R：稀疏？为共现矩阵转换数据
R: Sparse? Transforming data for co-occurrence matrix
我是一名生物专业的学生，我使用 R 生成一些可视化效果，显示不同细菌菌株针对哪些人类蛋白质 (uniprots)。
# sample data
human.uniprots <- c("P15311", "P0CG48", "Q8WYH8", "P42224", "Q9NXR8",
"P40763", "P05067", "P60709", "Q9UDW1", "Q9H160",
"Q9UKL0", "P26038", "P61244", "O95817", "Q09472",
"P15311","P05067", "P60709", "Q9UDW1", "Q9H160")
strains <- rep(c("A", "B", "C", "C"), each = 5)
final <- cbind(human.uniprots, strains)
我正在尝试生成同现 matrix/heat 地图...类似于
h.map <- data.frame(matrix(nrow = length(unique(human.uniprots)),
ncol = length(unique(strains)) + 1))
h.map.cols <- c("human_uniprots", "A", "B", "C")
colnames(h.map) <- h.map.cols
...其中列有菌株，行有蛋白质，数据框单元格填充有蛋白质与菌株相互作用的次数。因此，如果菌株 A、B 和 C 都与 uniprot 相互作用，那么对于该 uniprot 行，它们的单元格中的值都应为 3。
我已经尝试制作一个独特菌株的元组列表 human_uniprots，然后从我要填充的矩阵中搜索与菌株和人类 uniprot 对匹配的元组，并添加“1 “如果匹配...但我不确定如何在 R 中使用元组。然后我看到了这个：Populating a co-occurrence matrix
这就是我想要的，但我不了解用法或语法...稀疏 () 甚至是 R 中的函数吗？
此外……最好按照与所有菌株相互作用的蛋白质对所有蛋白质进行排序。因此，与所有菌株相互作用的所有蛋白质应位于顶部，其次是与 2 个菌株相互作用的蛋白，然后是 1 个菌株...
使用 dplyr，您可以 group_by、count 和 spread 获得每个菌株的计数。然后使用 rowSums():
将每个菌株的计数替换为该行的总计数
library(dplyr)
as.data.frame(final) %>%
group_by(human.uniprots, strains) %>%
count() %>%
spread(strains, n) %>%
ungroup() %>%
mutate(total_n = rowSums(.[2:ncol(.)])) %>%
mutate_if(is.numeric, funs(ifelse(. == 0, 0, total_n))) %>%
select(-total_n)
# A tibble: 15 x 5
human.uniprots A B C D
<fct> <dbl> <dbl> <dbl> <dbl>
1 O95817 0. 0. 1. 0.
2 P05067 0. 2. 0. 2.
3 P0CG48 1. 0. 0. 0.
4 P15311 2. 0. 0. 2.
5 P26038 0. 0. 1. 0.
6 P40763 0. 1. 0. 0.
7 P42224 1. 0. 0. 0.
8 P60709 0. 2. 0. 2.
9 P61244 0. 0. 1. 0.
10 Q09472 0. 0. 1. 0.
11 Q8WYH8 1. 0. 0. 0.
12 Q9H160 0. 2. 0. 2.
13 Q9NXR8 1. 0. 0. 0.
14 Q9UDW1 0. 2. 0. 2.
15 Q9UKL0 0. 0. 1. 0.
您可以使用 table 执行此操作，或者如果您希望它稀疏，您可以使用 xtabs.
