BioinformaticsAndMe

K-medoids clustering (R PAM) Start

BioinformaticsAndMe

K-medoids clustering (PAM; Partitioning Around Medoids)

: 이전에 소개된 K-means clustering은 평균을 이용하기에 이상치(outlier)에 민감함

: PAM(Partitioning Around Medoids, 1987)는 평균 대신 대표주자(medoid)를 선택하고, 더 좋은 군집을 만드는 대표주자가 있으면 대체

: PAM은 K-means보다 강건한 방법(robust method)

: PAM은 소규모 자료 적용에는 유리하지만, 대규모 자료 적용에는 불안정(non-scalable)

install.packages(“cluster”)
library(cluster)

pam.result <- pam(iris, 3)

table(pam.result$clustering, iris$Species)
    setosa versicolor virginica
  1     50          0         0
  2      0          3        49
  3      0         47         1

par(mfrow=c(1,2))
plot(pam.result) 
par(mfrow=c(1,1))

clusterplot

: iris 데이터가 3개의 클러스터로 나뉨

: 분홍선은 클러스터간의 거리

Silhouette plot of pam

: iris 데이터의 실루엣(silhouette)

: 군집 1에는 50개 데이터를 포함 (0.80은 클러스터링 설명력)

#1.00 에 가까울수록 데이터들이 적합하게 클러스터링

#음수값은 데이터가 잘못된 클러스터에 속함

#Reference

1) https://rstudio-pubs-static.s3.amazonaws.com/249084_09c0daf4ceb24212a81ceddca97ba1ea.html

2) http://ropatics.com/data-mining/r-and-data-mining/RDM-Clustering.html

3) https://slidesplayer.org/slide/15150112/

4) https://blog.naver.com/asus1984/120065317344

5) https://win100.tistory.com/167

K-medoids clustering (R PAM) End

BioinformaticsAndMe

K-means clustering (R 군집분석) Start

BioinformaticsAndMe

K-means clustering

: K-평균 클러스터링은 주어진 데이터를 K개의 클러스터로 묶는 알고리즘

: 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 작동

: 자율 학습의 일종

: Label이 없는 입력 데이터에 Label을 표지하는 역할을 수행

#Reference

1) http://pypr.sourceforge.net/kmeans.html

2) http://ropatics.com/data-mining/r-and-data-mining/RDM-Clustering.html

K-means clustering (R 군집분석) End

BioinformaticsAndMe

if, else, else if, ifelse (R 조건문) Start

BioinformaticsAndMe

R의 조건문

1. if, else (조건 1개 지정)

if (condition 1){

  조건 1 참이면 실행되는 코드}

else{

  조건 1 거짓이면 실행되는 코드}

}

2. else if (조건 추가 지정)

if (condition 1){

  조건 1 참이면 실행되는 코드}

else if (condition 2){

  조건 1 거짓이고, 조건 2 참이면 실행되는 코드}

else{

  조건 1, 2가 모두 거짓이면 실행되는 코드

}

#조건문 기호 의미

'요소' %in% '범주' --> '요소'가 '범주'에 있는가?

'May' %in% month.name

5 %in% 10:20

비교 조건에 사용되는 연산자

== : 같다

!= : 같지 않다

>= : 크거나 같다

> : 크다

<= : 작거나 같다

<: 작다

여러 가지 조건 지정하기

! : ~가 아니다 (부정)

& : AND (교집합)

| : OR (합집합)

if, else, else if, ifelse (R 조건문) End

BioinformaticsAndMe

while, for (R 반복문) Start

BioinformaticsAndMe

R의 반복문

1. while

i <- 0

while (i < 10) {

print (i)

i <- i + 1

}

[1] 0

[1] 1

[1] 2

[1] 3

[1] 4

[1] 5

[1] 6

[1] 7

[1] 8

[1] 9

2. for

for(m in month.name){

print(m)

}

[1] "January"

[1] "February"

[1] "March"

[1] "April"

[1] "May"

[1] "June"

[1] "July"

[1] "August"

[1] "September"

[1] "October"

[1] "November"

[1] "December"

#반복문과 조건문을 이용한 예제

letters벡터와 for, if문을 이용해서 c('a','e','i','o','u')인 경우에만 출력하는 코드

test <- c('a','e','i','o','u')

for(i in test){

  if(i %in% letters ){

    print(i)}

}

[1] "a"

[1] "e"

[1] "i"

[1] "o"

[1] "u"

while, for (R 반복문) End

BioinformaticsAndMe

R, as.Date (날짜 변환) Start.

