TSNE降维分析及个性化作图

TSNE降维和UMAP一样，应用场景相似，具体的原理感兴趣的或者数据比较好的可以自行去学习。这里就不多说了，我们直接开始分析及作图吧。TSNE分析我们使用Rtsne这个包。

首先加载R包：

library(ggpubr)library(ggthemes)library(Rtsne)

读入表达矩阵数据：

setwd("F:/生物信息学/TSNE")A <- read.csv("tsne.csv",header = T,row.names = 1)

TSNE降维分析很简单，就一句话。

Atsne <- Rtsne(t(A), perplexity = 3)

得到的Atsne这个文件是一个list，降维的结果在Atsne$Y中，对其行进行命名，并创建画图文件。

Atsne$Ycolnames(Atsne$Y) <- c("TSNE1","TSNE2")Atsne_data <- data.frame(sample=colnames(A),                         Type=c(rep("Control",6),rep("Test",6),                                rep("stage1",3),rep("stage2",3)),                         Atsne$Y)

画图和之前UMAP一样，采用ggplot即可：​​​​​​​

library(ggplot2)
ggplot(Atsne_data, aes(x=TSNE1, y=TSNE2, colour=Type)) +   geom_point(size=2)+ xlab("TSNE1")+ ylab("TSNE2")+  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())

还可以添加置信椭圆：

​​​​​​​

ggplot(Atsne_data, aes(x=TSNE1, y=TSNE2, colour=Type)) +   geom_point(size=2)+ xlab("TSNE1")+ ylab("TSNE2")+  stat_ellipse(aes(color = Type,fill = Type),               geom = "polygon",               level = 0.9,               alpha = 0.3)+  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())

除了ggplot，这里我们介绍一下另外一种做法，降维图其实就是散点图，有一个画图神包ggscatter可以实现。​​​​​​​

ggscatter(Atsne_data, x="TSNE1",y="TSNE2",          color = "Type",size = 4,          main = "tSNE plot")+theme_base()

看起来效果还是很好的，还可以再加修饰，感兴趣的小伙伴自行探索。

更进一步，还可以做成单细胞那样，看看某一个基因在不同样本中的表达。​​​​​​​

Atsne_data$MUM1 <- as.numeric(A["MUM1",])ggscatter(Atsne_data, x="TSNE1",y="TSNE2",          color = "MUM1",          size = 3,alpha=0.7,          main = "MUM1 ")+theme_base()+  gradient_color(palette = c("lightgrey", "blue"))

挺不错的！！！

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！

下节预告---limma包分析转录组芯片数据