R语言|转录组样本的PCA和PCoA

介绍

通过同一组转录组数据,做PCA和PCoA,看看分组情况。在此之前,我通常使用PCA对样本进行检测以剔除离群样本。但并不确定PCA和PCoA哪种方法在转录样本的分析中最优。关于PCA和PCoA算法的区别的区别可以参考知乎链接。

PCA

运行包

# PCA
getwd()
setwd("C:/Users/1/Documents/R/LNN/TSE_PS/")
# FactoMineR和factoextra必须运行,没有的话需要安装。
#install.packages("FactoMineR")
#install.packages("factoextra")
library(tidyverse)
library(FactoMineR)
library(factoextra)
library(RColorBrewer)
#

读入数据

tpm <- read.csv("~/R/LNN/TSE_PS/PS_TSE_tpm.csv")%>%mutate(X = NULL,
                                                          bed_num = NULL,
                                                          PS = NULL)%>%
  column_to_rownames(var = "TSE")
sample_list <- read.csv("~/R/LNN/TSE_PS/sample_list.csv")
#
df_group <- sample_list%>%
  mutate(Group = paste(species,gender,sep="_"))%>%
  dplyr::select(sample,Group)%>%
  column_to_rownames(var = "sample")

展示下使用的数据
tpm中colname为样本名称,ID作为rowname。而分组信息需要将样本名称作为rowname,分组信息可以为一列或多列。

>head(tpm)
                 PS_FB1     PS_FB2     PS_FB3      PS_FE1      PS_FE2      PS_FE3
KIF6           2.563374   1.371589   4.066951   0.3319875   0.3329647   0.4807414
GOT2         251.468015 251.760476 332.263694 309.8111250 317.3034103 321.5148220
LOC117870645 141.013038 162.829874 136.838119 182.3690559 225.8066411 192.6667206
LOC117870646  72.403094  42.969596  53.023493  44.9923024  75.5684609  38.5259704
DNMT3B         2.388589   3.085964   3.846336   8.2506601   6.8178938   3.7840485
MAPRE1       153.829811 154.892396 154.235473  92.0070980  97.3640793 100.4782548
> head(df_group)
           Group
PS_FB1 PS_Female
PS_FB2 PS_Female
PS_FB3 PS_Female
PS_FE1 PS_Female
PS_FE2 PS_Female
PS_FE3 PS_Female

tpm转置后即可直接进行PCA分析

#
data_T <- tpm%>%t()%>%
  data.frame()
data_T.pca <- PCA(data_T, graph = FALSE)
PCA <- fviz_pca_ind(data_T.pca, 
                    repel = TRUE,
                    # geom.ind = "point",#控制点上是否有样品名标识
                    col.ind = df_group$Group, # 颜色的分组信息
                    pointsize = 2,
                    # pointshape = 21, # 控制点形状,注释掉后按分组分配
                    addEllipses = TRUE,#点的外边框,注释掉后没有边框。
                    palette = brewer.pal(4,"RdYlBu"),
                    ellipse.type = "convex",# 用凸包多边形代替椭圆,注释掉后未椭圆
                    legend.title = "Organ")+
  theme_bw()
PCA

同样的代码,换一个分组

# 换一个分组
df_group2 <- sample_list%>%
  mutate(Group = paste(species,tissue,sep = " "))%>%
  dplyr::select(sample,Group)%>%
  column_to_rownames(var = "sample")
PCA2 <- fviz_pca_ind(data_T.pca, 
                    repel = TRUE,
                    # geom.ind = "point",#控制点上是否有样品名标识
                    col.ind = df_group2$Group, # 颜色的分组信息
                    pointsize = 2,
                    pointshape = 21, # 控制点形状,注释掉后按分组分配
                    addEllipses = TRUE,#点的外边框,注释掉后没有边框。
                    # palette = brewer.pal(12,"RdYlBu"),
                    ellipse.type = "convex",# 用凸包多边形代替椭圆,注释掉后未椭圆
                    legend.title = "Organ")+
  theme_bw()
PCA2
library(patchwork)
PCA | PCA2
不同分组下的PCA

