中文关键词：
时序数据聚类，时间序列数据聚类，基因表达数据聚类，机器学习，角度特征
中文摘要：
在对基因表达进行聚类时，预计同一聚类中基因的相关系数很高，大多数聚类的基因本体（GO）富集分析将具有重要意义。然而，现有的短期基因表达聚类算法存在局限性。为了解决这个问题，我们提出了一种基于角度特征的短期基因表达聚类方法。我们的方法（称为AngClust）使用角度特征来指示两个相邻时间点基因表达水平的趋势变化。多个时间点的角度变化反映了整体表达水平的趋势变化。这些变化用于衡量不同基因的表达趋势是否相似。为了从聚类结果中获得功能显著的聚类，我们评估了聚类中的基因数量、平均相关系数、波动及其与GO项富集的相关性。AngClust在酵母基因表达数据集上的疗效优于其他两种测量方法，即欧几里德距离（ED）和动态时间扭曲相关性（DTW）。在人类、小鼠和酵母基因表达的时间序列上，AngClust簇富集的GO和通路项的比率高于或等于STEM和TMixClust。
该聚类算法（软件）适用于下列各类时序数据的聚类，该软件有可视化操作界面（Windows GUI），操作简介快捷。
气温数据：例如每小时或每天记录的气温数据。
股票价格：如每分钟、每小时或每日记录的股票交易价格。
销售数据：如每月、每季度或每年的销售额。
生物医学信号：如心电图、脑电图等，记录生物体的生理状态随时间的变化。
交通流量数据：如每小时或每天记录的交通流量数据。
天气数据：包括温度、湿度、风速等随时间变化的信息。
官网论文：
https://ieeexplore.ieee.org/document/9833353/
https://pubmed.ncbi.nlm.nih.gov/35853049/
下载论文全文pdf文件（download full-text）：
或者，发邮件给作者获取全文pdf liaiminmail@gmail.com
下载开源代码：
https://github.com/emanlee/angclust
https://sourceforge.net/projects/angclust/
引用论文：
Aimin Li, Siqi Xiong, Junhuai Li, Saurav Mallik, Yajun Liu, Rong Fei, Hongfang Zhou, Guangming Liu. AngClust: Angle Feature-Based Clustering for Short Time Series Gene Expression Profiles. 2023. IEEE/ACM transactions on computational biology and bioinformatics / IEEE, ACM. 2023 Mar-Apr;20(2):1574-1580. doi: 10.1109/TCBB.2022.3192306. Epub 2023 Apr 3. DOI: 10.1109/TCBB.2022.3192306
标签：表达,AngClust,基因,https,聚类,序列,数据 From： https://www.cnblogs.com/emanlee/p/18579614