-
Notifications
You must be signed in to change notification settings - Fork 0
/
ScripTutorial.R
183 lines (142 loc) · 6.75 KB
/
ScripTutorial.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
#MINI TUTORIAL
# ¿Como usar el paquete NMF para hacer un unsupervised clustering?
# 1) Establecemos el directorio de trabajo y cargamos el paquete correspondiente:
directory <- setwd("Desktop/Bioinformatics/MiniTutoriales/")
library(NMF)
library(tidyverse)
set.seed(123456789) #Tambin establecemos un seed porque al ser un proceso
#stocastico intentamos reducir la aleatoriedad
# 2) Cargamos los datos: la matriz con la que vamos a trabajar es una matriz de cuentas que se ha
#obtenido de la TGCA. Son datos de RNA Seq de adenocarcinoma de pulmon en los que los pacientes
# no presentan ninguna mutacion en genes oncogenicos comunes.
# Recordemos que en esta matriz:
# 1) tiene que ser no negativa
# 2) los genes tiene que estar en filas
# 3) los pacientes tienen que estar en columnas
Matriz <- readRDS("Luad_Filtrado.rds") #Usamos RDS porque es mas facil para guardar y abrir trabajar
# con las funciones saveRDS y readRDS.
dim(Matriz)
#[1] 17789 61
# 3) Nombramos variables que nos va a ser ultiles durante el proceso:
# Los valores de K con los que vamos a trabajar.
# El valor de K es el numero de grupos con los que queremos trabajar.
NumeroCluster_inicial <- 2
NumeroCluster_final <- 10
clusteresTotales <- seq(NumeroCluster_inicial,NumeroCluster_final,1)
# 4) Opcion 1: nuestra propia approach de validacion.
# Primero calculamos el cophenetic value en cada valor de k en todas las muestras:
i <- 1
#Donde vamos a guardar los resultados obtenidos:
valorCorrelacionCofenetci_Total <- vector(mode="logical",length =length(clusteresTotales))
matricesConsenso <- list()
Resultados <- list()
MatrizH <- list()
MatrizW <- list()
#Como tenemos varios valores de K lo hacemos dentro de un bucle:
for (i in seq_along(clusteresTotales)){
cluster <- clusteresTotales[i] #Elegimos primero el
print(paste("Numero de Cluster",cluster,"en NMF para Lusc en Todas las Muestras"))
Resultados[[i]] <- nmf(Matriz,cluster,method="brunet",seed="random",nrun=100)
valorCorrelacionCofenetci_Total[[i]] <- cophcor(Resultados[[i]])
matricesConsenso[[i]] <- consensus(Resultados[[i]])
MatrizH[[i]] <- coef(Resultados[[i]])
MatrizW[[i]] <- basis(Resultados[[i]])
}
saveRDS(valorCorrelacionCofenetci_Total,"ValorCofenetic_Total_Luad.rds")
saveRDS(matricesConsenso,"MatricesConsenso_Total_Luad.rds")
saveRDS(MatrizW,"MatrizW_Total_Luad.rds")
saveRDS(MatrizH,"MatrizH_Total_Luad.rds")
saveRDS(Resultado,"Resultados_NMF_Total_Luad.rds")
ValorCofenetic_Total_Luad <- readRDS("ValorCofenetic_Total_Luad.rds")
matricesConsenso <- readRDS("MatricesConsenso_Total_Luad.rds")
MatrizW <- readRDS("MatrizW_Total_Luad.rds")
MatrizH <- readRDS("MatrizH_Total_Luad.rds")
ResultadosTotales <- readRDS("Resultados_NMF_Total_Luad.rds")
# Y ahora hacemos lo mismo que con diferentes subsamples para poder comprobar la robustes y la estabilidad del indice:
# Lo haemos con 100 subsamples para cada valor de k
i <- 1 #Son las filas
j <- 1 #Son las columnas
valorCorrelacionCofenetci_ParteMuestras <- matrix(0,nrow=length(clusteresTotales),ncol=100)
valorCorrelacionCofenetci_ParteMuestras <- data.frame(valorCorrelacionCofenetci_ParteMuestras)
rownames(valorCorrelacionCofenetci_ParteMuestras) <- paste0("cluster",2:10)
