聚类广泛用于数据分析。去年研究了一下R语言聚类树的绘图原理。以芯片分析为例，我们来给一些样品做聚类分析。聚类的方法有很多种，我们选择Pearson距离、ward方法。

选择的样品有：

  1. "GSM658287.CEL",
  2. "GSM658288.CEL",
  3. "GSM658289.CEL",
  4. "GSM658290.CEL",
  5. "GSM658291.CEL",
  6. "GSM658292.CEL",
  7. "GSM658293.CEL",
  8. "GSM658294.CEL",
  9. "GSM658295.CEL",
  10. "GSM658296.CEL"

R语言代码实现Pearson聚类：

  1. library(affy)
  2. library(bioDist)
  3.  
  4. rawData<-ReadAffy("GSM658287.CEL","GSM658288.CEL",
  5. "GSM658289.CEL","GSM658290.CEL",
  6. "GSM658291.CEL","GSM658292.CEL",
  7. "GSM658293.CEL","GSM658294.CEL",
  8. "GSM658295.CEL","GSM658296.CEL")
  9.  
  10. correl <- cor.dist(t(exprs(rawData)),abs=FALSE)
  11. switch(tolower("pearson"),
  12.        "pearson" = {correl <- cor.dist(t(exprs(rawData)),abs=FALSE)},
  13.        "spearman" = {correl <- spearman.dist(t(exprs(rawData)),abs=FALSE)},
  14.        "euclidean" = {correl <- euc(t(exprs(rawData)))})
  15. clust <- hclust(correl, method = tolower("ward"))
  16. plot(clust)

R语言作图结果：

根据这几行代码，我们只知道使用cor.dist、hclust、plot这几个函数得到的结果，却看不出这些函数具体做了什么，也不太有人去深究这些问题。

事实上，R语言聚类部分的计算是用Fortran实现的，源码在https://svn.r-project.org/R/trunk/src/library/stats/src/，把hclust.f复制到本地，用一些工具生成hclust.dll，把hclust.dll和以上10个样品放在同一个目录，然后再运行以下的代码：

  1. library(affy)
  2. library(bioDist)
  3. dyn.load('hclust.dll')
  4.  
  5. rawData<-ReadAffy("GSM658287.CEL","GSM658288.CEL",
  6. "GSM658289.CEL","GSM658290.CEL",
  7. "GSM658291.CEL","GSM658292.CEL",
  8. "GSM658293.CEL","GSM658294.CEL",
  9. "GSM658295.CEL","GSM658296.CEL")
  10.  
  11. correl <- cor.dist(t(exprs(rawData)),abs=FALSE)    ## correl是一个下三角矩阵，本文不介绍这里的重要算法
  12.  
  13. > correl
  14.               GSM658287.CEL GSM658288.CEL GSM658289.CEL GSM658290.CEL
  15. GSM658288.CEL   0.037635566
  16. GSM658289.CEL   0.024346960   0.042032944
  17. GSM658290.CEL   0.024480935   0.040669995   0.025292084
  18. GSM658291.CEL   0.035538210   0.039284603   0.067154783   0.048204704
  19. GSM658292.CEL   0.072405758   0.050517381   0.059166892   0.059722043
  20. GSM658293.CEL   0.060155354   0.060391062   0.041925320   0.043643727
  21. GSM658294.CEL   0.036793132   0.029287344   0.069763710   0.059879668
  22. GSM658295.CEL   0.037397535   0.030773204   0.072159149   0.060667121
  23. GSM658296.CEL   0.068689147   0.031698616   0.068728603   0.065111592
  24.               GSM658291.CEL GSM658292.CEL GSM658293.CEL GSM658294.CEL
  25. GSM658288.CEL
  26. GSM658289.CEL
  27. GSM658290.CEL
  28. GSM658291.CEL
  29. GSM658292.CEL   0.074867692
  30. GSM658293.CEL   0.085559588   0.019655239
  31. GSM658294.CEL   0.023287164   0.059198270   0.071436194
  32. GSM658295.CEL   0.028215326   0.065728329   0.075385956   0.007874206
  33. GSM658296.CEL   0.059225037   0.046602561   0.059663628   0.044584172
  34.               GSM658295.CEL
  35. GSM658288.CEL
  36. GSM658289.CEL
  37. GSM658290.CEL
  38. GSM658291.CEL
  39. GSM658292.CEL
  40. GSM658293.CEL
  41. GSM658294.CEL
  42. GSM658295.CEL
  43. GSM658296.CEL   0.048650173
  44.  
  45. method <-
  46. n <- as.integer(attr(correl, "Size"))
  47. len <- as.integer(n * (n - )/)
  48. members <- rep(, n)
  49. storage.mode(correl) <- "double"
  50.  
  51. hcl <- .Fortran("hclust",
  52.         n = n,
  53.         len = len,
  54.         method = as.integer(method),
  55.             ia = integer(n),
  56.         ib = integer(n),
  57.         crit = double(n),
  58.         members = as.double(members),
  59.             nn = integer(n),
  60.         disnn = double(n),
  61.         flag = logical(n),
  62.             diss = correl)
  63.  
  64. hcass <- .Fortran("hcass2",
  65.         n = n,
  66.         ia = hcl$ia, ib = hcl$ib,
  67.             order = integer(n),
  68.         iia = integer(n),
  69.         iib = integer(n))
  70.  
  71. tree <- list(merge = cbind(hcass$iia[1L:(n - )],
  72.         hcass$iib[1L:(n - )]),
  73.         height = hcl$crit[1L:(n - )],
  74.         order = hcass$order,
  75.             labels = attr(d, "Labels"),
  76.         method = "ward",
  77.         dist.method = "cor")
  78.  
  79. 输出结果：
  80.  
  81. > hcl$crit[1L:(n - )]        ## 高度
  82. [] 0.007874206 0.019655239 0.024346960 0.025066360 0.031698616 0.031710258
  83. [] 0.065868858 0.103249166 0.137220473
  84.  
  85. > hcass$iia[1L:(n - )]
  86. [] - - - - - -      
  87.  
  88. > hcass$iib[1L:(n - )]
  89. []  -  -  -    -            
  90.  
  91. > hcass$order
  92.  []

解析：

一、10个样品原来的顺序：

  1. "GSM658287.CEL",    ## 第1个
  2. "GSM658288.CEL",    ## 第2个
  3. "GSM658289.CEL",    ## 第3个
  4. "GSM658290.CEL",    ## 第4个
  5. "GSM658291.CEL",    ## 第5个
  6. "GSM658292.CEL",    ## 第6个
  7. "GSM658293.CEL",    ## 第7个
  8. "GSM658294.CEL",    ## 第8个
  9. "GSM658295.CEL",    ## 第9个
  10. "GSM658296.CEL"     ## 第10个

按照hcass$order的顺序重新排列，就会得到：

  1. "GSM658288.CEL",    ## 第2个
  2. "GSM658296.CEL",    ## 第10个
  3. "GSM658291.CEL",    ## 第5个
  4. "GSM658294.CEL",    ## 第8个
  5. "GSM658295.CEL",    ## 第9个
  6. "GSM658292.CEL",    ## 第6个
  7. "GSM658293.CEL",    ## 第7个
  8. "GSM658290.CEL",    ## 第4个
  9. "GSM658287.CEL",    ## 第1个
  10. "GSM658289.CEL",    ## 第3个

这刚好是聚类图像里的样品顺序

二、再看看iia和iib：

  1. iia    iib
  2. -    -
  3. -    -
  4. -    -
  5. -
  6. -    -
  7. -

1）第一步的iia是-8，iib是-9，如果iia或者iib的值是负数的话，说明它所代表的样品是聚类树最底层的子树的分支，我们把第8个样品和第九个样品连接起来，高度取hcl$crit的第一个值0.007874206，得到：

  1. "GSM658288.CEL"    ##
  2. "GSM658296.CEL"    ##
  3. "GSM658291.CEL"    ##
  4. "GSM658294.CEL"    ##     --|
  5. "GSM658295.CEL"    ##     --|
  6. "GSM658292.CEL"    ##
  7. "GSM658293.CEL"    ##
  8. "GSM658290.CEL"    ##
  9. "GSM658287.CEL"    ##
  10. "GSM658289.CEL"    ##

2）根据第2步的-6、-7和第三行的-1、-3，我们把第6个样品和第7个样品连接起来，取高度0.019655239，把第1个样品和第3个样品连接起来，取高度0.024346960：

  1. "GSM658288.CEL"    ##
  2. "GSM658296.CEL"    ##
  3. "GSM658291.CEL"    ##
  4. "GSM658294.CEL"    ##     --|
  5. "GSM658295.CEL"    ##     --|
  6. "GSM658292.CEL"    ##     ----|
  7. "GSM658293.CEL"    ##     ----|
  8. "GSM658290.CEL"    ##
  9. "GSM658287.CEL"    ##     -----|
  10. "GSM658289.CEL"    ##     -----|

