跟着Cell学作图 | 5.UMAP降维分析
跟着 Cell 学作图 | 5.UMAP降维分析
“实践是检验真理的唯一标准。”
“复现是学习R语言的最好办法。”
DOI: 10.1016/j.cell.2020.05.032
这篇2020年发表在cell
上关于新冠的组学文章里面有大量的生信内容。今天带大家复现其中的一个Supplemental Figure
:UMAP降维分析图
。
本文代码及示例数据领取:后台回复“20210422”
UMAP
UMAP
(Uniform Manifold Approximation and Projection) 算法是一种创新的降维流形学习算法。来自于拓扑数据分析。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。文章里的这个图可以看出,sars-cov-2
感染患者的血清组学数据与健康个体的组学数据得到了很好的分辨,而其他组则表现出一定程度的分离。
数据格式
注:示例数据仅作展示用,无实际意义!
绘制
很显然,重点在于umap分析,可视化只是常见的散点图。
#------
title: "UMAP"
author: "MZBJ"
date: "2020/4/22"
#-----
# 初次使用需要安装
#install.packages("uamp")
rm(list = ls())
setwd("F:/~/mzbj/cell/2021.4.22")
# 载
library(umap)
library(ggplot2)
#导入数据,首列为行名
df <- read.csv(file = "df_umap.csv",row.names = 1)
#生成一个不含lable列的新数据集
df_umap <- df[,colnames(df)!='label']
#按行进行标准化
df_umap <- data.frame(t(apply(df_umap,1,function(v){(v-mean(v,na.rm=T))/sd(v,na.rm=T)})),stringsAsFactors=F)
#替换NA为0
df_umap[is.na(df_umap)] <- 0
#UMAP分析
umap <- umap(df_umap,method='naive',n_neighbors = 10)
#n_neighbors 用似的局部邻域的大小(根据邻域采样点的数量)。数值越大,流形的全局视图就越多,而数值越小,保留的局部数据就越多。通常值应该在2到100的范围内。
#method 可用的方法是“naive”(用纯R编写的实现)和“umap-learn”(需要python包“umap-learn”)
# 查看降维后的结果
head(umap$layout)
#提取umap值作图用
df1 <- data.frame(umap$layout)
df1$label <- df$label #加入lavle列
colnames(df1) <- c('X','Y','label') #改个列名 不改也行p <- ggplot(df1, aes(x=X, y=Y, colour=label)) + geom_point(size=4)+xlab(NULL)+ #不添加x y轴名称ylab(NULL)
p <- p + theme( panel.grid.major = element_blank(),panel.grid.minor = element_blank(),legend.title=element_blank(), #图例标签隐藏panel.border = element_blank(),axis.line.x = element_line(color="black", size = 0.5),axis.line.y = element_line(color="black", size = 0.5),panel.background = element_blank())
#按文章的配色改个颜色
p <- p + scale_colour_manual(values=c("#D58F25","#882424","#7DA92E","#5A7EB3"))
p
#保存为svg格式图片
ggsave(p,filename = "umap.svg",width = 5,height = 4)
出图:
又是一模一样哈哈~
写在后面:
本系列重在复现,所以有些细节可能讲的不是很详细。大家有问题可以后台私信,或者在我的B站:
木舟笔记
进行互动!制作不易,希望大家多多支持!
参考
https://github.com/lmcinnes/umap
https://cran.r-project.org/web/packages/umap/vignettes/umap.html
往期内容:
跟着CELL学作图|1.火山图
跟着Cell学作图 | 2.柱状图+误差棒+散点+差异显著性检验
跟着 Cell 学作图 | 3.箱线图+散点+差异显著性检验
跟着 Cell 学作图 | 4.小提琴图
跟着Cell学作图 | 5.UMAP降维分析相关推荐
- 跟着Cell学作图|9.PPI分析(GeNets数据库)
9.PPI分析(GeNets数据库) "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." DOI: 10.1016/j.cell.2020.05. ...
- 跟着Cell学作图 | 12.韦恩图(Vennerable包)
"实践是检验真理的唯一标准." "复现是学习生信的最好办法." 2021.4.12_1 DOI: 10.1016/j.cell.2020.05.032 这篇20 ...
- 跟着CELL学作图|1.火山图
跟着CELL学作图之火山图 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." DOI: 10.1016/j.cell.2020.05.032 这 ...
- 跟着 Cell 学作图 | 桑葚图(ggalluvial)
桑葚图 今天我们复现一幅2021年Cell上Graphical abstract的图. Title:Human oral mucosa cell atlas reveals a stromal-neu ...
- 跟着Cell学作图 | 2.柱状图+误差棒+散点+差异显著性检验
跟着 Cell 学作图 | 2.柱状图+误差棒+散点 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." 2021.4.12_1 DOI: 10. ...
- 跟着 Cell 学作图 | 4.小提琴图
跟着 Cell 学作图 | 4.小提琴图 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." DOI: 10.1016/j.cell.2020.0 ...
- 跟着 Cell 学作图 | 3.箱线图+散点+差异显著性检验
跟着 Cell 学作图 | 3.箱线图+散点+差异显著性检验 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." DOI: 10.1016/j.c ...
- 跟着 NC 学作图 | 多组散点图+配对连线+差异分析
scatter_paired_line 今天我们复现一幅2022年7月发表在nature communications上的配对连线散点图. ❝ Title:Evaluation of transpla ...
- 跟着Cell学单细胞转录组分析(八):单细胞转录组差异基因分析及多组结果可视化
接着单细胞下游分析: 从Cell学单细胞转录组分析(一):开端!!! 跟着Cell学单细胞转录组分析(二):单细胞转录组测序文件的读入及Seurat对象构建 跟着Cell学单细胞转录组分析(三):单细 ...
最新文章
- Python之Selenium的爬虫用法
- java h5获取ip,websocket中获取客户端通信的真实IP
- 联合检测和跟踪的MOT算法解析(含MOT17 No.1等多个榜前算法)
- myeclipse 10安装svn插件
- 选择指定的MySQL数据库
- 关于Linux内核的一些问题
- 软件开发打败了80%的程序员
- 新版 IDEA 发布,牛逼!网友:内存占用有所好转!
- Java观察者模式讲解及代码实现
- java 调用图灵接口_图灵机器人(问答机器人)API调用示例
- hive 漫威the_2021年即将上映的漫威电影
- photoshop中如何给图片加水印和去水印
- 牛年第一瓜!阿里女员工被初中文化男子骗走 500 多万元。。。
- 解决您所有WiFi问题的10个智能路由器
- 《枪炮、病菌与钢铁》之一
- 图片太大怎么办?这3种方法快速压缩图片!
- The Generalized Detection Method for the Dim Small Targets by Faster R-CNN Integrated with GAN 论文翻译
- JS知识点总结(全)
- [SDOI2012]拯救小云公主【bfs+二分答案】
- 同时拿到网易和微信的offer!!他是怎么做到的?
热门文章
- maven打包出错:There are test failures
- 程序员和他的女朋友一起创建了价值 150,000,000 美元的网站
- 实施CRM目标有哪几步?如何制定CRM目标?
- PyQt5 + Eric6 重装
- C语言-入门-宏定义(十七)
- Ominibus F4V3 Pro飞控原理图和接线图
- 密码安全:密码设置要求,密码爆破办法,密码归类使用,密码处置方案
- 李老师用计算机,西安数学天才何布凡,心算比计算机还快,幼年却被诊断为“智障”...
- zz Ubuntu常用命令大全
- 22个最流行的三维重建软件【2022】