PCoA

读包,读入数据

# PCoA
getwd()
setwd("C:/Users/1/Documents/R/LNN/TSE_PS/")
#
library(tidyverse)
# ade包和vegan包是必须的,其它包可省略
#install.packages("ade4")
#install.packages("vegan")
library(ade4)
library(vegan)
library(plyr)
library(RColorBrewer)
#
tpm <- read.csv("~/R/LNN/TSE_PS/PS_TSE_tpm.csv")%>%mutate(X = NULL,
                                                          bed_num = NULL,
                                                          PS = NULL)
sample_list <- read.csv("~/R/LNN/TSE_PS/sample_list.csv")
df_group <- sample_list%>%
  mutate(Group = paste(species,gender,sep="_"))%>%
  dplyr::select(sample,Group)
#

展示下tpm和s用以分组的df_group格式,内容有所省略

>head(tpm)
   TSE     PS_FB1     PS_FB2     PS_FB3      PS_FE1
1         KIF6   2.563374   1.371589   4.066951   0.3319875
2         GOT2 251.468015 251.760476 332.263694 309.8111250
3 LOC117870645 141.013038 162.829874 136.838119 182.3690559
4 LOC117870646  72.403094  42.969596  53.023493  44.9923024
5       DNMT3B   2.388589   3.085964   3.846336   8.2506601
6       MAPRE1 153.829811 154.892396 154.235473  92.0070980
>head(df_group)
  sample     Group
1 PS_FB1 PS_Female
2 PS_FB2 PS_Female
3 PS_FB3 PS_Female
4 PS_FE1 PS_Female
5 PS_FE2 PS_Female
6 PS_FE3 PS_Female
# 转置
df_t <- tpm%>%
  column_to_rownames(var = "TSE")%>%t()
# 计算距离
df.dist <- vegdist(df_t,method = 'bray',na.rm = T)
df.pcoa <- cmdscale(df.dist,k=(nrow(df_t)-1),eig = T,add = T)
data_eig = df.pcoa$eig
data_exp <- data_eig/sum(data_eig)
# 计算PCoA1和PCoA2并生成数值
pcoa1 <- paste(round(100*data_exp[1],2),'%')
pcoa2 <- paste(round(100*data_exp[2],2),'%')
# PCoA图的输入列表
sample_site <- data.frame(df.pcoa$points)[1:2]
# 加入分组信息,将group改成了level,便于在强调顺序时可以指定level
sample_site <- sample_site%>%rownames_to_column(var = "sample")%>%
  left_join(df_group)%>%
  dplyr::rename(level = Group,
                PCoA1 = X1,
                PCoA2 = X2)%>%
  column_to_rownames(var = "sample")
# 计算分组点的面积
find_hull <- function(sample_site) sample_site[chull(sample_site$PCoA1, sample_site$PCoA2),]
hulls <- ddply(sample_site, "level", find_hull)
# 绘图
ggplot(sample_site,aes(x = PCoA1,y = PCoA2,color=level))+
  geom_point()+
  theme_classic()
ggplot(sample_site, aes(PCoA1, PCoA2, color=level,shape=level)) +
  theme_classic()+
  geom_vline(xintercept = 0, color = 'gray', size = 0.4) +
  geom_hline(yintercept = 0, color = 'gray', size = 0.4) +
  geom_polygon(data = hulls,alpha = 0.2,aes(fill=factor(level),color=level),size=0.2,show.legend = FALSE) +
  geom_point(aes(color = level),size = 4,alpha = 0.5) +  #设置点的透明度、大小
  scale_color_manual(values = hcl.colors(4)) + #分组多了设置颜色麻烦,用包比较简单
  scale_fill_manual(values =  hcl.colors(4)) +
  scale_shape_manual(values = c(20,20,20,20)) +
  theme(panel.grid = element_line(color = 'black', linetype = 1, size = 0.1),
        panel.background = element_rect(color = 'black', fill = 'transparent'),
        legend.title=element_blank()
  )+labs(x = paste('PCoA axis1:',pcoa1), y = paste('PCoA axis2:',pcoa2))#前面计算的值,在这里写在坐标里

