R語言如何實現(xiàn)一致性聚類

今天小編給大家分享一下R語言如何實現(xiàn)一致性聚類的相關(guān)知識點，內(nèi)容詳細(xì)，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

ConsensusClusterPlus 包對基因表達(dá)數(shù)據(jù)進(jìn)行一致性聚類

Consensus Clustering(一致性聚類)是一種無監(jiān)督聚類方法，是一種常見的癌癥亞型分類研究方法，可根據(jù)不同組學(xué)數(shù)據(jù)集將樣本區(qū)分成幾個亞型，從而發(fā)現(xiàn)新的疾病亞型或者對不同亞型進(jìn)行比較分析。這類文章一般會對基因表達(dá)量（芯片數(shù)據(jù)或者RNA-seq數(shù)據(jù)）或甲基化等數(shù)據(jù)進(jìn)行聚類分析，選出最優(yōu)聚類數(shù)；對聚出的類組進(jìn)行差異化表達(dá)分析得到DEGs，差異表達(dá)基因做GO、pathway，PPI等一系列分析，在分析一下與生存的關(guān)系、免疫細(xì)胞豐度的區(qū)別，等等。

Consensus Clustering 的基本原理假設(shè)：從原數(shù)據(jù)集不同的子類中提取出的樣本構(gòu)成一個新的數(shù)據(jù)集，并且從同一個子類中有不同的樣本被提取出來，那么在新數(shù)據(jù)集上聚類分析之后的結(jié)果，無論是聚類的數(shù)目還是類內(nèi)樣本都應(yīng)該和原數(shù)據(jù)集相差不大。因此所得到的聚類相對于抽樣變異越穩(wěn)定，我們越可以相信這一樣的聚類代表了一個真實的子類結(jié)構(gòu)。重采樣的方法可以打亂原始數(shù)據(jù)集，這樣對每一次重采樣的樣本進(jìn)行聚類分析然后再綜合評估多次聚類分析的結(jié)果給出一致性(Consensus)的評估?？偨Y(jié)，一致聚類通過基于重采樣的方法來驗證聚類合理性，其主要目的是評估聚類的穩(wěn)定性，可用于確定最佳的聚類數(shù)目K。

相比其他聚類方法一致性聚類的優(yōu)勢：

不能提供“客觀的”分類數(shù)目的標(biāo)準(zhǔn)和分類邊界,例如Hierarchical Clustering。

需要預(yù)先給定一個分類的數(shù)目，且沒有統(tǒng)一的標(biāo)準(zhǔn)去比較不同分類數(shù)目下分類的結(jié)果，例如K-means Clustering。

聚類結(jié)果的合理性和可靠性無法驗證。

R實現(xiàn)一致性聚類

ConsensusClusterPlus則將Consensus Clustering在 R 中實現(xiàn)了。

#安裝包

if (!requireNamespace("BiocManager", quietly = TRUE))
  install.packages("BiocManager")
BiocManager::install("ConsensusClusterPlus")

主要方法：

（1）ConsensusClusterPlus 方法用于一致性聚類，

ConsensusClusterPlus(d=NULL, maxK = 3, reps=10, pItem=0.8, 
              pFeature=1, clusterAlg="hc",
              title="untitled_consensus_cluster",
              innerLinkage="average", 
              finalLinkage="average", 
              distance="pearson", ml=NULL,
              tmyPal=NULL,seed=NULL,
              plot=NULL,writeTable=FALSE,weightsItem=NULL,
              weightsFeature=NULL,verbose=F,corUse="everything")

常用參數(shù)：

（2）calcICL函數(shù)：
用法：

calcICL(res,title="untitled_consensus_cluster",plot=NULL,writeTable=FALSE)

參數(shù)：

數(shù)據(jù)分析

首先收集用于聚類分析的數(shù)據(jù)，比如 mRNA 表達(dá)微陣列或免疫組織化學(xué)染色強度的實驗結(jié)果數(shù)據(jù)。輸入數(shù)據(jù)的格式應(yīng)為矩陣。下面以 ALL 基因表達(dá)數(shù)據(jù)為例進(jìn)行操作。

##使用ALL示例數(shù)據(jù)library(ALL)data(ALL)d=exprs(ALL)d[1:5,1:5]  #共128個樣品，12625個探針數(shù)據(jù)
# 01005 01010 03002 04006 04007# 1000_at 7.597323 7.479445 7.567593 7.384684 7.905312# 1001_at 5.046194 4.932537 4.799294 4.922627 4.844565# 1002_f_at 3.900466 4.208155 3.886169 4.206798 3.416923# 1003_s_at 5.903856 6.169024 5.860459 6.116890 5.687997# 1004_at 5.925260 5.912780 5.893209 6.170245 5.615210
##對這個芯片表達(dá)數(shù)據(jù)進(jìn)行簡單的normalization，取在各個樣品差異很大的那些gene或者探針的數(shù)據(jù)來進(jìn)行聚類分析mads=apply(d,1,mad)   
#計算每個基因的標(biāo)準(zhǔn)差d=d[rev(order(mads))[1:5000],]
#sweep函數(shù)減去中位數(shù)進(jìn)行標(biāo)準(zhǔn)化d = sweep(d,1, apply(d,1,median,na.rm=T))#也可以對這個d矩陣用DESeq的normalization 進(jìn)行歸一化，取決于具體情況

聚類分析

title="F:/ConsensusClusterPlus"  #設(shè)置圖片輸出路徑results <- ConsensusClusterPlus(dataset, maxK = 6,
                                reps = 50, pItem = 0.8,
                                pFeature = 0.8,
                                clusterAlg = "hc",
                                seed=100,
                                distance = "pearson",
                                title = title,
                                plot = "png")
#結(jié)果將會輸出k從2-6各個情況下的分型情況，聚類的方法用的是 hc ，抽樣比例為0.8，最后輸出png圖#這里設(shè)置的maxK=6、reps=50，但是實際上需要更高的reps（如1000）和更高的maxK（如20）

結(jié)果展示與說明；

（1）k = 2, 3, 4, 5, 6 時的矩陣熱圖：矩陣的行和列表示的都是樣本，一致性矩陣的值按從0（不可能聚類在一起）到1（總是聚類在一起）用白色到深藍(lán)色表示，一致性矩陣按照一致性分類（熱圖上方的樹狀圖）來排列。樹狀圖和熱圖之間的長條即分出來的類別。注意第一張為圖例；

（2）一致性累積分布函數(shù)（CDF）圖：此圖展示了k取不同數(shù)值時的累積分布函數(shù)，用于判斷當(dāng)k取何值時，CDF達(dá)到一個近似最大值，此時的聚類分析結(jié)果最可靠。即考慮CDF下降坡度小的k值。

（3）Delta Area Plot：此圖展示的是 k 和 k-1 相比CDF曲線下面積的相對變化。當(dāng)k=2時，因為沒有k=1，所以第一個點表示的是k=2時CDF曲線下總面積，而非面積的相對變化值。當(dāng)k=6時，曲線下面積僅小幅增長，故5為合適的k值。

分類樹及結(jié)果：

results[[2]][["consensusTree"]] 
# Call:# hclust(d = as.dist(1 - fm), method = finalLinkage)# # Cluster method   : average 
# Number of objects: 128 
results[[2]][["consensusClass"]][1:5] 
# 01005 01010 03002 04006 04007 
#     1     1     1     1     1

以上就是“R語言如何實現(xiàn)一致性聚類”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學(xué)習(xí)更多的知識，請關(guān)注億速云行業(yè)資訊頻道。