colnames(valorCorrelacionCofenetci_ParteMuestras) <- paste0("NumeroVuelta",1:ncol(valorCorrelacionCofenetci_ParteMuestras))
Resultados <- list()
for (i in seq_along(clusteresTotales)){
cluster <- clusteresTotales[i]
print(paste("Cluster",cluster,"NMF, Lusc con Parte de las muestras"))
for (j in seq(1,100,1)){
subsample <- Matriz[sample(nrow(Matriz), round(nrow(Matriz) * 0.7) ), ]
Resultados[[j]] <- nmf(subsample,cluster,method="brunet",seed="random",nrun=100)
valorCorrelacionCofenetci_ParteMuestras[i,j] <- cophcor(Resultados[[j]]) #Guardamos en el cluster i en la posicion j
}
}
saveRDS(valorCorrelacionCofenetci_ParteMuestras,"ValorCofenetic_Luad_SubSamples.rds")
saveRDS(Resultados,"Resultados_Lusc_SubSamples.rds")
valorCorrelacionCofenetci_ParteMuestras <- readRDS("ValorCofenetic_Parte_De_Las_Muestr_NMF_Luad.rds")
Resultados_Subsamples <- readRDS("Resultados_Parte_De_Las_Muestras_NMF_Luad.rds")
# 4.2) Realizamos los graficos correspondientes:
NumeroCluster <- seq(2,7,1)
# Los graficos realizados con todas las muestras:
ValorCofenetic_Total_Luad <- round(ValorCofenetic_Total_Luad,digits=3)
ValorCofenetic_Total_Luad <- data.frame(NumeroCluster=NumeroCluster,Valores=ValorCofenetic_Total_Luad)
Grafico_Luad_Cofenetic_Total <- ggplot(data=ValorCofenetic_Total_Luad,aes(x=NumeroCluster,y=Valores))+
geom_line(color="#D0E6A5",size=2,alpha=0.5)+
geom_point(aes(x=NumeroCluster,y=Valores),color="#D0E6A5",size=1.5)+
geom_text(aes(x=NumeroCluster,y=Valores,label=Valores))+
scale_x_continuous(breaks =seq(2,10,1))+
labs(title="Cophenetic Correlation Luad")
Grafico_Luad_Cofenetic_Total
# Los graficos realizados con parte de las muestras:
numeroClusteres <- factor(rep(2:7,each=100))
cofeneticValue_Luad <- readRDS("ValorCofenetic_Parte_De_Las_Muestr_NMF_Luad.rds")
cofeneticValue_Luad <- as.matrix(cofeneticValue_Luad)
cofenetic_filaUnica_Luad <- as.vector(cofeneticValue_Luad)
COFENETIC_LUAD <- data.frame(numeroClusteres=numeroClusteres,
valores=cofenetic_filaUnica_Luad)
GraficoCofenetic_Luad <- ggplot(data=COFENETIC_LUAD,aes(x=numeroClusteres,y=valores,col=numeroClusteres))+
geom_violin()+
geom_jitter(alpha=0.3)+
ylab("Indice Cofenetic")+
xlab("Numero de Clusteres")+
labs(title="Indice Cofenetic para Luad, subsamples")
GraficoCofenetic_Luad
# Dibujamos las matrices consenso:
# M A T R I C E S C O N S E N S O L U A D:
library(NMF)
resultadosNMFLuad <- readRDS("Resultados_NMF_Total_Luad.rds")
K2 <- resultadosNMFLuad[[1]]
K3 <- resultadosNMFLuad[[2]]
K4 <- resultadosNMFLuad[[3]]
K5 <- resultadosNMFLuad[[4]]
K6 <- resultadosNMFLuad[[5]]
K7 <- resultadosNMFLuad[[6]]
colnames(K2@consensus) <- sampleNames(K2)
rownames(K2@consensus) <- sampleNames(K2)
pdf("K2_LUAD.pdf")
consensusmap(K2, hclustfun="average")
dev.off()
colnames(K3@consensus) <- sampleNames(K3)
rownames(K3@consensus) <- sampleNames(K3)
pdf("K3_LUAD.pdf")
consensusmap(K3, hclustfun="average")
dev.off()
colnames(K4@consensus) <- sampleNames(K4)
rownames(K4@consensus) <- sampleNames(K4)
pdf("K4_LUAD.pdf")
consensusmap(K4, hclustfun="average")
dev.off()
colnames(K5@consensus) <- sampleNames(K5)
rownames(K5@consensus) <- sampleNames(K5)
pdf("K5_LUAD.pdf")
consensusmap(K5, hclustfun="average")
dev.off()
colnames(K6@consensus) <- sampleNames(K6)
rownames(K6@consensus) <- sampleNames(K6)
pdf("K6_LUAD.pdf")
consensusmap(K6, hclustfun="average")
dev.off()
colnames(K7@consensus) <- sampleNames(K7)
rownames(K7@consensus) <- sampleNames(K7)
pdf("K7_LUAD.pdf")
consensusmap(K7, hclustfun="average")
dev.off()