【科研貓·高級繪圖】 tSNE 分析

• 2019 年 11 月 23 日
• 筆記

t-分布領域嵌入演算法（t-distributed stochastic neighbor embedding，tSNE），是一種常用的非線性降維方法，非常適用於高維數據降維到2維或者3維，從而進行可視化。

比如我們在進行轉錄組數據分析的時候，每一個樣本可以檢測到3萬個基因，如果有10個這樣的樣本，我們如何判斷哪些樣本之間的相似性能高。當然，通過層次聚類等方法，可以顯示樣本與樣本之間的關係。

以一篇發表在Nature Genetics (IF = 25.455)上的文章為例，通過對RNA-seq表達譜數據進行tSNE分析，將疾病分為不同的亞型。

本次教程為大家帶來是，是如何根據表達譜數據，通過運用tSNE分析的方法，顯示樣本與樣本之間的差異性。

1. R包載入和數據入讀

首先我們載入需要用到的R包，ggpubr和ggthemes包用於作圖，Rtsne包用於計算tSNE。

讀入表達譜數據並顯示文件前6行，每一列為一個樣本，每一行為一個基因。我們使用表達譜樣本一共有10個，其中M1到M5為Case，M6-M10為control。

2. tSNE計算

使用Rtsne包中的Rtsne函數計算tSNE。通過計算結果前六行，可以看出最終的結算結果為一個矩陣，一共有2列10行，每一行為一個樣本，兩列分別為tSNE_1和tSNE_2。

接下來，我們就用這個計算結果，來看Case和Control這兩組樣本之間的差異。

我們建立一個data.frame，將繪圖需要用到的數據都存入進來。

然後，便是繪圖的時刻了~

3. 基礎作圖

ggpubr提供了非常多的作圖函數，可以方便大家繪製更美觀的科研做圖。這裡我們使用ggscatter這個函數，x軸為tSNE_1，y軸為tSNE_2。

這樣，我們一張tSNE圖就做完啦~

4. 中級美化

當然，這些圖還有很多不足之處，比如我們想更直觀的顯示兩組之間的差別，所以我們需要根據點的分布計算他們的置信區間。

另外，我們也可以修改圖的樣式和顏色，來對繪圖結果進行提升。

5. 高級美化

當然，我們還不能僅僅滿足於現有的成果，作圖是一個細緻的過程，我們需要精雕細琢。比如我們有時候需要直接在圖上顯示樣本名稱，從圖上反映出樣本之間的分布。

6. 終極美化

我們通過研究表達譜發現，CD52這個基因在Case和Control這兩組之間有顯著差異，那麼我們如何將這種差異顯示在圖表中呢？另外如果樣本數目比較多，比如有100個樣本，我們並不想把所有的樣本名稱都顯示在圖表中，只想顯示重要的2-4個樣本，有沒有什麼更好的操作方法呢？

這裡就到了我們終極作圖美化的環節了~

點的形狀代表不同的類型，是Case還是Control，點的顏色代表CD52這個基因表達量的高低，藍色代表低表達，紅色代表高表達。從圖中可以非常清晰的看到，CD52基因在Control組中是高表達的，這個基因相關的疾病包括淋巴細胞白血病和複發緩解型多發性硬化，值得好好深入研究一下。