ex603 - nibb-gitc/gitc2025mar-rnaseq GitHub Wiki
ex603
（発展問題: 教師ありクラスタリング手法であるk-means法はトレーニングコースでは解説していません）
事前にクラスター数を指定して行うことを「教師あり」クラスタリングと呼ぶ。k-means法は教師ありクラスタリングの１種で、汎用される手法である。 教師ありクラスタリングは前提（仮説）が正しい時には教師なしクラスタリングよりも精度よくクラスターを特定できる。 また、この例には含めていないが、k-means法ではクラスターの重心プロファイル（イメージとしては計算したクラスターの平均的な遺伝子発現プロファイル）を計算できる他、各サンプルを重心プロファイルからどの位、離れているか（似ていないか）という特徴量エンジニアリングにも使用できる。
この演習問題で使用する変異体（正確には変異体と野生型のトランスクリプトームのlog2 fold change）が関与するシグナル伝達経路は
- coi1, dde2, jar1, jin1: ジャスモン酸シグナル伝達経路
- ein2-1, ein3: エチレンシグナル伝達経路
- npr1-1, sid2-2: サリチル酸シグナル伝達経路
である。これらの変異体遺伝子発現プロファイルをk-means法を使って解析し、クラスター数の妥当性を考察せよ。kの数を1から7に変化させて解析し、クラスター数を評価しなさい。
inputMatrix <- read.delim(
"gitc/data/MS/Sato_A_thaliana-P_syringae_arvRpt2_6h_expRatio_small.txt",
header=TRUE,
row.name=1
)
ET_JA_SA_input_matrix <- inputMatrix[,c("coi1", "dde2", "jar1", "jin1", "ein2.1", "ein3", "npr1.1", "sid2.2")]
kmeans_results <- sapply(1:7, function(x) kmeans(t(ET_JA_SA_input_matrix), centers=x, iter.max = 100)$cluster)
print(kmeans_results)
[注意] centers引数、iter.max引数を調整することにより、結果が変化します。
[,1] [,2] [,3] [,4] [,5] [,6] [,7]
coi1 1 2 3 2 1 1 2
dde2 1 1 2 4 5 5 5
jar1 1 1 2 3 5 3 4
jin1 1 1 2 3 5 3 3
ein2.1 1 1 2 3 3 4 6
ein3 1 1 2 3 5 3 4
npr1.1 1 1 1 1 4 6 1
sid2.2 1 1 1 1 2 2 7
k-means法はセントロイドの初期値がランダムに指定されるので、毎回同じ答えを返すとは限りません。よって、解析を繰り返して実行し、結果が収束しているかを確認する必要があります。
以下のスクリプトで解析結果の多数決を確認してみましょう。この例ではk=4で解析してみます。
make_k_means_clusters_to_string <- function(x, k){
k_means_result <- kmeans(x, centers=k, iter.max = 100)$cluster
sample_names <- names(k_means_result)
group_strings <- sapply(1:k, function(x)
paste(sort(sample_names[which(k_means_result == x)]), collapse=",")
)
return( paste(sort(group_strings), collapse=" : "))
}
k_means_repeat_results <- sapply(1:1000, function(x) make_k_means_clusters_to_string(t(ET_JA_SA_input_matrix), 4))
table(k_means_repeat_results)
今回は以下の結果になりました。
k_means_repeat_results
coi1 : dde2 : ein2.1,ein3,jar1,jin1 : npr1.1,sid2.2 coi1 : dde2,ein2.1,ein3,jar1,jin1 : npr1.1 : sid2.2
208 215
coi1 : dde2,ein3,jar1,jin1 : ein2.1 : npr1.1,sid2.2
577