2024-06-17

一网打尽！PCA，UMAP和tSNE三种降维分析

小花生信果 2023-08-06 19:01:05

转自公众号：生信花
http://mp.weixin.qq.com/s?__biz=MzkzODUxNjcwMA==&mid=2247483955&idx=1&sn=11b068077ccfd71eb8ba20bbd7bd2f84

点击蓝字关注我们

今天小花想利用PCA，UMAP和tSNE三种算法对同一数据进行降维分析，来比较一下三种方法的降维效果，小花将通过该推文为小伙伴们演示如何利用这三种分析方法进行降维分析，

有需要小伙伴可以跟着小花的步伐开始今天的学习之旅嗷！

1.何为PCA，UMAP和tSNE分析？

PCA是最常用的线性降维方法，通过某种线性投影，将高维数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住较多的原数据点的特性。t-SNE是一种非线性降维算法，非常适用于高维数据降维到2维或者3维，进行可视化，t-SNE具有两大优势，对于不相似的点，用一个较小的距离会产生较大的梯度来让这些点排斥开来，这种排斥又不会无限大，避免不相似的点距离太远。UMAP可以用于类似于t-SNE的可视化，但也可以用于一般的非线性降维,以上内容就是小果对这三种算法原理的简单介绍，接下来跟着小花开始今天的实操吧！

2.安装所需要的R 包

install.packages(“tidyverse”)install.packages(“broom”)install.packages(“umap”)install.packages(“Rtsne”)install.packages(“ggplot2”)

3.加载需要的R包

library(tidyverse)library(broom)library(umap)library(Rtsne)library(ggplot2)

4.读取数据

#数据类型包括字符串类型和数值型类型。df<-read.table(“test.txt”,header=T)

5.#PCA降维分析

penguins <- df %>%drop_na() %>% #删除缺失值select(-year) #删除year这一列数据#使用prcomp()进行PCA#PCA前对数值型数据进行标准化pca_fit <- penguins %>%select(where(is.numeric)) %>% #选择数值型数据scale() %>% #数据进行标准化prcomp() #prcomp函数进行PCA分析summary(pca_fit) #对PCA分析结果进行统计pca_fit %>%augment(penguins) %>%rename_at(vars(starts_with(".fitted")),list(~str_replace(.,".fitted",""))) %>%ggplot(aes(x=PC1,y=PC2,color=species,shape=sex))+geom_point()+labs(x = "PC1",y = "PC2")#保存图片ggsave("pca.pdf")

6.#UMAP降维分析

library(umap)theme_set(theme_bw(18))penguins <- df%>%drop_na() %>% #去除空值select(-year)%>% #删除year列mutate(ID=row_number()) #添加新的行名penguins_meta <- penguins %>%select(ID, species, island, sex) #筛选这三列信息set.seed(142)umap_fit <- penguins %>%select(where(is.numeric)) %>% #选择数值型列数据column_to_rownames("ID") %>% #将列名转化为行名scale() %>% #将数据标准化umap()#提取UMAP降维数据umap_df <- umap_fit$layout %>%as.data.frame()%>% #将数据转化为数据框rename(UMAP1="V1",#修改列名UMAP2="V2") %>%mutate(ID=row_number())%>% #添加新的行名inner_join(penguins_meta, by="ID") #将两个数据进行内连接umap_df %>% head()#绘制UMAP降维散点图umap_df %>%ggplot(aes(x = UMAP1,y = UMAP2,color = species,shape = sex))+geom_point()+labs(x = "UMAP1",y = "UMAP2",subtitle = "UMAP plot")ggsave("uma.pdf")

7.#tSNE降维分析

library(Rtsne)theme_set(theme_bw(18))penguins <- df %>%drop_na() %>%select(-year)%>%mutate(ID=row_number())penguins_meta <- penguins %>%select(ID,species,island,sex)set.seed(142)tSNE_fit <- penguins %>%select(where(is.numeric)) %>%#筛选数据类型是数值型的列column_to_rownames("ID") %>% #将列ID数据转换为行名scale() %>% #数据标准化Rtsne() #进行tSNE分析#提取tSNE降维数据tSNE_df <- tSNE_fit$Y %>%as.data.frame() %>% #将数据转化为数据框rename(tSNE1="V1",tSNE2="V2") %>% #修改列名mutate(ID=row_number()) #添加新的一列tSNE_df <- tSNE_df %>%inner_join(penguins_meta, by="ID") #内连接，取共有的数据tSNE_df %>% head()#绘制tSNE降维散点图tSNE_df %>%ggplot(aes(x = tSNE1,y = tSNE2,color = species,shape = sex))+geom_point()+theme(legend.position="right")ggsave("tSNE.pdf")