BioinformaticsAndMe

as.Date

: 날짜 type으로 conversion

#실습데이터

> weight <- c(65.4, 55, 380, 72.2, 51, NA)

> height <- c(170, 155, NA, 173, 161, 166)

> gender <- c("M", "F","M","M","F","F")

> testDate <- c("2013/09/01", "2013/09/01", "2013/09/05", "2013/09/14", "2013/10/11", "2013/10/26")

> patients <- data.frame( weight = weight, height=height, gender=gender, testDate=testDate)

#환자 데이터 날짜를 실제 date 형태로 계산하기

> patients

  weight height gender   testDate

1   65.4    170      M 2013/09/01

2   55.0    155      F 2013/09/01

3  380.0     NA      M 2013/09/05

4   72.2    173      M 2013/09/14

5   51.0    161      F 2013/10/11

6     NA    166      F 2013/10/26

> patients$testDate <- as.Date(testDate)

> patients

R, as.Date (날짜 변환) End.

BioinformaticsAndMe

pathview (pathway 분석) Start.

BioinformaticsAndMe

요즘은 프로그램을 굳이 배우지 않더라도 쉽게 pathway 분석을 할 수 있다.

오늘 소개하는 R 패키지인 'pathview'는 어렵지 않게

expression data(ex. RNA-seq 데이터)를 시각화할 수 있다.

예제 파일을 다운받아 따라해보자.

RNA_seq_example.txt

https://bioconductor.org/packages/release/bioc/html/pathview.html

1. 패키지 설치, 실습 데이터 로딩

4. GAGE (Generally Applicable Gene-set Enrichment) analysis

6. 발현 변화 positive 5개, negative 5개 pathway

#오른쪽 상단에 있는 range에서 볼 수 있듯이, 발현이 상대적으로 높을수록 red, 낮을수록 green 색을 보인다.

#PROTEIN EXPORT 패스웨이에 관여하는 유전자들이 구체적으로 어떤 위치에서 발현을 조절하는지 시각적으로 쉽게 확인 가능하다.

#Range와 Color는 모두 조절 가능하다.

7. 발현 변화 positive 5개의 pathway visualization

pathview에서는 kegg pathway를 사용하므로

인간을 포함하여 mouse, yeast 등 여러 종을 기반으로 발현 분석해 볼 수 있겠다.

pathview (패스웨이 분석) End.

BioinformaticsAndMe

R, 파일 입출력 (FILE I/O) Start.

BioinformaticsAndMe

R, FILE I/O

일반적으로 R programming의 작업 환경은 내문서에서 시작된다.

# 현재 디렉토리 위치를 반환하는 함수

getwd() 

> getwd()

[1] "C:/Users/home/Documents"

# 현재 디렉토리 위치를 바꾸는 함수

setwd() 

# 파일 읽기 함수

read.table()

>Input_data <- read.table("test.txt", header=TRUE, sep="\t", na.strings=c(".","NA"))

"test.txt" : 파일이름

header=TRUE : 헤더가 있는 경우 헤더를 사용하며, 만약 header 파라미터를 넣지 않으면 모두 데이터로 인식.

sep=" " : 구분자가 탭(\t)dm로 인식되는 경우.

na.strings=c(".", "nA") : 파일로부터 읽어온 값이 '.' 또는 'NA'인 경우 '결측치, Not Available (NA)'로 인식.

# 파일 쓰기 함수

write.table()

>write.table("result.txt", sep=",", quote=F, row.names=F)

sep=“,“ : 컬럼의 구분자를 쉽표(,)를 사용.

quote=F : 출력되는 값들의 Double Quotation(“”)를 제거하고 출력.

row.names=F : 데이터의 rowname 출력 X.

R, 파일 입출력 (FILE I/O) End.

BioinformaticsAndMe

R, T-test (R, T검정) Start.

BioinformaticsAndMe

1) one sample t-test

> bmi.ttest <- t.test(bmi, mu=30)

> bmi.ttest

        One Sample t-test

data:  bmi

t = 5.3291, df = 199, p-value = 2.661e-07

alternative hypothesis: true mean is not equal to 30

95 percent confidence interval:

 31.45521 33.16479

sample estimates:

mean of x 

    32.31 

> names(bmi.ttest)

[1] "statistic"   "parameter"   "p.value"     "conf.int"    "estimate"    "null.value"  "alternative" "method"      "data.name"  

statistic: 검정통계랑

parameter: 파라미터

p.value: p값

2) two sample t-test

- 집단 사이의 등분산 여부에 따라 분석방법이 달라지므로 등분산 검정 필요.

