聚类分析是一种数据归约技术，旨在揭露一个数据集中观测值的子集。它可以把大量的观测值归约为若干个类，而事先并不知道类别的个数与结构。 最常用的两种聚类方法是层次聚类（hierarchical agglomerative clustering）和划分聚类（partitioning clustering）。在层次聚类中，每一个观测值自成一类，这些类每次两两合并，直到所有的类被聚成一类为止。在划分聚类中，首先指定类的个数K，然后观测值被随机分成K类，再重新形成聚合的类。

对于层次聚类来说，最常用的算法是单联动（single linkage）、全联动（complete linkage ）、平均联动（average linkage） 、质心（centroid）和Ward方法。

二、聚类在基因表达数据中的应用

1.基因之间存在共表达

2.共表达的基因可能具有相似的生物功能

3.从具有相似表达谱的基因取推测其功能

4.利用不同基因表达模式对样本进行分类，找到潜在的分子标志物

5.更好的可视化

三、方法

R程序包实现层次聚类分析及可视化。

需要的数据：对应基因表达数据及样品特征信息。

返还的结果：heatmap图，及对应结果意义分析。