内容简介:上周的SOM (Self-Organizing Feature Map,自组织特征图)是基于神经网络方式的数据矩阵和可视化方式。与其它类型的中心点聚类算法如K-means等相似,SOM也是找到一组中心点 (又称为codebook vector),然后根据最相似原则把数据集的每个对象映射到对应的中心点。在神经网络术语中,每个神经元对应于一个中心点。与K-means类似,数据集中的每个对象每次处理一个,判断最近的中心点,然后更新中心点。与K-means不同的是,SOM中中心点之间存在拓扑形状顺序,在更新一个中
上周的 暑期生信黑马培训 有老师提出要做SOM分析,最后卡在 code plot
只能出 segment plot
却出不来 line plot
。查了下,没看到解决方案。今天看了下源码,设置了一个参数,得到 趋势图 。也顺便学习了SOM分析的整个过程,整理下来,以备以后用到。
SOM分析基本理论
SOM (Self-Organizing Feature Map,自组织特征图)是基于神经网络方式的数据矩阵和可视化方式。与其它类型的中心点聚类算法如K-means等相似,SOM也是找到一组中心点 (又称为codebook vector),然后根据最相似原则把数据集的每个对象映射到对应的中心点。在神经网络术语中,每个神经元对应于一个中心点。
与K-means类似,数据集中的每个对象每次处理一个,判断最近的中心点,然后更新中心点。与K-means不同的是,SOM中中心点之间存在拓扑形状顺序,在更新一个中心点的同时,邻近的中心点也会随着更新,直到达到设定的阈值或中心点不再有显著变化。最终获得一系列的中心点 (codes)隐式地定义多个簇,与这个中心点最近的对象归为同一个簇。
SOM强调簇中心点之间的邻近关系,相邻的簇之间相关性更强,更有利于解释结果,常用于可视化网络数据或基因表达数据。
Even though SOM is similar to K-means, there is a fundamental difference. Centroids used in SOM have a predetermined topographic ordering relationship. During the training process, SOM uses each data point to update the closest centroid and centroids that are nearby in the topographic ordering. In this way, SOM produces an ordered set of centroids for any given data set. In other words, the centroids that are close to each other in the SOM grid are more closely related to each other than to the centroids that are farther away. Because of this constraint, the centroids of a two-dimensional SOM can be viewed as lying on a two-dimensional surface that tries to fit the n-dimensional data as well as possible. The SOM centroids can also be thought of as the result of a nonlinear regression with respect to the data points. At a high level, clustering using the SOM technique consists of the steps described in Algorithm below:
1: Initialize the centroids. 2: repeat 3: Select the next object. 4: Determine the closest centroid to the object. 5: Update this centroid and the centroids that are close, i.e., in a specified neighborhood. 6: until The centroids don't change much or a threshold is exceeded. 7: Assign each object to its closest centroid and return the centroids and clusters.
SOM分析实战
下面是R中用 kohonen
包进行基因表达数据的SOM分析。
加载或安装包
### LOAD LIBRARIES - install with: #install.packages(c("kohonen") library(kohonen)
读入数据并进行标准化
data <- read.table("ehbio_trans.Count_matrix.xls", row.names=1, header=T, sep="\t") # now train the SOM using the Kohonen method # 标准化数据 data_train_matrix <- as.matrix(t(scale(t(data)))) names(data_train_matrix) <- names(data) head(data_train_matrix)
untrt_N61311 untrt_N052611 untrt_N080611 untrt_N061011 trt_N61311 ENSG00000223972 1.6201852 -0.5400617 -0.5400617 -0.5400617 -0.5400617 ENSG00000227232 -1.0711639 1.0274429 0.6776751 0.8525590 -1.2460478 ENSG00000278267 -1.6476479 1.3480756 0.1497862 0.7489309 -0.4493585 ENSG00000237613 2.4748737 -0.3535534 -0.3535534 -0.3535534 -0.3535534 ENSG00000238009 -0.3535534 -0.3535534 -0.3535534 -0.3535534 2.4748737 ENSG00000268903 -0.7020086 0.9025825 -0.7020086 -0.7020086 -0.7020086 trt_N052611 trt_N080611 trt_N061011 ENSG00000223972 1.6201852 -0.5400617 -0.5400617 ENSG00000227232 -1.2460478 0.5027912 0.5027912 ENSG00000278267 0.7489309 0.1497862 -1.0485032 ENSG00000237613 -0.3535534 -0.3535534 -0.3535534 ENSG00000238009 -0.3535534 -0.3535534 -0.3535534 ENSG00000268903 0.9025825 -0.7020086 1.7048781
训练SOM模型
# 定义网络的大小和形状 som_grid <- somgrid(xdim = 10, ydim=10, topo="hexagonal") # Train the SOM model! som_model <- supersom(data_train_matrix, grid=som_grid, keep.data = TRUE)
可视化SOM结果
# Plot of the training progress - how the node distances have stabilised over time. # 展示训练过程,距离随着迭代减少的趋势,判断迭代是否足够;最后趋于平稳比较好 plot(som_model, type = "changes")
计量每个SOM中心点包含的基因的数目
## custom palette as per kohonen package (not compulsory) coolBlueHotRed <- function(n, alpha = 0.7) { rainbow(n, end=4/6, alpha=alpha)[n:1] } # shows the number of objects mapped to the individual units. # Empty units are depicted in gray. plot(som_model, type = "counts", main="Node Counts", palette.name=coolBlueHotRed)
计量SOM中心点的内敛性和质量
# map quality # shows the mean distance of objects mapped to a unit to # the codebook vector of that unit. # The smaller the distances, the better the objects are # represented by the codebook vectors. plot(som_model, type = "quality", main="Node Quality/Distance", palette.name=coolBlueHotRed)
邻居距离-查看潜在边界点
# 颜色越深表示与周边点差别越大,越是分界点 # neighbour distances # shows the sum of the distances to all immediate neighbours. # This kind of visualization is also known as a U-matrix plot. # Units near a class boundary can be expected to have higher average distances to their neighbours. # Only available for the "som" and "supersom" maps, for the moment. plot(som_model, type="dist.neighbours", main = "SOM neighbour distances", palette.name=grey.colors)
查看SOM中心点的变化趋势
#code spread plot(som_model, type = "codes", codeRendering="lines")
获取每个SOM中心点相关的基因
table(som_model$unit.classif)
# 只显示一部分 1 2 3 4 5 6 197 172 434 187 582 249 95 96 97 98 99 100 168 919 226 419 193 241
# code是从左至右,从下至上进行编号的 som_model_code_class = data.frame(name=rownames(data_train_matrix), code_class=som_model$unit.classif) head(som_model_code_class)
name code_class 1 ENSG00000223972 81 2 ENSG00000227232 37 3 ENSG00000278267 93 4 ENSG00000237613 51 5 ENSG00000238009 11 6 ENSG00000268903 4
SOM结果进一步聚类
# 选择合适的聚类数目 # show the WCSS metric for kmeans for different clustering sizes. # Can be used as a "rough" indicator of the ideal number of clusters mydata <- as.matrix(as.data.frame(som_model$codes)) wss <- (nrow(mydata)-1)*sum(apply(mydata,2,var)) for (i in 2:15) wss[i] <- sum(kmeans(mydata, centers=i)$withinss) par(mar=c(5.1,4.1,4.1,2.1)) plot(1:15, wss, type="b", xlab="Number of Clusters", ylab="Within groups sum of squares", main="Within cluster sum of squares (WCSS)")
# Form clusters on grid ## use hierarchical clustering to cluster the codebook vectors som_cluster <- cutree(hclust(dist(mydata)), 6) # Colour palette definition cluster_palette <- function(x, alpha = 0.6) { n = length(unique(x)) * 2 rainbow(n, start=2/6, end=6/6, alpha=alpha)[seq(n,0,-2)] } cluster_palette_init = cluster_palette(som_cluster) bgcol = cluster_palette_init[som_cluster] #show the same plot with the codes instead of just colours plot(som_model, type="codes", bgcol = bgcol, main = "Clusters", codeRendering="lines") add.cluster.boundaries(som_model, som_cluster)
有一些类的模式不太明显,以后再看怎么优化。
SOM获取基因所在的新类
som_model_code_class_cluster = som_model_code_class som_model_code_class_cluster$cluster = som_cluster[som_model_code_class$code_class] head(som_model_code_class_cluster)
name code_class cluster 1 ENSG00000223972 81 2 2 ENSG00000227232 37 8 3 ENSG00000278267 93 8 4 ENSG00000237613 51 7 5 ENSG00000238009 11 4 6 ENSG00000268903 4 3
映射某个属性到SOM图
# 此处选择一个样本作为示例,可以关联很多信息, # 比如基因通路,只要在矩阵后增加新的属性就可以。 color_by_var = names(data_train_matrix)[1] color_by = data_train_matrix[,color_by_var] unit_colors <- aggregate(color_by, by=list(som_model$unit.classif), FUN=mean, simplify=TRUE) plot(som_model, type = "property", property=unit_colors[,2], main=color_by_var, palette.name=coolBlueHotRed)
更多聚类方法见:
- WGCNA分析,简单全面的最新教程
- ggplot2高效实用指南 (可视化脚本、 工具 、套路、配色)
- 在R中赞扬下努力工作的你,奖励一份CheatShet
- 别人的电子书,你的电子书,都在bookdown
- R语言 - 入门环境Rstudio
- R语言 - 热图绘制 (heatmap)
- R语言 - 基础概念和矩阵操作
- R语言 - 热图简化
- R语言 - 热图美化
- R语言 - 线图绘制
- R语言 - 线图一步法
- R语言 - 箱线图(小提琴图、抖动图、区域散点图)
- R语言 - 箱线图一步法
- R语言 - 火山图
- R语言 - 富集分析泡泡图
- R语言 - 散点图绘制
- R语言 - 韦恩图
- R语言 - 柱状图
- R语言 - 图形设置中英字体
- R语言 - 非参数法生存分析
- R语言 - 绘制seq logo图
- 一文看懂PCA主成分分析
- 富集分析DotPlot,可以服
- R中1010个热图绘制方法
- 还在用PCA降维?快学学大牛最爱的t-SNE算法吧, 附Python/R代码
- 一个函数抓取代谢组学权威数据库HMDB的所有表格数据
- 文章用图的修改和排版
- network3D: 交互式桑基图
- network3D 交互式网络生成
- Seq logo 在线绘制工具——Weblogo
- 生物AI插图素材获取和拼装指导
Ref:
- https://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Clustering/Self-Organizing_Maps_(SOM)
- http://www.shanelynn.ie/
- http://www.slideshare.net/shanelynn/2014-0117-dublin-r-selforganising-maps-for-customer-segmentation-shane-lynn
- https://rpubs.com/erblast/SOM
- http://www.pspc.unige.it/~drivsco/Papers/VanHulle_Springer.pdf
- https://pastebin.com/fqKzgHd9
- https://stackoverflow.com/questions/19858729/r-package-kohonen-how-to-plot-hexagons-instead-of-circles-as-in-matlab-som-too
以上所述就是小编给大家介绍的《SOM基因表达聚类分析初探》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 华大基因未来成长四大亮点 基因合成业务想象空间大
- 基因测序性能提升5倍,华为云FPGA基因加速方案彰显技术创新能力
- 【安全帮】华大基因澄清:“14万中国人基因大数据”研究全部在境内完成
- 基因领域:总融资9.86亿美元与去年持平,基因治疗浪潮即将来袭【VB100】
- 创投观察 | 基因检测迎来新增长点——数据价值挖掘
- 10倍速!浪潮分享第三代基因测序计算优化方案
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Android开发艺术探索
任玉刚 / 电子工业出版社 / 2015-9-1 / CNY 79.00
《Android开发艺术探索》是一本Android进阶类书籍,采用理论、源码和实践相结合的方式来阐述高水准的Android应用开发要点。《Android开发艺术探索》从三个方面来组织内容。第一,介绍Android开发者不容易掌握的一些知识点;第二,结合Android源代码和应用层开发过程,融会贯通,介绍一些比较深入的知识点;第三,介绍一些核心技术和Android的性能优化思想。 《Andro......一起来看看 《Android开发艺术探索》 这本书的介绍吧!