3）第4步是-4和3，意思是把第4个样品和刚刚第三步聚类的结果（也就是第1个样品和第3个样品聚类的结果）连接起来，取高度0.025066360：

  1. "GSM658288.CEL"    ##
  2. "GSM658296.CEL"    ##
  3. "GSM658291.CEL"    ##
  4. "GSM658294.CEL"    ##     --|
  5. "GSM658295.CEL"    ##     --|
  6. "GSM658292.CEL"    ##     ----|
  7. "GSM658293.CEL"    ##     ----|
  8. "GSM658290.CEL"    ##     -------|
  9. "GSM658287.CEL"    ##     -----|_|
  10. "GSM658289.CEL"    ##     -----|

4）第五步是-2和-10，把第2个样品和第10个样品连接起来，取高度0.031698616：

  1. "GSM658288.CEL"    ##     --------|
  2. "GSM658296.CEL"    ##    --------|
  3. "GSM658291.CEL"    ##
  4. "GSM658294.CEL"    ##     --|
  5. "GSM658295.CEL"    ##     --|
  6. "GSM658292.CEL"    ##     ----|
  7. "GSM658293.CEL"    ##     ----|
  8. "GSM658290.CEL"    ##     -------|
  9. "GSM658287.CEL"    ##     -----|_|
  10. "GSM658289.CEL"    ##     -----|

5）第六步是-5和1，把样品5和第一步聚类的结果连接起来，取高度0.031710258：

  1. "GSM658288.CEL"    ##     --------|
  2. "GSM658296.CEL"    ##    --------|
  3. "GSM658291.CEL"    ##     ----------|
  4. "GSM658294.CEL"    ##     --|_______|
  5. "GSM658295.CEL"    ##     --|
  6. "GSM658292.CEL"    ##     ----|
  7. "GSM658293.CEL"    ##     ----|
  8. "GSM658290.CEL"    ##     -------|
  9. "GSM658287.CEL"    ##     -----|_|
  10. "GSM658289.CEL"    ##     -----|

6）第七步是5和6，把第五步和第一步聚类的结果连接起来，取高度0.065868858：

  1. "GSM658288.CEL"    ##     --------|_____
  2. "GSM658296.CEL"    ##    --------|     |
  3. "GSM658291.CEL"    ##     ----------|___|
  4. "GSM658294.CEL"    ##     --|_______|
  5. "GSM658295.CEL"    ##     --|
  6. "GSM658292.CEL"    ##     ----|
  7. "GSM658293.CEL"    ##     ----|
  8. "GSM658290.CEL"    ##     -------|
  9. "GSM658287.CEL"    ##     -----|_|
  10. "GSM658289.CEL"    ##     -----|

7）第八步连接第2步和第4步的结果，取高度0.103249166：

  1. "GSM658288.CEL"    ##     --------|_____
  2. "GSM658296.CEL"    ##    --------|     |
  3. "GSM658291.CEL"    ##     ----------|___|
  4. "GSM658294.CEL"    ##     --|_______|
  5. "GSM658295.CEL"    ##     --|
  6. "GSM658292.CEL"    ##     ----|__________
  7. "GSM658293.CEL"    ##     ----|          |
  8. "GSM658290.CEL"    ##     -------|_______|
  9. "GSM658287.CEL"    ##     -----|_|
  10. "GSM658289.CEL"    ##     -----|

8）第九步连接第7步和第8步的结果，取高度0.137220473：

  1. "GSM658288.CEL"    ##     --------|_____
  2. "GSM658296.CEL"    ##    --------|     |____
  3. "GSM658291.CEL"    ##     ----------|___|    |
  4. "GSM658294.CEL"    ##     --|_______|        |
  5. "GSM658295.CEL"    ##     --|                |
  6. "GSM658292.CEL"    ##     ----|___________   |
  7. "GSM658293.CEL"    ##     ----|          |___|
  8. "GSM658290.CEL"    ##     -------|_______|
  9. "GSM658287.CEL"    ##     -----|_|
  10. "GSM658289.CEL"    ##     -----|

完成

15、R语言聚类树的绘图原理的更多相关文章

  1. R语言学习笔记2——绘图

    R语言提供了非常强大的图形绘制功能.下面来看一个例子: > dose <- c(20, 30, 40, 45, 60)> drugA <- c(16, 20, 27, 40, ...

  2. R语言学习2：绘图

    本系列是一个新的系列,在此系列中,我将和大家共同学习R语言.由于我对R语言的了解也甚少,所以本系列更多以一个学习者的视角来完成. 参考教材:<R语言实战>第二版(Robert I.Kaba ...

