R语言绘制聚类树示例

层次聚类（hierarchical clustering）常见两种形式，“自底向上”的聚合策略（层次聚合）或“自顶向下”的分拆策略（层次分划），结果一般以聚类树表示，它表示将对象或聚类群连接在一起的层次结构。在聚类树中，分支的高度代表了距离的远近。

对于节点周围分支的方向，大多数层次聚类方法中都可以任意调整顺序；少数方法如TWINSPAN，对象的排列顺序和其分类特征密切相关，分支方向不可随意调整。

在前文简介层次聚合分类时，已经在R中展示了聚类树的一些简单调整方法，本篇继续作为延伸，展示一些更详细的可视化方案。

示例数据和R代码的百度盘链接：

https://pan.baidu.com/s/1ysLxEr4kOP8kEAg8HdPYEg

层次聚类

示例数据为来自16S测序所得的15个样本的细菌OTU丰度表，首先执行层次聚类识别样本归类。

#读取 OTU 丰度表
dat <- read.delim('otu_table.txt', row.names = 1, sep = '\t', head = TRUE, check.names = FALSE)
dat <- t(dat)
 
#样本分组文件
group <- read.delim('group.txt', row.names = 1, sep = '\t', head = TRUE, check.names = FALSE, stringsAsFactors = FALSE)
 
#计算样本间距离，以群落分析中常用的 Bray-curtis 距离为例
dis_bray <- vegan::vegdist(dat, method = 'bray')
 
#层次聚类，以 UPGMA 为例
upgma <- hclust(dis_bray, method = 'average')
upgma
 
plot(upgma, main = 'UPGMA\n(Bray-curtis distance)', sub = '', xlab = 'Sample', ylab = 'Height')

接下来，展示一些可能用到的聚类树调整方案。

注：下文所展示的方法仅为树状图本身的调整。其它组合类型的样式，如聚类树+柱形图、聚类树+热图、聚类树+排序图等，将放在后续的教程中绘制。

直接在plot()作图时添加参数调整

基本的参数调整已在层次聚合分类时提到，以下是继续延伸的内容。

#将样本高度保持在同一水平，以下两种方法都可以
par(mfrow = c(1, 2))
plot(upgma, hang = -1, main = 'UPGMA\n(Bray-curtis distance)', sub = '', xlab = 'Sample', ylab = 'Height')
plot(as.dendrogram(upgma), main = 'UPGMA\n(Bray-curtis distance)', sub = '', xlab = 'Sample', ylab = 'Height')
#三角形的聚类树
plot(as.dendrogram(upgma), type = 'triangle')
#给样本标记颜色，可以根据聚类后的簇进行标记，也可以根据先验分组标记
#这里按先验分组标记
clusMember <- group$cluster
names(clusMember) <- group$samples
labelColors <- c('red', 'blue', 'green3')
 
#标记颜色
colLab <- function(n) {
    if (is.leaf(n)) {
        a <- attributes(n)
        labCol <- labelColors[clusMember[which(names(clusMember) == a$label)]]
        attr(n, 'nodePar') <- c(a$nodePar, lab.col = labCol)
    }
    n
}
 
clusDendro <- dendrapply(as.dendrogram(upgma), colLab)
 
#聚类树
plot(clusDendro, main = 'UPGMA\n(Bray-curtis distance)', sub = '', xlab = 'Sample', ylab = 'Height')
#配合 R 的其它基础作图函数使用，可自定义更改聚类树主题，例如
#绘制聚类树主体
op <- par(bg = '#DDE3CA')
plot(upgma, col = '#487AA1', col.main = '#45ADA8', col.lab = '#7C8071', 
    col.axis = '#F38630', lwd = 3, lty = 3, sub = '', hang = -1, axes = FALSE)
 
