基于改进Spectrum的肠道菌群聚类算法研究

肠道菌群与诸多人类重大疾病相关，研究在不同条件下的肠道菌群数据具有重要意义。由于菌群数据出现零膨胀现象，采用成对比率几何平均值（GMPR）方法对其进行归一化。本研究以2型糖尿病数据集为例，提出一种改进的Spectrum算法。首先，使用基于特征加权的相似度矩阵，避免忽视每个样本/特征所对应的不同特征值大小在该样本中所占据的权重；其次，将拉普拉斯矩阵替换为Hessian矩阵，避免传统谱聚类的灵敏度问题，将ISODATA聚类算法代替原本的K-means算法，有效地调整聚类中心数K。试验结果表明，GMPR+改进Spectrum在2型糖尿病中的标准化互信息（NMI）为0.423，戴维森堡丁指数（DBI）为4.751,Calinski-Harabasz指标（CH）为25.541，兰德指数（RI）为0.835，调整兰德指数（ARI）为0.019，较改进前的效果有所提升，并且该算法可以识别出不同类型患病人群在肠道菌群上的结构差异，挖掘出肠道微生物组的关键细菌。