  3. R语言：ggplot2精细化绘图——以实用商业化图表绘图为例

    本文版权归http://www.cnblogs.com/weibaar 本文旨在介绍R语言中ggplot2包的一些精细化操作,主要适用于对R画图有一定了解,需要更精细化作图的人,尤其是那些刚从exce ...

  4. R语言-聚类与分类

    一.聚类: 一般步骤: 1.选择合适的变量 2.缩放数据 3.寻找异常点 4.计算距离 5.选择聚类算法 6.采用一种或多种聚类方法 7.确定类的数目 8.获得最终聚类的解决方案 9.结果可视化 10 ...

  5. R语言聚类方法&主要软件包-K-means

    主要4中软件包 stas:主要包含基本统计函数. cluster:用于聚类分析. fpc:含聚类算法函数(固定聚类.线性回归聚类等). mclust:处理高斯分布混合模型,通过EM算法实现聚类.分类及 ...

  6. R语言曲线拟合函数（绘图）

    曲线拟合:(线性回归方法:lm) 1.x排序 2.求线性回归方程并赋予一个新变量     z=lm(y~x+I(x^2)+...) 3.plot(x,y)    #做y对x的散点图 4.lines(x ...

  7. R语言中文社区历史文章整理（类型篇）

    R语言中文社区历史文章整理(类型篇)   R包: R语言交互式绘制杭州市地图:leafletCN包简介 clickpaste包介绍 igraph包快速上手 jiebaR,从入门到喜欢 Catterpl ...

  8. 统计计算与R语言的资料汇总（截止2016年12月）

    本文在Creative Commons许可证下发布. 在fedora Linux上断断续续使用R语言过了9年后,发现R语言在国内用的人逐渐多了起来.由于工作原因,直到今年暑假一个赴京工作的机会与一位统 ...

  9. 【机器学习与R语言】4-决策树

    目录 1.决策树原理 2.决策树应用示例 2.1)收集数据 2.2)探索和准备数据 2.3)训练模型 2.4)评估模型性能 2.5)提高模型性能 通过自适应增强算法(boosting) 将惩罚因子分配 ...

随机推荐

  1. Rust格式化输出

    打印操作由 https://doc.rust-lang.org/std/fmt/ 里面所定义的一系列宏来处理,包括: format!:将格式化文本写到字符串(String).(译注:字符串是返 回值不 ...

  2. svn 同步备份的所有问题，亲测可用

    svnsync 异地同步收获 (2010-07-06 10:06:19) 转载▼ 标签: 杂谈 分类: svn svnsync 异地同步收获: 来自:我用Subversion - http://www ...

  3. Joda-DateTime Date 与 String 相互转换

    [参考文章]:Joda-Time 的 DateTimeFormat 问题 public class DateFormatUtils { /** HH 必须大写 */ public static fin ...

  4. ajax 415

    ajax 发送post请求是出现415错误,是ajax的格式有问题,如下. $.ajax({ type: 'POST', url: '/login', data: { "username&q ...

  5. cin.clear()与cin.sync()的使用

    cin.clear()与cin.sync()使用是有先后顺序的. 他们的作用: cin.clear(); //将流中的所有状态都重设为有效值 cin.sync();//清空流 在输入错误的情况下,如果 ...

  6. LeetCode 179. 最大数（Largest Number）

    题目描述 给定一组非负整数,重新排列它们的顺序使之组成一个最大的整数. 示例 1: 输入: [10,2] 输出: 210 示例 2: 输入: [3,30,34,5,9] 输出: 9534330 说明: ...

  7. JScript 对字符串、数组处理的常用方法

    1.anchor 方法 在对象中的指定文本两端放置一个有 NAME 属性的 HTML 锚点.     strVariable.anchor(anchorString) var strVariable ...

  8. java用Annotation注入到成员Bean对象

    java用Annotation注入到成员Bean对象 在使用一些java框架的时候,经常看到一些注解,而且使用注解之后就可以免去一些xml的繁琐配置,本文记录如何通过注解获得成员Bean对象. 一.首 ...

  9. Vue-2：官方教程学习

    1,先把下面这些内容都按照官方教程敲一遍,打好基础,类似于“前戏”,其作用我想爸爸就不必多说了吧(づ｡◕‿‿◕｡)づ. https://cn.vuejs.org/v2/guide/ 同时可以配合配套视 ...

  10. JS中在当前日期上追加一天或者获取上一个月和下一个月

    /** * 获取上一个月 * * @date 格式为yyyy-mm-dd的日期,如:2014-01-25 */ function getPreMonth(date) { var arr = date. ...