Evaluation of clustering methods for analyzing drug cytokine profiles

Abstract: Huvudsyftet med denna studie var att utvärdera olika klustringsmetoder för att analysera data hämtade från en läkemedelsstudie där cytokinprofiler hade genererats från 23 olika läkemedel. Hierarkisk klustring användes eftersom antal kluster inte var förutbestämt. Olika distansmått och s.k. länkfunktioner utvärderades för hierarkisk klustring. Utvärderingen av de olika distansmåtten visade att Pearsons korrelationskoefficient lämpade sig bäst vid klustring av de olika läkemedlen eftersom likheter i mönster var viktigare än de faktiska mätvärdena. Även fyra länkfunktioner för att slå samman kluster utvärderades. Den länkfunktion som beräknade medelavståndet mellan objektens kluster visade sig vara den optimala metoden baserat på robusthet och korrelation mellan avstånden i dendrogramet och avstånden i distansmatrisen. Genom att använda hierarkisk klustring baserat på Pearsons korrelationskoefficient och medelavstånd så kunde ett antal intressanta läkemedelsgrupper identifieras. De s.k. JAK-inhibitorerna grupperades i ett distinkt kluster medan calcineurin inhibitorerna återfanns i ett robust kluster tillsammans med proteinkinasinhibitorer. Denna studie visar att klustring av läkemedel baserat på cytokinprofiler kan erbjuda viktig information som beslutstöd för framtida projekt inom läkemedelsutveckling, samt att avstånd baserade på Pearsons korrelationskoefficient och att en länkfunktion som beräknar medelavstånd lämpar sig bäst för den här typen av data.