#高度刻度轴
axis(side = 2, at = seq(0, 0.5, 0.1), col = '#F38630', labels = FALSE, lwd = 2)
mtext(seq(0, 0.5, 0.1), side = 2, at = seq(0, 0.5, 0.1), line = 1, col = '#A38630', las = 2)
#用基础作图函数绘制进化树，github 上弄到的，又自己改了下，然后原出处找不到了......
treeplot <- function(tree, grp, grpcol, group_names, ...) {
  treeline <- function(pos1, pos2, height, col1, col2)
  {
    meanpos = (pos1[1] + pos2[1]) / 2
    segments(y0 = pos1[1] - 0.4, x0 = -pos1[2], y1 = pos1[1] - 0.4, x1 = -height,  col = col1,lwd = 2)
    segments(y0 = pos1[1] - 0.4, x0 = -height,  y1 = meanpos - 0.4, x1 = -height,  col = col1,lwd = 2)
    segments(y0 = meanpos - 0.4, x0 = -height,  y1 = pos2[1] - 0.4, x1 = -height,  col = col2,lwd = 2)
    segments(y0 = pos2[1] - 0.4, x0 = -height,  y1 = pos2[1] - 0.4, x1 = -pos2[2], col = col2,lwd = 2)
  }
  plot(0, type = 'n', xaxt = 'n', yaxt = 'n', frame.plot = FALSE, xlab = '', ylab = '',
       ylim = c(0, length(tree$order)),
       xlim = c(-max(tree$height), 0))
  legend('topleft',legend = group_names,pch = 15, col = grpcol, bty = 'n', cex = 1.5)
  meanpos = matrix(rep(0, 2 * length(tree$order)), ncol = 2)
  meancol = rep(0, length(tree$order))
  for (step in 1:nrow(tree$merge))
  {
    if(tree$merge[step, 1] < 0){
      pos1 <- c(which(tree$order == -tree$merge[step, 1]), 0)
      col1 <- grpcol[as.character(grp[tree$labels[-tree$merge[step, 1]],1])]
    }else {
      pos1 <- meanpos[tree$merge[step, 1], ]
      col1 <- meancol[tree$merge[step, 1]]
    }
    if(tree$merge[step, 2] < 0){
      pos2 <- c(which(tree$order == -tree$merge[step, 2]), 0)
      col2 <- grpcol[as.character(grp[tree$labels[-tree$merge[step, 2]],1])]
    }else {
      pos2 <- meanpos[tree$merge[step, 2], ]
      col2 <- meancol[tree$merge[step, 2]]
    }
    height <- tree$height[step]
    treeline(pos1, pos2, height, col1, col2)
    meanpos[step, ] <- c((pos1[1] + pos2[1]) / 2, height)
    if (col1 == col2){
      meancol[step] <- col1
    }else {
      meancol[step] <- 'grey'
    }
  }
  tree$order
  for (y in tree$order) text(x = 0, y = y, labels = rownames(grp)[y], col = grpcol[grp[y,1]])
}
 
grpcol <- c('red', 'blue', 'green3')
names(grpcol) <- c('1', '2', '3')
treeplot(tree = upgma, grp = group[2], grpcol = grpcol, group_names = c('A', 'B', 'C'))

ape包中的系统发育树风格

聚类树和系统发育树都是树形图，因此也可以通过系统发育树的样式作图，例如ape包中的方法。

library(ape)
 
#默认风格
plot(as.phylo(upgma))
#“无根树”的聚类树样式
plot(as.phylo(upgma), type = 'unrooted')
#环形的树
plot(as.phylo(upgma), type = 'fan')
#给样本标记颜色，同上文，按样本已知的先验分组标记
plot(as.phylo(upgma), tip.color = labelColors[clusMember], label.offset = 0.01, cex = 1)

sparcl包的可视化

例如，给分支标记颜色。

#使用 sparcl 包给分支标记颜色
library(sparcl)

ColorDendrogram(upgma, y = clusMember, labels = names(clusMember), branchlength = 0.1)

A2R包的可视化

一个彩色聚类树示例，脚本也可以下载下来自定义编辑。

# load code of A2R function
source('http://addictedtor.free.fr/packages/A2R/lastVersion/R/code.R')

# colored dendrogram
op <- par(bg = '#EFEFEF')
A2Rplot(upgma, k = 3, boxes = FALSE, col.up = 'gray50', col.down = c('#FF6B6B', '#4ECDC4', '#556270'))

参考链接

http://rstudio-pubs-static.s3.amazonaws.com/1876_df0bf890dd54461f98719b461d987c3d.html

友情链接