所以对于你的例子，你可以使用
tab <- table(final[,"human.uniprots"], final[,"strains"])
tab* rowSums(tab)
或稀疏
tab <- xtabs(~human.uniprots + strains, final, sparse=TRUE)
tab <- tab*Matrix::rowSums(tab)
然后您可以使用
绘制它
Matrix::image(tab, scales=list(y=list(at=1:nrow(tab), label=rownames(tab)),
x=list(at=1:ncol(tab), label=colnames(tab))),
ylab="uniprots",
xlab="strains")
您还可以按出现次数对行进行排名
r <- order(-Matrix::rowSums(tab))
# and then reorder the rows of the matrix and the labels
Matrix::image(tab[r,],
scales=list(y=list(at=1:nrow(tab), label=rownames(tab)),
x=list(at=1:ncol(tab), label=colnames(tab)[r])),
ylab="uniprots",
xlab="strains")
sparse() 从外观上看是一个 MATLAB 函数。您正在描述由关联矩阵表示的二分网络。
human.uniprots <- c("P15311", "P0CG48", "Q8WYH8", "P42224", "Q9NXR8",
"P40763", "P05067", "P60709", "Q9UDW1", "Q9H160",
"Q9UKL0", "P26038", "P61244", "O95817", "Q09472",
"P15311","P05067", "P60709", "Q9UDW1", "Q9H160")
strains <- rep(c("A", "B", "C", "D"), each = 5)
final <- cbind(human.uniprots, strains)
final_df <- as.data.frame(final)
library(igraph) # install.packages("igraph")
g <- graph_from_data_frame(final_df, directed = FALSE)
V(g)$type <- ifelse(V(g)$name %in% strains, FALSE, TRUE)
as_incidence_matrix(g)
#> P15311 P0CG48 Q8WYH8 P42224 Q9NXR8 P40763 P05067 P60709 Q9UDW1 Q9H160
#> A 1 1 1 1 1 0 0 0 0 0
#> B 0 0 0 0 0 1 1 1 1 1
#> C 0 0 0 0 0 0 0 0 0 0
#> D 1 0 0 0 0 0 1 1 1 1
#> Q9UKL0 P26038 P61244 O95817 Q09472
#> A 0 0 0 0 0
#> B 0 0 0 0 0
#> C 1 1 1 1 1
#> D 0 0 0 0 0
或.......
V(g)$type <- ifelse(V(g)$name %in% strains, TRUE, FALSE)
# swap TRUE/FALSE
as_incidence_matrix(g)
#> A B C D
#> P15311 1 0 0 1
#> P0CG48 1 0 0 0
#> Q8WYH8 1 0 0 0
#> P42224 1 0 0 0
#> Q9NXR8 1 0 0 0
#> P40763 0 1 0 0
#> P05067 0 1 0 1
#> P60709 0 1 0 1
#> Q9UDW1 0 1 0 1
#> Q9H160 0 1 0 1
#> Q9UKL0 0 0 1 0
#> P26038 0 0 1 0
#> P61244 0 0 1 0
#> O95817 0 0 1 0
#> Q09472 0 0 1 0
由 reprex package (v0.2.0) 创建于 2018-05-25。
我是一名生物专业的学生，我使用 R 生成一些可视化效果，显示不同细菌菌株针对哪些人类蛋白质 (uniprots)。
# sample data
human.uniprots <- c("P15311", "P0CG48", "Q8WYH8", "P42224", "Q9NXR8",
"P40763", "P05067", "P60709", "Q9UDW1", "Q9H160",
"Q9UKL0", "P26038", "P61244", "O95817", "Q09472",
"P15311","P05067", "P60709", "Q9UDW1", "Q9H160")
strains <- rep(c("A", "B", "C", "C"), each = 5)
final <- cbind(human.uniprots, strains)
我正在尝试生成同现 matrix/heat 地图...类似于
h.map <- data.frame(matrix(nrow = length(unique(human.uniprots)),
ncol = length(unique(strains)) + 1))
h.map.cols <- c("human_uniprots", "A", "B", "C")
colnames(h.map) <- h.map.cols
...其中列有菌株，行有蛋白质，数据框单元格填充有蛋白质与菌株相互作用的次数。因此，如果菌株 A、B 和 C 都与 uniprot 相互作用，那么对于该 uniprot 行，它们的单元格中的值都应为 3。
我已经尝试制作一个独特菌株的元组列表 human_uniprots，然后从我要填充的矩阵中搜索与菌株和人类 uniprot 对匹配的元组，并添加“1 “如果匹配...但我不确定如何在 R 中使用元组。然后我看到了这个：Populating a co-occurrence matrix
这就是我想要的，但我不了解用法或语法...稀疏 () 甚至是 R 中的函数吗？
此外……最好按照与所有菌株相互作用的蛋白质对所有蛋白质进行排序。因此，与所有菌株相互作用的所有蛋白质应位于顶部，其次是与 2 个菌株相互作用的蛋白，然后是 1 个菌株...
