基于R语言进行t-SNE分析！

 

点击上方

“科研后花园”

关注我们

介绍

      t-SNE（t-Distributed Stochastic Neighbor Embedding）是一种常用的非线性降维算法，可以将高维数据映射到低维空间中，通常是二维或三维空间，以便更好地可视化和理解数据。

代码如下

1、加载R包：

#加载R包
library(Rtsne)
library(ggplot2)
library(microeco)

2、加载数据

        这里我们还是使用microeco包中的示例数据，具体数据细节大家可以安装以microeco包进行查看。

#加载数据
data(sample_info_16S)
data(otu_table_16S)
sample_info_16S <- as.data.frame(sample_info_16S)#确保行名是样本名称，重要
otu_table_16S <- as.data.frame(otu_table_16S)
#由于排序分析函数所需数据格式原因，需要对数据进行转置
otu <- t(otu_table_16S)
#去除低质量OTU
otu <- otu[rowSums(otu) > 0, ]

3、t-SNE分析

tsne <- Rtsne(otu,pca=FALSE,dims=2,perplexity=25,theta=0.0)
head(tsne$Y)
# 提取tsne值
df <- data.frame(tsne$Y)
#给df添加samp1es变量
df$SampleID <- row.names(sample_info_16S)
#分组文件
group <- sample_info_16S
#将绘图数据和分组合并
df <- merge(df,group,by="SampleID")
head(df)

4、绘图：

#绘图
color=c("#1597A5","#FFC24B","#FEB3AE")#颜色变量
p1<-ggplot(data=df,aes(x=X1,y=X2))+#指定数据、X轴、Y轴，颜色
  theme_bw()+#主题设置
  geom_point(aes(fill=Group),size=3,color="black",shape=21,alpha=0.7)+#绘制点图并设定大小
  theme(panel.grid = element_blank())+
  geom_vline(xintercept = 0,lty="dashed")+
  geom_hline(yintercept = 0,lty="dashed")+
  labs(x=paste0("tSNE1 "),
       y=paste0("tSNE2 "))+
  scale_fill_manual(values = color)+
  theme(axis.title.x=element_text(size=12),#修改X轴标题文本
        axis.title.y=element_text(size=12,angle=90),#修改y轴标题文本
        axis.text.y=element_text(size=10),#修改x轴刻度标签文本
        axis.text.x=element_text(size=10),#修改y轴刻度标签文本
        panel.grid=element_blank())#隐藏网格线
p1

PS: 以上内容是小编个人学习代码笔记分享，仅供参考学习，欢迎大家一起交流学习。

代码及源数据获取：https://github.com/wzsBio/code

温馨提示

如果你喜欢本文，请分享到朋友圈，想要获得更多信息，请关注我。