执行ConsensusClusterPlus聚类 results = ConsensusClusterPlus(d, maxK=10, # 最大聚类数 reps=50, # 重复次数 pItem=0.8, # 样本抽样比例 pFeature=1, # 特征抽样比例 clusterAlg="hc", # 聚类算法
ConsensusClusterPlus是一个基于共识聚类(Consensus Clustering)的R包,用于对高维数据进行聚类分析。共识聚类是一种基于重复抽样的聚类方法,它通过对多次随机抽样得到的数据子集进行聚类分析,并将多次聚类结果进行整合,从而得到更加鲁棒和稳定的聚类结果。 ConsensusClusterPlus包拥有多种聚类算法选项,包括k-means、hierarchical...
AI代码解释 >library(ConsensusClusterPlus)>title=tempdir()>results=ConsensusClusterPlus(d,maxK=6,reps=50,pItem=0.8,pFeature=1,title=title,clusterAlg="hc",distance="pearson",seed=1262118388.71279,plot="png",writeTable=TRUE)end fraction clustered clustered clustered clustered clustered 函数的返回值是...
# 样本的聚类树results[[2]][["consensusTree"]] # ml, 就是consensusMatrixresults[[2]][["ml"]][1:5,1:5] results[[2]][["consensusMatrix"]][1:5,1:5] # clrs, 颜色results[[2]][["clrs"]] #收集cluster-consensus和item-consensus 矩阵 icl = calcICL(results,title=title,plot="pdf"...
⑤Tracking Plot 此图显示了按颜色对每个k(行)样本(列)的各类分配。经常更改集类(在列中更改颜色)的说明成员关系不稳定。 3. 生成类和样本一致性 (1)计算cluster-consensus and item-consensus 代码语言:javascript 代码运行次数:0 运行 AI代码解释
(2)Cluster-Consensus Plot:此图展示的是不同k值下,每个分类的cluster-consensus value(该簇中成员pairwise consensus values的均值)。该值越高(低)代表稳定性越高(低)。可用于判断同一k值下以及不同k值之间cluster-consensus value的高低。 (3)item-Consens...
> library(ConsensusClusterPlus) > title=tempdir() > results = ConsensusClusterPlus(d,maxK=6,reps=50,pItem=0.8,pFeature=1, title=title,clusterAlg="hc",distance="pearson",seed=1262118388.71279,plot="png", writeTable = TRUE) end fraction ...
ConsensusClusterPlus完成聚类分析后,会生成一个结果对象,其中包含有关每个聚类方案的信息。可以使用以下命令提取聚类结果: clusters <- consensus_obj@partition clusters对象包含了每个样本所属的聚类簇的信息。同时,ConsensusClusterPlus还提供了绘图函数,可以可视化聚类结果。以下是一个绘制聚类热图的示例代码: plot(consens...
简介:RNAseq|组学分型-ConsensusClusterPlus(一致性聚类), NMF(非负矩阵分解) 肿瘤分型分析是生信文章中的常客,大致是通过将基因的表达量进行聚类或者非负矩阵分解,发现新的亚型,然后对不同亚型的临床特征,免疫特征等进行比较分析,文章末尾简单的列了一些应用。
results = ConsensusClusterPlus(d,maxK=6,reps=50,pItem=0.8,pFeature=1, clusterAlg="hc",distance="pearson",seed=1262118388.71279,plot="png") #聚类数目K=2,3,4,···6,采用重抽样方案对样本的80%抽样,经过多次采样,找到稳定可靠的亚组分类。 然后利用...