使用 dplyr，您可以 group_by、count 和 spread 获得每个菌株的计数。然后使用 rowSums():
library(dplyr)
as.data.frame(final) %>%
group_by(human.uniprots, strains) %>%
count() %>%
spread(strains, n) %>%
ungroup() %>%
mutate(total_n = rowSums(.[2:ncol(.)])) %>%
mutate_if(is.numeric, funs(ifelse(. == 0, 0, total_n))) %>%
select(-total_n)
# A tibble: 15 x 5
human.uniprots A B C D
<fct> <dbl> <dbl> <dbl> <dbl>
1 O95817 0. 0. 1. 0.
2 P05067 0. 2. 0. 2.
3 P0CG48 1. 0. 0. 0.
4 P15311 2. 0. 0. 2.
5 P26038 0. 0. 1. 0.
6 P40763 0. 1. 0. 0.
7 P42224 1. 0. 0. 0.
8 P60709 0. 2. 0. 2.
9 P61244 0. 0. 1. 0.
10 Q09472 0. 0. 1. 0.
11 Q8WYH8 1. 0. 0. 0.
12 Q9H160 0. 2. 0. 2.
13 Q9NXR8 1. 0. 0. 0.
14 Q9UDW1 0. 2. 0. 2.
15 Q9UKL0 0. 0. 1. 0.
您可以使用 table 执行此操作，或者如果您希望它稀疏，您可以使用 xtabs.
所以对于你的例子，你可以使用
tab <- table(final[,"human.uniprots"], final[,"strains"])
tab* rowSums(tab)
或稀疏
tab <- xtabs(~human.uniprots + strains, final, sparse=TRUE)
tab <- tab*Matrix::rowSums(tab)
然后您可以使用
绘制它Matrix::image(tab, scales=list(y=list(at=1:nrow(tab), label=rownames(tab)),
x=list(at=1:ncol(tab), label=colnames(tab))),
ylab="uniprots",
xlab="strains")
您还可以按出现次数对行进行排名
r <- order(-Matrix::rowSums(tab))
# and then reorder the rows of the matrix and the labels
Matrix::image(tab[r,],
scales=list(y=list(at=1:nrow(tab), label=rownames(tab)),
x=list(at=1:ncol(tab), label=colnames(tab)[r])),
ylab="uniprots",
xlab="strains")
sparse() 从外观上看是一个 MATLAB 函数。您正在描述由关联矩阵表示的二分网络。
human.uniprots <- c("P15311", "P0CG48", "Q8WYH8", "P42224", "Q9NXR8",
"P40763", "P05067", "P60709", "Q9UDW1", "Q9H160",
"Q9UKL0", "P26038", "P61244", "O95817", "Q09472",
"P15311","P05067", "P60709", "Q9UDW1", "Q9H160")
strains <- rep(c("A", "B", "C", "D"), each = 5)
final <- cbind(human.uniprots, strains)
final_df <- as.data.frame(final)
library(igraph) # install.packages("igraph")
g <- graph_from_data_frame(final_df, directed = FALSE)
V(g)$type <- ifelse(V(g)$name %in% strains, FALSE, TRUE)
as_incidence_matrix(g)
#> P15311 P0CG48 Q8WYH8 P42224 Q9NXR8 P40763 P05067 P60709 Q9UDW1 Q9H160
#> A 1 1 1 1 1 0 0 0 0 0
#> B 0 0 0 0 0 1 1 1 1 1
#> C 0 0 0 0 0 0 0 0 0 0
#> D 1 0 0 0 0 0 1 1 1 1
#> Q9UKL0 P26038 P61244 O95817 Q09472
#> A 0 0 0 0 0
#> B 0 0 0 0 0
#> C 1 1 1 1 1
#> D 0 0 0 0 0
或.......
V(g)$type <- ifelse(V(g)$name %in% strains, TRUE, FALSE)
# swap TRUE/FALSE
as_incidence_matrix(g)
#> A B C D
#> P15311 1 0 0 1
#> P0CG48 1 0 0 0
#> Q8WYH8 1 0 0 0
#> P42224 1 0 0 0
#> Q9NXR8 1 0 0 0
#> P40763 0 1 0 0
#> P05067 0 1 0 1
#> P60709 0 1 0 1
#> Q9UDW1 0 1 0 1
#> Q9H160 0 1 0 1
#> Q9UKL0 0 0 1 0
#> P26038 0 0 1 0
#> P61244 0 0 1 0
#> O95817 0 0 1 0
#> Q09472 0 0 1 0
由 reprex package (v0.2.0) 创建于 2018-05-25。