又是聚类分析可视化！

医学和生信笔记

发布于 2022-11-15 11:02:40

2750

发布于 2022-11-15 11:02:40

文章被收录于专栏：医学和生信笔记

聚类分析，老生常谈了，物以类聚人以群分，大概就是这么个意思。

相比于聚类分析本身，我更喜欢它的结果可视化的部分，虽然之前介绍过很多了，但是今天这个方法，还是要强烈推荐一下。

加载数据和R包

为了和之前保持一致，还是使用之前用过的数据演示~

data(nutrient, package = "flexclust")
row.names(nutrient) <- tolower(row.names(nutrient))

# 简单看下数据结构
dim(nutrient)
## [1] 27  5

str(nutrient)
## 'data.frame': 27 obs. of  5 variables:
##  $ energy : int  340 245 420 375 180 115 170 160 265 300 ...
##  $ protein: int  20 21 15 19 22 20 25 26 20 18 ...
##  $ fat    : int  28 17 39 32 10 3 7 5 20 25 ...
##  $ calcium: int  9 9 7 9 17 8 12 14 9 9 ...
##  $ iron   : num  2.6 2.7 2 2.6 3.7 1.4 1.5 5.9 2.6 2.3 ...

然后就是今天的要介绍的R包：dendextend。

它很神奇，支持管道！

suppressPackageStartupMessages(library(tidyverse))
library(dendextend)
## 
## ---------------------
## Welcome to dendextend version 1.15.2
## Type citation('dendextend') for how to cite the package.
## 
## Type browseVignettes(package = 'dendextend') for the package vignette.
## The github page is: https://github.com/talgalili/dendextend/
## 
## Suggestions and bug-reports can be submitted at: https://github.com/talgalili/dendextend/issues
## You may ask questions at stackoverflow, use the r and dendextend tags: 
##   https://stackoverflow.com/questions/tagged/dendextend
## 
##  To suppress this message use:  suppressPackageStartupMessages(library(dendextend))
## ---------------------
## 
## Attaching package: 'dendextend'
## The following object is masked from 'package:stats':
## 
##     cutree

进行聚类分析

使用管道构建一个聚类树对象，感觉很神奇！

dend <- nutrient %>% 
  dist() %>% # 计算距离
  hclust() %>% # 聚类
  as.dendrogram() # 转换一下

画图

其实你直接plot也是可以出图的，并且也能进行一些美化操作：

plot(dend)

plot of chunk unnamed-chunk-4

但是今天介绍的这个dendextend更加方便也更加操作友好，支持管道操作！

dend %>% 
  
  # 线条的设置
  set("branches_col", "grey") %>% 
  set("branches_lwd", "3") %>% 
  set("labels_col", "orange") %>% 
  
  # 标签的颜色
  set("labels_cex", 0.8) %>%
  
  # 点的设置
  set("leaves_pch", 19)  %>% 
  set("leaves_cex", 0.7) %>% 
  set("leaves_col", "red") %>%  
  
  # 画图
  plot()

plot of chunk unnamed-chunk-5

看看这个流畅又好理解的操作，很强！

美化

也可以进行更加精细化的美化，比如添加矩形框，分组添加颜色等，都是支持的~

par(mar=c(1,1,1,7))

dend %>%
  
  # 添加不同的颜色
  set("labels_col", value = c("skyblue", "orange", "grey"), k=3) %>%
  set("branches_k_color", value = c("skyblue", "orange", "grey"), k = 3) %>%
  
  # 水平绘制
  plot(horiz=TRUE, axes=FALSE)

# 添加一条竖线
abline(v = 350, lty = 2)

# 添加矩形框
rect.dendrogram(dend, k=3, lty = 5, lwd = 0, x=1, horiz = T, col=rgb(0.1, 0.2, 0.4, 0.1) )

是不是很神奇？

添加分组条形

类似于WGCNA里面的聚类树一样，可以在底部添加条形。

比如根据protein这一列分组，大于等于20的显示红色，小于20的是绿色。

tmp <- ifelse(nutrient$protein < 20, "green","red")

par(mar=c(10,1,1,1))
dend %>%
  set("labels_col", value = c("skyblue", "orange", "grey"), k=3) %>%
  set("branches_k_color", value = c("skyblue", "orange", "grey"), k = 3) %>%
  set("leaves_pch", 19)  %>% 
  set("nodes_cex", 0.7) %>% 
  plot(axes=FALSE)
 
# 加颜色条
colored_bars(colors = tmp, dend = dend, rowLabels = "am")

tanglegram图

# 准备2个聚类树对象，使用不同的方法
d1 <- nutrient %>% dist() %>% hclust( method="average" ) %>% as.dendrogram()
d2 <- nutrient %>% dist() %>% hclust( method="complete" ) %>% as.dendrogram()
 
# 自定义每个聚类树，放到一个列表中
dl <- dendlist(
  d1 %>% 
    set("labels_col", value = c("skyblue", "orange", "grey"), k=3) %>%
    set("branches_lty", 1) %>%
    set("branches_k_color", value = c("skyblue", "orange", "grey"), k = 3),
  d2 %>% 
    set("labels_col", value = c("skyblue", "orange", "grey"), k=3) %>%
    set("branches_lty", 1) %>%
    set("branches_k_color", value = c("skyblue", "orange", "grey"), k = 3)
)
 
# 使用tanglegram画到一起
tanglegram(dl, 
           common_subtrees_color_lines = FALSE, highlight_distinct_edges  = TRUE, highlight_branches_lwd=FALSE, 
           margin_inner=7,
           lwd=2
)

plot

非常强，今天又学到了！

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-08-01，如有侵权请联系 cloudcommunity@tencent.com 删除

bash

本文分享自医学和生信笔记微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

bash

登录后参与评论

0 条评论

热度