클러스터 및 공동 발생 요인 목록의 벤 다이어그램

Question

~ 50000 개의 클러스터 목록과 각 요소에 여러 가지 요소가있는 입력 파일이 있습니다 (총 1,000 만 개 항목). 작은 예를 아래에 : 또 다른 질문에서 약간의 도움으로

set.seed(1) 
x = paste("cluster-",sample(c(1:100),500,replace=TRUE),sep="") 
y = c(
    paste("factor-",sample(c(letters[1:3]),300, replace=TRUE),sep=""), 
    paste("factor-",sample(c(letters[1]),100, replace=TRUE),sep=""), 
    paste("factor-",sample(c(letters[2]),50, replace=TRUE),sep=""), 
    paste("factor-",sample(c(letters[3]),50, replace=TRUE),sep="") 
) 
data = data.frame(cluster=x,factor=y) 

,이 같은 요인의 동시 발생에 대한 pieChart를 생산하기 위해 그것을 가지고 :

counts = with(data, table(tapply(factor, cluster, function(x) paste(as.character(sort(unique(x))), collapse='+')))) 
pie(counts[counts>1]) 

을하지만 지금은하고 싶은 요인의 동시 발생에 대한 도표. 이상적으로는 각 요인에 대한 최소 카운트에 대한 임계 값을 취할 수있는 방법으로도 가능합니다. 예를 들어, 각 요소가 고려 될 각 클러스터에 n> 10이 있어야하기 때문에 여러 요인에 대한 다이어그램.

집계를 사용하여 테이블 수를 산출하는 방법을 찾으려고했지만 작동하지 못했습니다.

Answer 1

저는 벤 다이어그램 기능이있는 두 개의 다른 패키지를 사용하여 두 가지 솔루션을 제공했습니다. 예상대로, 둘 다 aggregate() 기능을 사용하는 초기 단계가 필요합니다.

venneuler 패키지의 결과를 선호하는 경향이 있습니다. 기본 라벨 위치는 이상적이지 않지만 관련메소드 (가능한 경우 locator()을 사용하여 좌표를 선택)를 보면이를 조정할 수 있습니다.

해결 방법 1 :

하나의 가능성은 벤 다이어그램을 그릴 수 venneuler 패키지에 venneuler()을 사용하는 것입니다.

library(venneuler) 

## Modify the "factor" column, by renaming it and converting 
## it to a character vector. 
levels(data$factor) <- c("a", "b", "c") 
data$factor <- as.character(data$factor) 

## FUN is an anonymous function that determines which letters are present 
## 2 or more times in the cluster and then pastes them together into 
## strings of a form that venneuler() expects. 
## 
inter <- aggregate(factor ~ cluster, data=data, 
        FUN = function(X) { 
         tab <- table(X) 
         names <- names(tab[tab>=2]) 
         paste(sort(names), collapse="&") 
        })    
## Count how many clusters contain each combination of letters 
counts <- table(inter$factor) 
counts <- counts[names(counts)!=""] # To remove groups with <2 of any letter 
# a a&b a&b&c a&c  b b&c  c 
# 19 13 12 14 13  9 12 

## Convert to proportions for venneuler() 
ps <- counts/sum(counts) 

## Calculate the Venn diagram 
vd <- venneuler(c(a=ps[["a"]], b = ps[["b"]], c = ps[["c"]], 
        "a&b" = ps[["a&b"]], 
        "a&c" = ps[["a&c"]], 
        "b&c" = ps[["b&c"]], 
        "a&b&c" = ps[["a&b&c"]])) 
## Plot it! 
plot(vd) 

이 코드를 작성에있는 선택 사항에 대한 몇 가지 참고 사항 : 나는 "factor-a"에서 "a"에 요소의 이름을 변경 한

• . 당신은 분명히 그 것을 되돌릴 수 있습니다.

• 필자는 각 요소가> 10 시간이 아닌> 2 회 이상 존재해야 각 클러스터 내에서 계산되도록 요구했습니다. (데이터의이 작은 하위 집합으로 코드를 보여준 것입니다.) counts 중간 개체를 보면 이름없는 초기 요소가 있음을 알 수 있습니다. 이 요소는 모든 문자가 2 개 미만인 클러스터의 수입니다. 후속 ps ('비율') 개체의 계산에 포함 할 것인지 여부를 결정하는 것보다 더 나은 결정을 내릴 수 있습니다.

솔루션 2는 :

또 다른 가능성은 Bioconductor 패키지 limma에 vennCounts() 및 vennDiagram()을 사용하는 것이다. 패키지를 다운로드하려면 follow the instructions here. 위의 venneuler 솔루션과 달리 결과 다이어그램의 겹치는 부분은 실제 교차점의 정도에 비례하지 않습니다. 대신 다이어그램에 실제 주파수를 주석으로 표시합니다.(이 솔루션은 data$factor 컬럼에 대한 편집 내용을 포함하지 않습니다.)

library(limma) 

out <- aggregate(factor ~ cluster, data=data, FUN=table) 
out <- cbind(out[1], data.frame(out[2][[1]])) 

counts <- vennCounts(out[, -1] >= 2) 
vennDiagram(counts, names = c("Factor A", "Factor B", "Factor C"), 
      cex = 1, counts.col = "red")