UMAP分析及可视化

什么是UMAP？和PCA一样，一种降维的算法，如果不是统计学或者数据专业的人，我建议不要去看它的原理，知道如何用就足够了。

也许听到UMAP最多的是对单细胞数据的分析降维，类似于下图：

然而其他数据，像大样本的转录组在PCA降维效果不好的时候，可以使用UMAP，毕竟现在转录非常便宜，随便测几十个样品和玩似的。

首先构建一个数据集，行为样本，列为基因，并对样本的特征进行分组。

读入数据： 

setwd("E:/生物信息学")options(stringsAsFactors= F)####A <- read.csv("UMAP.csv",header = T,row.names = 1)

安装R包：

install.packages("umap")library(umap)

UMAP分析：

A_umap <- A[,colnames(A)!= c('label2', 'label3','label4')]#新构建一个表，不含有labelA_umap <- data.frame(t(apply(A_umap,1,                             function(v){(v-mean(v,na.rm=T))/sd(v,na.rm=T)})),                     stringsAsFactors=F)#标准化umap <- umap(A_umap,method='naive',n_neighbors = 10)    head(umap$layout)    #####################       [,1]      [,2]r1 16.16427 -11.32371r2 16.26652 -11.21803r3 16.28917 -11.45600r4 16.28618 -11.56981r5 16.15085 -12.07527r6 16.65784 -12.28240             

提取分析结果用于作图：

B <- data.frame(umap$layout)B$label <- A$label2 colnames(B) <- c('UMAP_1','UMAP_2','label')

作图是由ggplot实现的，应该很熟悉了：​​​​​​​

ggplot(B, aes(x=UMAP_1, y=UMAP_2, colour=label)) +   geom_point(size=1)+ xlab("UMAP_1")+ ylab("UMAP_2")+   theme(  panel.grid.major = element_blank(),                 panel.grid.minor = element_blank(),                 legend.title=element_blank(),                  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())

降维效果很好，当然图的颜色也是可以修改的，和之前讲的ggplot的修饰一样。除了对样本的分组，还可以展现其他的分组，毕竟数据中我们设置了3

个label，我们看一下以性别的分组作图是什么样的？只需要改动下label即可。

 ​​​​​

C <- data.frame(umap$layout)C$label <- A$label3 colnames(C) <- c('UMAP_1','UMAP_2','label') ggplot(C, aes(x=UMAP_1, y=UMAP_2, colour=label)) +   geom_point(size=1)+ xlab("UMAP_1")+ ylab("UMAP_2")+   theme(panel.grid.major = element_blank(),                 panel.grid.minor = element_blank(),                 legend.title=element_blank(),                  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())

效果不错！

样本多可以试试这个方法，不局限于转录组，其他的任何数据都可以!

想要示例数据的可以打赏截图联系作者获取，记得留下邮箱！