# 두 집단의 등분산 검정 / '~'는 type이라는 factor값에 의해 분류

> var.test(bmi ~ type) 

        F test to compare two variances

data:  bmi by type

F = 1.7595, num df = 131, denom df = 67, p-value = 0.01115

alternative hypothesis: true ratio of variances is not equal to 1

95 percent confidence interval:

 1.140466 2.637564

sample estimates:

ratio of variances 

           1.75945 

--- F 검정 결과 귀무가설을 기각하므로 등분산이 아님

> t.test(bmi ~ type) 

        Welch Two Sample t-test

data:  bmi by type

t = -4.512, df = 171.457, p-value = 1.188e-05

alternative hypothesis: true difference in means is not equal to 0

95 percent confidence interval:

 -5.224615 -2.044547

sample estimates:

 mean in group No mean in group Yes 

         31.07424          34.70882 

--- 당뇨의 유무에 따라 bmi의 차이가 있다고 결론

3) Paired t-test

예제데이터: anorexia

Treat: Factor of three levels: "Cont" (control), "CBT" (Cognitive Behavior treatment) and "FT" (family treatment).

Prewt: Weight of patient before study period, in lbs.

Postwt: Weight of patient after study period, in lbs.

# 서로 독립적인 두 집단의 평균을 비교 (평균이 같다/ 같지않다)

> attach(anorexia)

> FT <- subset(anorexia, Treat=='FT')

> head(FT)

   Treat Prewt Postwt

56    FT  83.8   95.2

57    FT  83.3   94.3

58    FT  86.0   91.5

59    FT  82.5   91.9

60    FT  86.7  100.3

61    FT  79.6   76.7

> shapiro.test(FT$Prewt - FT$Postwt)

        Shapiro-Wilk normality test

data:  FT$Prewt - FT$Postwt

W = 0.9536, p-value = 0.5156

--- 정규분포를 따른다

R, T-test (R, T검정) End.

BioinformaticsAndMe

R plot (그래픽스) Start.

BioinformaticsAndMe

plot( ) 함수 : x 와 y 의 2개 축을 기준으로 좌표를 찍어 그리는 함수

# R로 그림을 제작 시에는 고수준(high level)가 항상 먼저 호출되어야 한다.

# plot, boxplot 등의 고수준 함수를 먼저 그려야, 아래 points, lines 등의 저수준 함수를 덧그릴 수 있다.

# x , y축 값을 지정해서 출력하기

> x <- 1:3

> y <- 4:6

> plot(x, y)

# x , y 축 한계값(x축:1~5, y축:1~10) 조정하기

> x <- 1:3

> y <- 4:6

> plot(x, y, xlim=c(1,5), ylim=c(1,10))

#  x축과 y축 제목, 그래프제목 지정해서 출력

> x <- 1:3

> y <- 4:6

> plot(x, y, xlim=c(1,5), ylim=c(1,10), xlab="x축값", ylab="y축값", main="PLOT TEST")

# 여러 조건을 추가해서 그래프 만들기

> apple <- c(100,120,160,140,150)

> plot(apple, type="o", col="red", ylim=c(0,200), axes=FALSE, ann=FALSE)

> axis(1,at=1:5, lab=c("월","화","수","목","금"))

> axis(2,ylim=c(0,200))

> title(main="APPLE", col.main="red")

> title(xlab="요일", col.lab="black")

> title(ylab="가격", col.lab="blue")

# par(mfrow=c(#,#))

# 한 화면에 여러개의 그래프를 동시에 배치

# par (mfrow =c(행의 갯수, 열의 갯수)) 

> par( mfrow=c(1,3) )

> apple <- c(10,20,25,15,20)

> plot(apple, type=“p”)

> plot(apple, type=“o")

> plot(apple, type="l")

R plot (그래픽스) End.

BioinformaticsAndMe

R 회귀분석 (R regression test) Start.

BioinformaticsAndMe

# R을 이용한 단순 선형 회귀분석(simple linear regression test)을 시작해보자.

(회귀분석에 대한 개념정리는 아래의 'Statistic' 카테고리에 있으니, 먼저 선행하고 오면 좋을 듯하다..!)

http://bioinformaticsandme.tistory.com/70?category=808983

# 선형회귀모델 (Linear regression model) 제작

> age=18:29

> age

 [1] 18 19 20 21 22 23 24 25 26 27 28 29

> height= 70:81

 [1] 70 71 72 73 74 75 76 77 78 79 80 81

# 나이에 따른 키를 plot() 함수를 이용하여, 나이에 따른 키의 scatterplot

> plot(x=age, y=height)

BioinformaticsAndMe