单细胞转录组学习笔记-8-聚类算法之PCA与tSNE

转载来自:刘小泽 链接:https://www.jianshu.com/p/e659a2f164f7

刘小泽写于19.7.5-第二单元第六讲:聚类算法之PCA与tSNE

笔记目的:根据生信技能树的单细胞转录组课程探索smart-seq2技术相关的分析技术
课程链接在:https://www.bilibili.com/video/BV1dt411Y7nn?p=9

还是之前文章附件的图片,其中b图是选取两个主成分做的PCA图,c图是tSNE图:

image

几个常用函数的转置t(transpose),傻傻分不清?: 计算距离介绍过dist()函数,它是按行为操作对象,而聚类是要对样本聚类,因此要先将我们平时见到的表达矩阵(行为基因,列为样本)转置;同样PCA也是对行/样本进行操作,也是需要先转置;另外归一化的scale()函数虽然是对列进行操作,但它的对象是基因,因此也需要转置

关于PCA的学习,之前写过:

  • StatQuest-PCA学习:https://www.jianshu.com/p/b83ac8f7f5a7
  • StatQuest--在R中拆解PCA:https://www.jianshu.com/p/8a74508c3737

先构建一个非常随机的测试数据

# 设置随机种子,可以重复别人使用的随机数
set.seed(123456789)
library(pheatmap)
library(Rtsne)
library(ggfortify)
library(mvtnorm)
# 设置两个正态分布的随机矩阵(500*20)
ng=500 
nc=20
a1=rnorm(ng*nc);dim(a1)=c(ng,nc) 
a2=rnorm(ng*nc);dim(a2)=c(ng,nc) 
a3=cbind(a1,a2)
> dim(a3)
[1] 500  40
# 添加列名
colnames(a3)=c(paste0('cell_01_',1:nc),
               paste0('cell_02_',1:nc)) 
# 添加行名
rownames(a3)=paste('gene_',1:ng,sep = '')
# 先做个热图
pheatmap(a3)

image

没有体现任何的基因差异或者样本聚类(热图中的聚类是自然层次聚类),可以看到样本名都是无规律的交叉显示

如果做PCA呢?
# 先转置一下,让行为样本
>  a3=t(a3);dim(a3) 
[1]  40 500

# prcomp()主成分分析
pca_dat <- prcomp(a3, scale. = TRUE) 
p=autoplot(pca_dat) + theme_classic() + ggtitle('PCA plot')
print(p)

image

可以看到每组的20个细胞都分不开,但每组具体有哪些样本还是看不出来,因此这里为每组加上颜色来表示

# 先在原来数据的基础上添加样本分组信息(别忘了a3是一个矩阵,先转换成数据框)
df=cbind(as.data.frame(a3),group=c(rep('b1',20),rep('b2',20)))
autoplot(prcomp( df[,1:(ncol(df)-1)] ), data=df,colour = 'group')+theme_bw()

image
另外看下tsne

利用了一个核心函数Rtsne()

set.seed(42)
tsne_out <- Rtsne(a3,pca=FALSE,perplexity=10,theta=0.0) 
# 结果得到一个列表
> str(tsne_out)
List of 14
 $ N                  : int 40
 $ Y                  : num [1:40, 1:2] -36.7 -28 -168 -33.4 22.4 ...
 $ costs              : num [1:40] 0.00348 -0.00252 0.01496 0.01646 0.00951 ...
# 其中在Y中存储了画图坐标
> head(tsne_out$Y,3)
           [,1]      [,2]
[1,]  -36.72621 -78.03709
[2,]  -28.00151  33.30229
[3,] -167.98560 -80.26850

tsnes=tsne_out$Y
colnames(tsnes) <- c("tSNE1", "tSNE2") #为坐标添加列名
# 基础作图代码
ggplot(tsnes, aes(x = tSNE1, y = tSNE2))+ geom_point()
# 在此基础上添加颜色分组信息,首先还是将tsnes这个矩阵变成数据框,然后增加一列group信息,最后映射在geom_point中
tsnes=as.data.frame(tsnes)
group=c(rep('b1',20),rep('b2',20))
tsnes$group=group
ggplot(tsnes, aes(x = tSNE1, y = tSNE2))+ geom_point(aes(col=group))

image

再构建一个有些规律的测试数据

ng=500
nc=20
a1=rnorm(ng*nc);dim(a1)=c(ng,nc)
# 和之前的区别就在a2这里,都加了3
a2=rnorm(ng*nc)+3;dim(a2)=c(ng,nc) 
a3=cbind(a1,a2)
colnames(a3)=c(paste0('cell_01_',1:nc),paste0('cell_02_',1:nc))
rownames(a3)=paste('gene_',1:ng,sep = '')
pheatmap(a3)

