我有一个输入文件,其中包含约 50000 个集群的列表,并且每个集群中都存在许多因素(总共约 1000 万个条目),请参阅下面的较小示例:
set.seed(1)
x = paste("cluster-",sample(c(1:100),500,replace=TRUE),sep="")
y = c(
paste("factor-",sample(c(letters[1:3]),300, replace=TRUE),sep=""),
paste("factor-",sample(c(letters[1]),100, replace=TRUE),sep=""),
paste("factor-",sample(c(letters[2]),50, replace=TRUE),sep=""),
paste("factor-",sample(c(letters[3]),50, replace=TRUE),sep="")
)
data = data.frame(cluster=x,factor=y)
在另一个问题的帮助下,我得到了一个饼图,用于同时出现这样的因素:
counts = with(data, table(tapply(factor, cluster, function(x) paste(as.character(sort(unique(x))), collapse='+'))))
pie(counts[counts>1])
但现在我想要一个关于因素共现的维恩图。理想情况下,也可以采用每个因素的最小计数阈值的方式。例如,不同因素的维恩图,因此每个因素都必须在每个集群中出现 n>10 才能被考虑在内。
我试图找到一种使用聚合生成表计数的方法,但无法使其工作。
最佳答案
我提供了两种解决方案,使用两种不同的具有维恩图功能的包。正如您所料,两者都涉及使用 aggregate()
的初始步骤。功能。
我倾向于更喜欢 venneuler
的结果包裹。它的默认标签位置并不理想,但您可以通过查看相关联的 plot
来调整它们。方法(可能使用 locator()
来选择坐标)。
解决方案一:
一种可能性是使用 venneuler()
在 venneuler
包来绘制你的维恩图。
library(venneuler)
## Modify the "factor" column, by renaming it and converting
## it to a character vector.
levels(data$factor) <- c("a", "b", "c")
data$factor <- as.character(data$factor)
## FUN is an anonymous function that determines which letters are present
## 2 or more times in the cluster and then pastes them together into
## strings of a form that venneuler() expects.
##
inter <- aggregate(factor ~ cluster, data=data,
FUN = function(X) {
tab <- table(X)
names <- names(tab[tab>=2])
paste(sort(names), collapse="&")
})
## Count how many clusters contain each combination of letters
counts <- table(inter$factor)
counts <- counts[names(counts)!=""] # To remove groups with <2 of any letter
# a a&b a&b&c a&c b b&c c
# 19 13 12 14 13 9 12
## Convert to proportions for venneuler()
ps <- counts/sum(counts)
## Calculate the Venn diagram
vd <- venneuler(c(a=ps[["a"]], b = ps[["b"]], c = ps[["c"]],
"a&b" = ps[["a&b"]],
"a&c" = ps[["a&c"]],
"b&c" = ps[["b&c"]],
"a&b&c" = ps[["a&b&c"]]))
## Plot it!
plot(vd)
关于我在编写此代码时所做的选择的一些说明:
"factor-a"
更改了因子的名称至 "a"
.你显然可以把它改回来。 counts
,您将看到它包含一个初始未命名元素。该元素是包含少于 2 个字母的簇数。您可以比我更好地决定是否要将这些包括在后续 ps
的计算中。 ('比例') 对象。 解决方案二:
另一种可能性是雇用
vennCounts()
和 vennDiagram()
在生物导体包装中 limma
.要下载软件包,follow the instructions here.不像venneuler
上面的解决方案,结果图中的重叠与实际的交叉程度不成正比。相反,它用实际频率对图表进行注释。 (请注意,此解决方案不涉及对 data$factor
列的任何编辑。)library(limma)
out <- aggregate(factor ~ cluster, data=data, FUN=table)
out <- cbind(out[1], data.frame(out[2][[1]]))
counts <- vennCounts(out[, -1] >= 2)
vennDiagram(counts, names = c("Factor A", "Factor B", "Factor C"),
cex = 1, counts.col = "red")
关于r - 来自集群和共现因子列表的维恩图,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8153594/