
标签：python,bioinformatics,affinity 来源： https://codeday.me/bug/20190703/1370204.html