【聚类】ConsensusClusterPlus包

时间：2024-12-10 22:36:13

ConsensusClusterPlus包是R语言中实现consensus clustering的一种方法。

主要有三个步骤：1，准备输入数据；2，跑流程；3，generating consensus

  • 1-输入数据

输入数据要求无特别，列为样本行为基因、标准化的表达矩阵。

值得注意的是，此包默认选择以median absolute deviation (MAD)衡量的top5000高变基因用于分析，以更好的聚类分群（这和单细胞很像）。选择多少基因和选择方法都是可以自己选择的，因为这步骤用的classical R statistics而非包中的集成化命令。

    

  1. 

    

    library(ALL)

    

    2. 

  2. 

    

    data(ALL)

    

    3. 

  3. 

    

    d=exprs(ALL)

    

    4. 

  4. 

    

    d[1:5,1:5]

    

    5. 

  5. 

    

     
    

    6. 

  6. 

    

    mads=apply(d,1,mad)

    

    7. 

  7. 

    

    d=d[rev(order(mads))[1:5000],]

    

    8. 

  8. 

    

    d = sweep(d,1, apply(d,1,median,=T))

    

    9.

  • 2-聚类

几个重要参数：

pItem: percent of items (column) resampling

pFeature: percent of features (rows) resampling

maxK: maxium cluster counts

reps: resampling times

clusterAlg: agglomerative hierarchical clustering algorithm

distance: 1- Pearson correlation distances

注：实际中K和reps可以设置的高一点，例如20，1000

    

  1. 

    

    library(ConsensusClusterPlus)

    

    2. 

  2. 

    

    title=tempdir()

    

    3. 

  3. 

    

    results = ConsensusClusterPlus(d,maxK=6,reps=50,pItem=0.8,pFeature=1,

    

    4. 

  4. 

    

    
+ title=title,clusterAlg="hc",distance="pearson",seed=1262118388.71279,plot="png")

    

    5.

结果是一个list，list里的各元素对应着k不同取值时的结果

    

  1. 

    

    ###查看重要结果
    

    2. 

  2. 

    

     
    

    3. 

  3. 

    

    #consensusMatrix - the consensus matrix.
    

    4. 

  4. 

    

    #For .example, the top five rows and columns of results for k=2:
    

    5. 

  5. 

    

    results[[2]][["consensusMatrix"]][1:5,1:5]

    

    6. 

  6. 

    

     
    

    7. 

  7. 

    

    #consensusTree - hclust object
    

    8. 

  8. 

    

    results[[2]][["consensusTree"]]

    

    9. 

  9. 

    

     
    

    10. 

  10. 

    

    #consensusClass - the sample classifications
    

    11. 

  11. 

    

    results[[2]][["consensusClass"]][1:5]

    

    12. 

  12. 

    

     
    

    13. 

  13. 

    

    #ml - consensus matrix result
    

    14. 

  14. 

    

    #clrs - colors for cluster
    

    15.

  • 3-计算cluster consensus与item consensus

这两个概念类似于cluster内异质性和WGCNA里的membership概念。

    

  1. 

    

    icl = calcICL(results,title=title,plot="png")

    

    2. 

  2. 

    

     
    

    3. 

  3. 

    

    icl[["clusterConsensus"]]

    

    4. 

  4. 

    

    #k cluster clusterConsensus
    

    5. 

  5. 

    

    #[1,] 2 1 0.7681668
    

    6. 

  6. 

    

    #[2,] 2 2 0.9788274
    

    7. 

  7. 

    

    #[3,] 3 1 0.6176820
    

    8. 

  8. 

    

    #[4,] 3 2 0.9190744
    

    9. 

  9. 

    

    #[5,] 3 3 1.0000000
    

    10. 

  10. 

    

    #[6,] 4 1 0.8446083
    

    11. 

  11. 

    

     
    

    12. 

  12. 

    

    icl[["itemConsensus"]][1:5,]

    

    13. 

  13. 

    

    #k cluster item itemConsensus
    

    14. 

  14. 

    

    #1 2 1 28031 0.6173782
    

    15. 

  15. 

    

    #2 2 1 28023 0.5797202
    

    16. 

  16. 

    

    #3 2 1 43012 0.5961974
    

    17. 

  17. 

    

    #4 2 1 28042 0.5644619
    

    18. 

  18. 

    

    #5 2 1 28047 0.6259350
    

    19. 

  19. 

    

     
    

    20.

  • 4-图形化展示

详见Bioconductor - ConsensusClusterPlus

R语言|ConsensusClusterPlus 包进行一致性聚类

在实际应用中，CC聚类常与一些特定的生物学过程相联系。例如血管生成、缺氧。先找到相关gene set，对表达矩阵取子集，再聚类分亚型。有了不同的亚型，后面的分析就很多样了，可以深挖分子机制不同、共表达网络，也可以探究他的诊断或预后价值。

或者，先用cibersort等算法计算免疫浸润matrix，用免疫浸润结果做浸润聚类。

这种思路与ssGSEA或GSVA利用基因集打分中位数划分高低组其实差别不大，只不过用GSVA更加直观，预后或者诊断区分也更明显，但基于距离的聚类可能在共表达网络方面更有优势。

相关文章