Question

我的数据名为cleaned_mayo，如下所示：

                        Source         Tissue RIN Diagnosis Gender  AgeAtDeath ApoE   FLOWCELL PMI N_unmapped N_multimapping N_noFeature N_ambiguous ENSG00000223972
1924_TCX MayoBrainBank_Dickson TemporalCortex 5.6   Control      F 90_or_above   33 AC5R6PACXX   2    2773880        9656114     8225967     2876479               1
1926_TCX MayoBrainBank_Dickson TemporalCortex 7.8   Control      F          88   33 AC44HKACXX   2    2279283       12410116     9503353     3600252               2
1935_TCX MayoBrainBank_Dickson TemporalCortex 8.6   Control      F          88   33 AC5T2GACXX   3    3120169        8650081     9640468     4603751               0
1925_TCX MayoBrainBank_Dickson TemporalCortex 6.6   Control      F          89   33 BC6178ACXX   4    2046886       10627577     7533671     3361385               1
1963_TCX MayoBrainBank_Dickson TemporalCortex 9.7   Control      M 90_or_above   33 AC5T1WACXX   4    1810116        9611375     5343437     2983079               2
         ENSG00000227232 ENSG00000278267 ENSG00000243485 ENSG00000274890 ENSG00000237613 ENSG00000268020 ENSG00000240361 ENSG00000186092 ENSG00000238009 ENSG00000239945
1924_TCX              80               7               1               0               0               0               0               0               3               0
1926_TCX             113              22               9               0               0               0               0               0               0               0
1935_TCX             181              21               2               0               0               0               0               0               0               0
1925_TCX              75               9               5               0               0               0               0               0               2               0
1963_TCX              73              14               1               0               0               0               0               0               3               0
         ENSG00000233750
1924_TCX              18
1926_TCX               2
1935_TCX               8
1925_TCX              20
1963_TCX              13

我使用以下代码对此数据的表达式列进行分层聚类：

# Create the dendrogram for visualization
dend_expr<- cleaned_mayo[,14:60738] %>% # Isolate expression data
                  scale %>% # Normalize
                  dist  %>% # Compute distance measure
                  hclust %>% # Cluster hierarchically
                  as.dendrogram %>% # Convert to dendrogram type
                  assign_values_to_leaves_edgePar(value= cleaned_mayo$Diagnosis, edgePar= "col") %>% # Color branches by diagnosis
                  as.ggdend()

然后我使用以下方法可视化这个树形图：

# Plot dendrogram
ggplot(dend_expr, horiz= T, theme= NULL, labels= F) +
  ggtitle("Mayo Cohort: Hierarchical Clustering of Patients Colored by Diagnosis")

我的问题是使用这种assign_values_to_leaves_edgePar分支着色技术，我诊断的顺序不再与聚集的表达式数据匹配。因此，我的分支根据诊断顺序着色，这对于现在置换的样本是不正确的。

如何在群集或正确标记分支后匹配这些数据帧的顺序？

谢谢！

Answer 1

我自己已经找到了解决这个问题的方法，并会在此处发布，以防将来帮助任何人。

从创建树形图开始：

# Create the dendrogram for visualization
dend_expr<- cleaned_mayo[,15:60739] %>% # Isolate expression data
                  scale %>% # Normalize
                  dist  %>% # Compute distance measure
                  hclust %>% # Cluster hierarchically
                  as.dendrogram()

然后，我可以按照与新的分层聚类数据相同的顺序排列原始数据：

# Arrange labels in order with tree
tree_labels<- cleaned_mayo[order.dendrogram(dend_expr),]

然后我可以使用以下顺序为树形图的分支着色：

# Color branches by diagnosis
dend_expr<- assign_values_to_leaves_edgePar(dend_expr, value= tree_labels$Diagnosis, edgePar= "col") %>%
            as.ggdend()

然后想象结果：

# Plot dendrogram
ggplot(dend_expr, horiz= T, theme= NULL, labels= F) +
  ggtitle("Mayo Cohort: Hierarchical Clustering of Patients Colored by Diagnosis")

R：将样本标签顺序与分层集群顺序匹配

1 个答案: