基于R语言进行扩增子数据的UMAP分析！
UMAP（Uniform Manifold Approximation and Projection）是一种新兴的流形学习降维算法，是一种快速和高效的方法，用于对高维数据进行压缩和可视化。与其他降维算法（如PCA和t-SNE）不同，UMAP 能够解决高维数据的紧密聚类问题，并且能够保留更多的局部结构。UMAP相比其他降维算法具有以下优点：1）能够保留更多的局部结构，特别适用于高维密集聚类问题；2）运算速度快，可用于大规模数据集的计算；3）模型可扩展性强，可以与其他机器学习算法和数据分析算法结合使用。
UMAP的核心思想是基于拓扑理论，它利用一组随机的测地线来寻找高维数据中的局部和整体结构。UMAP利用拓扑映射将高维数据映射到一个低维度连续流形空间内，同时保持原始数据的局部和整体结构。因此，UMAP算法适用于各种高维数据降维和可视化的应用，包括生物信息学，图像处理，文本挖掘等领域。
在R语言中，UMAP算法可通过umap软件包实现。使用该软件包，可以将高维矩阵嵌入到二维或三维空间中，通过可视化来帮助研究人员挖掘数据中可能存在的分组或者模式。需要强调的是，UMAP作为一种非线性降维算法，在使用时需要根据具体问题进行参数的选择和优化，避免产生过度拟合或低维嵌入信息不足的问题。
基础思路与代码
1、设置工作环境并加载R包：
###科研后花园#########author:wzs#data:2023/5/21#设置工作环境rm(list=ls())setwd("D:/桌面/UMAP分析")
#加载R包library(umap)library(ggplot2)library(vegan)2、加载数据
这里我们先使用自己的OTU数据跑通代码（无实际意义，仅作示例使用）：
otu_raw <- read.table(file="otu.txt",sep="\t",header=T,check.names=FALSE ,row.names=1)3、数据处理与标准化：
#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_raw)#去除低质量OTUotu <- otu[rowSums(otu) > 0, ] #进行hellinger标准化,亦可进行总和标准化、z-score标准化等otu <- decostand(otu, method="hellinger")4、UMAP分析：
#运用UMAP算法将OTU表的样品向量嵌入到二维空间中umap <- umap(otu,n_neighbors = 10)head(umap$layout)5、作图数据提取及分组数据添加：
# 提取umap值df <- data.frame(umap$layout)#给df添加samp1es变量df$samples <- row.names(df)#读入分组文件group <- read.table("group.txt", sep='\t', header=T)#修改列名colnames(group) <- c("samples","group")#将绘图数据和分组合并df <- merge(df,group,by="samples")head(df)6、绘图：
color=c("#1597A5","#FFC24B","#FEB3AE")#颜色变量p1<-ggplot(data=df,aes(x=X1,y=X2, color=group))+#指定数据、X轴、Y轴，颜色 theme_bw()+#主题设置 geom_point(size=3)+#绘制点图并设定大小 theme(panel.grid = element_blank())+ geom_vline(xintercept = 0,lty="dashed")+ geom_hline(yintercept = 0,lty="dashed")+ labs(x=paste0("UMAP1 "), y=paste0("UMAP2 "))+ scale_color_manual(values = color) +#点的颜色设置 scale_fill_manual(values = c("#1597A5","#FFC24B","#FEB3AE"))+ theme(axis.title.x=element_text(size=12),#修改X轴标题文本 axis.title.y=element_text(size=12,angle=90),#修改y轴标题文本 axis.text.y=element_text(size=10),#修改x轴刻度标签文本 axis.text.x=element_text(size=10),#修改y轴刻度标签文本 panel.grid=element_blank())#隐藏网格线p1拓展——使用实际数据进行分析
这里我们使用以microeco包中的示例数据为例，具体数据细节大家可以安装以microeco包进行查看。具体验证代码如下：
library(microeco)data(sample_info_16S)data(otu_table_16S)sample_info_16S <- as.data.frame(sample_info_16S)#确保行名是样本名称，重要otu_table_16S <- as.data.frame(otu_table_16S)#由于排序分析函数所需数据格式原因，需要对数据进行转置otu <- t(otu_table_16S)#去除低质量OTUotu <- otu[rowSums(otu) > 0, ] #进行hellinger标准化,亦可进行总和标准化、z-score标准化等otu <- decostand(otu, method="hellinger")#运用UMAP算法将OTU表的样品向量嵌入到二维空间中umap <- umap(otu,n_neighbors = 10)head(umap$layout)# 提取umap值df <- data.frame(umap$layout)#给df添加samp1es变量df$SampleID <- row.names(df)#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)#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("UMAP1 "), y=paste0("UMAP2 "))+ 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爱我请给我好看!