image

热图已经能看出来差异了,再看看PCA

a3=t(a3);dim(a3)
df=cbind(as.data.frame(a3),group=c(rep('b1',20),rep('b2',20)))
autoplot(prcomp( df[,1:(ncol(df)-1)] ), data=df,colour = 'group')+theme_bw()

image

tsne也是如此

set.seed(42)
tsne_out <- Rtsne(a3,pca=FALSE,perplexity=10,theta=0.0) 
tsnes=tsne_out$Y
colnames(tsnes) <- c("tSNE1", "tSNE2")
tsnes=as.data.frame(tsnes)
group=c(rep('b1',20),rep('b2',20))
tsnes$group=group
ggplot(tsnes, aes(x = tSNE1, y = tSNE2))+ geom_point(aes(col=group))

image

真实数据演练

载入RPKM数据
rm(list = ls()) 
options(stringsAsFactors = F)
load(file = '../input_rpkm.Rdata')
# 表达量信息
> dat[1:2,1:3]
              SS2_15_0048_A3 SS2_15_0048_A6 SS2_15_0048_A5
0610007P14Rik              0              0       74.95064
0610009B22Rik              0              0        0.00000
# 样本属性
> head(metadata,3) 
               g plate  n_g all
SS2_15_0048_A3 1  0048 3065 all
SS2_15_0048_A6 2  0048 3036 all
SS2_15_0048_A5 1  0048 3742 all
#所有数据的聚类分组信息
group_list=metadata$g 
#批次信息
plate=metadata$plate 
> table(plate) 
plate
0048 0049 
 384  384 

对数据进行PCA
# 操作前先备份
dat_back=dat
# 先对表达矩阵进行转置,然后转换成数据框,就可以添加批次信息了
dat=dat_back
dat=t(dat)
dat=as.data.frame(dat)
dat=cbind(dat,plate )

> dim(dat_back)
[1] 12689   768
> dim(dat)
[1]   768 12690

library("FactoMineR")
library("factoextra")
dat.pca <- PCA(dat[,-ncol(dat)], graph = FALSE)
fviz_pca_ind(dat.pca, # repel =T,
             geom.ind = "point", # 只显示点,不显示文字
             col.ind = dat$plate, # 按分组上色
             #palette = c("#00AFBB", "#E7B800"),
             addEllipses = TRUE, # 添加晕环
             legend.title = "Groups"

image

可以看到两个批次之间分不开,说明没有批次效应

对数据进行tsne
library(Rtsne) 
load(file = '../input_rpkm.Rdata')
dat[1:4,1:4]
dat_matrix <- t(dat)

dat_matrix =log2(dat_matrix+0.01)
# Set a seed if you want reproducible results
set.seed(42)
tsne_out <- Rtsne(dat_matrix,pca=FALSE,perplexity=30,theta=0.0) # Run TSNE
# Show the objects in the 2D tsne representation
plot(tsne_out$Y,col= plate) # asp=1
# https://distill.pub/nc16/misread-tsne/
image.png

美化图片:

>library(ggpubr)
# Add marginal rug
>head(tsne_out$Y)
##         [,1]        [,2]
[1,] -2.2186865  11.1212936
[2,] -6.2008007  12.9061310
[3,] -0.8396856   0.5376436
[4,] -2.8298850 -17.4342206
[5,]  9.6369513   0.6651455
[6,] -4.3156922 -21.4274021

>df=as.data.frame(tsne_out$Y)
>colnames(df)=c("X",'Y')
>df$plate= plate

##df$g 分群信息是基于之前hist
>df$g=metadata$g
>head(df)
          X           Y plate g
1 -2.2186865  11.1212936  0048 1
2 -6.2008007  12.9061310  0048 2
3 -0.8396856   0.5376436  0048 1
4 -2.8298850 -17.4342206  0048 3
5  9.6369513   0.6651455  0048 1
6 -4.3156922 -21.4274021  0048 3
>ggscatter(df, x = "X", y = "Y", color = "g" 
         # palette = c("#00AFBB", "#E7B800" ) 
          )
image.png

作者:刘小泽
链接:https://www.jianshu.com/p/ebd1c6fa79d3
来源:
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

你可能感兴趣的:(单细胞转录组学习笔记-8-聚类算法之PCA与tSNE)