其他
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OTUotu <- 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。