我的数据和分组设置的不太合理,每组离群的三个点都是相同的组织。


PCoA

完整代码

· PCA

# PCA
getwd()
setwd("C:/Users/1/Documents/R/LNN/TSE_PS/")
#
#install.packages("FactoMineR")
#install.packages("factoextra")
library(tidyverse)
library(FactoMineR)
library(factoextra)
library(RColorBrewer)
#
tpm <- read.csv("~/R/LNN/TSE_PS/PS_TSE_tpm.csv")%>%mutate(X = NULL,
                                                          bed_num = NULL,
                                                          PS = NULL)%>%
  column_to_rownames(var = "TSE")
sample_list <- read.csv("~/R/LNN/TSE_PS/sample_list.csv")
#
df_group <- sample_list%>%
  mutate(Group = paste(species,gender,sep="_"))%>%
  dplyr::select(sample,Group)%>%
  column_to_rownames(var = "sample")
#
data_T <- tpm%>%t()%>%
  data.frame()
data_T.pca <- PCA(data_T, graph = FALSE)
PCA <- fviz_pca_ind(data_T.pca, 
                    repel = TRUE,
                    # geom.ind = "point",#控制点上是否有样品名标识
                    col.ind = df_group$Group, # 颜色的分组信息
                    pointsize = 2,
                    # pointshape = 21, # 控制点形状,注释掉后按分组分配
                    addEllipses = TRUE,#点的外边框,注释掉后没有边框。
                    palette = brewer.pal(4,"RdYlBu"),
                    ellipse.type = "convex",# 用凸包多边形代替椭圆,注释掉后未椭圆
                    legend.title = "Organ")+
  theme_bw()
PCA
  • PCoA
# PCoA
getwd()
setwd("C:/Users/1/Documents/R/LNN/TSE_PS/")
#
library(tidyverse)
#install.packages("ade4")
#install.packages("vegan")
library(ade4)
library(vegan)
library(plyr)
library(RColorBrewer)
#
tpm <- read.csv("~/R/LNN/TSE_PS/PS_TSE_tpm.csv")%>%mutate(X = NULL,
                                                          bed_num = NULL,
                                                          PS = NULL)
sample_list <- read.csv("~/R/LNN/TSE_PS/sample_list.csv")
#
df_group <- sample_list%>%
  mutate(Group = paste(species,gender,sep="_"))%>%
  dplyr::select(sample,Group)
df_t <- tpm%>%
  column_to_rownames(var = "TSE")%>%t()
#
df.dist <- vegdist(df_t,method = 'bray',na.rm = T)
df.pcoa <- cmdscale(df.dist,k=(nrow(df_t)-1),eig = T,add = T)
data_eig = df.pcoa$eig
data_exp <- data_eig/sum(data_eig)
pcoa1 <- paste(round(100*data_exp[1],2),'%')
pcoa2 <- paste(round(100*data_exp[2],2),'%')
#
sample_site <- data.frame(df.pcoa$points)[1:2]
#
sample_site <- sample_site%>%rownames_to_column(var = "sample")%>%
  left_join(df_group)%>%
  dplyr::rename(level = Group,
                PCoA1 = X1,
                PCoA2 = X2)%>%
  column_to_rownames(var = "sample")
#
find_hull <- function(sample_site) sample_site[chull(sample_site$PCoA1, sample_site$PCoA2),]
hulls <- ddply(sample_site, "level", find_hull)
#
head(sample_site)
ggplot(sample_site,aes(x = PCoA1,y = PCoA2,color=level))+
  geom_point()+
  theme_classic()
ggplot(sample_site, aes(PCoA1, PCoA2, color=level,shape=level)) +
  theme_classic()+        #去掉背景框
  geom_vline(xintercept = 0, color = 'gray', size = 0.4) +
  geom_hline(yintercept = 0, color = 'gray', size = 0.4) +
  geom_polygon(data = hulls,alpha = 0.2,aes(fill=factor(level),color=level),size=0.2,show.legend = FALSE) +
  geom_point(aes(color = level),size = 4,alpha = 0.5) +  #设置点的透明度、大小
  scale_color_manual(values = hcl.colors(4)) +
  scale_fill_manual(values =  hcl.colors(4)) +
  scale_shape_manual(values = c(20,20,20,20)) +
  theme(panel.grid = element_line(color = 'black', linetype = 1, size = 0.1),
        panel.background = element_rect(color = 'black', fill = 'transparent'),
        legend.title=element_blank()
  )+labs(x = paste('PCoA axis1:',pcoa1), y = paste('PCoA axis2:',pcoa2))
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342

推荐阅读更多精彩内容