使用sigclust来评估你的聚类是否显著

看到文献中(doi:10.1080/2162402X.2017.1392427)有人使用sigclust来评估聚类是否合理,于是乎研究了这个包。 sigclust主要针对生物信息学数据(高维低样本)产生的聚类结果进行评估,一个基本假...

看到文献中(doi:10.1080/2162402X.2017.1392427)有人使用sigclust来评估聚类是否合理,于是乎研究了这个包。

sigclust主要针对生物信息学数据(高维低样本)产生的聚类结果进行评估,一个基本假设就是数据满足单样本正态分布,计算聚类系数cluster index,进而通过蒙特卡罗随机过程计算该系数的统计学显著性——p值。 根据p值评估聚类的效果以及聚类的结果是否是真实存在的簇,借鉴到二分k均值算法,还可以用来对多类的数据进行聚类操作
   优点:计算速度快,特别适合生物信息学中的高维低样本数据
   局限:只能对两分类的聚类结果进行评估,如果是多类就必须配对两两比较

  参数
                x                                       一个矩阵或者data frame数据。行代表样本,列代表属性,数据需要标准化并不包含缺失值
                nsim                                  模拟正态分布样本数(迭代循环次数),最终求得主要p值
                nrep                                   2-means聚类的步数(默认=1,用以优化速度),如果labflag为0,则无效
                labflag                                如果p值用于一类或两类所指定的变量,用户定义的簇labflag=1,其他的labflag=0
                label                                  如果labflag=0,label通过2-means簇产生,如果labflag=1,用户自行定义
                icovest                               协方差估计方式:1.软阈值方法,constrained MLE(默认)
                                                                                 2.样本协方差估计(当诊断失败建议使用)
                                                                                 3.使用原始背景噪声阈值估计(硬阈值方法
   返回值
                raw.data                             原始数据矩阵
                veigval                                样本特征值向量
                vsimeigval                           在模拟中使用的特征值向量
                simbackvar                         来自数据的背景方差拟合
                icovest                               协方差估计方式
                nsim                                  模拟正态分布的样本个数
                simcindex                           基于nsim模拟数据集的cluster index
                pval                                    基于经验分布分位数模拟的p值
                pvalnorm                             基于正态分布分位数模拟的p值
                xcindex                               基于给定数据集的cluster index

用法极其简单如下:

sigclust(data,nsim=1000,nrep=1,labflag=0,icovest=3)@pvalnorm

我的使用情景是这样的,我利用ConsensusClusterPlus来对数据进行分子分型,最后得到了四个亚型

attachments-2019-02-BNMmjVeC5c70e8a8ef121.png利用sigclust我想看一下这四个亚型的聚类是否显著于是乎就有了如下代码。

library(ConsensusClusterPlus)
output='conse'
pdf=F
results = ConsensusClusterPlus(data,maxK=8,reps=50,pItem=0.8,pFeature=1,
                               title=output,distance="euclidean",clusterAlg="km"
                               #,distance="pearson"
                               ,seed=1262118388.71279,plot=ifelse(pdf,'pdf','png'))
rcc.ind=4
table(results[[rcc.ind]]$consensusClass)#查看各个亚型的样本数目
library(sigclust)
sitcl.p=matrix(1,nrow = rcc.ind,ncol = rcc.ind)
for(i in 1:(rcc.ind-1)){
  for (j in (i+1):(rcc.ind)) {
    sitcl.p[i,j]=sigclust(data[,which(results[[rcc.ind]]$consensusClass==i|results[[rcc.ind]]$consensusClass==j)]
                          ,nsim=1000,nrep=1,labflag=1,label=results[[rcc.ind]]$consensusClas[which(results[[rcc.ind]]$consensusClass==i|results[[rcc.ind]]$consensusClass==j)],icovest=3)@pvalnorm#评论两个亚型的聚类显著性
    sitcl.p[j,i]=sitcl.p[i,j]
  }
}

后记:其实没什么用,大多数情况下都是显著的。


  • 发表于 2019-02-23 14:36
  • 阅读 ( 99 )
  • 分类:软件工具

你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
不写代码的码农
祝让飞

生物信息工程师

103 篇文章

作家榜 »

  1. 祝让飞 103 文章
  2. 合肥国肽生物 69 文章
  3. 刘永鑫 64 文章
  4. SXR 44 文章
  5. 调研图 37 文章
  6. 张海伦 31 文章
  7. 生信分析流 29 文章
  8. 爽儿 25 文章