将样本信息添加到 PCA (R) 中的数据集

Posted 2023-03-24

【中文标题】将样本信息添加到 PCA (R) 中的数据集

【英文标题】：Add sample info to dataset in PCA (R)

【发布时间】：2021-08-24 09:31:00

【问题描述】：

我是生物学家，不是程序员，所以请温柔一点。

所以我有一个看起来像的数据集

Genes  Patient1   Patient2   Patient3
A          324      433         343
B          431       342        124
Z          232       234        267

然后我有样本表，其中包含示例信息，例如：

Patient1 - Healthy
Patient2 - Disease
Patient3 - Healthy

我正在使用：

library(ggfortify)
df <- dataset
pca_res <- prcomp(df, scale. = TRUE)

autoplot(pca_res)

那我想做

autoplot(pca_res, data = ?, colour = '?')

我希望使用样本表中的信息使用自动绘图功能根据状态（健康/疾病）为我的 PCA 着色。有没有办法做到这一点？

【问题讨论】：

我真的认为您应该阅读教程或更清楚地解释您想要做什么。您想要列中的患者吗？

【参考方案1】：

首先，我将创建一个包含所有可用信息的完整 data.frame。

例如，您将需要创建这种 data.frame ：

df=structure(list(A = c(324, 433, 343), B = c(431, 342, 124), Z = c(232, 
234, 267), Status = c("Healthy", "Disease", "Healthy")), row.names = c("Patient1", 
"Patient2", "Patient3"), class = "data.frame")

之后，您可以使用factoextra 包，该包对绘制 PCA 非常方便：

pca_res <- prcomp(df, scale. = TRUE)
library(factoextra)
fviz_pca_ind(pca_res, habillage=df$Status)

您可以查看fviz_pca_ind 文档以修改颜色

编辑：

从您的 2 个数据集创建整个数据框：

1）获取您的第一个数据框并将第一列作为行名

rownames(df)=df$Genes
df=df[,-1] #remove the gene column in order to keep only the values

2) 格式化第二个数据框 您应该将其格式化为具有与 df (Patient1, Patient2,...) 相同的列，每个列都有疾病状态，您将调用 df2

df2
rownames(df2)=c("Status")

Patient1   Patient2   Patient3
Healthy   Disease   Healthy

我们不知道您的数据，因此您必须自己执行此操作

3)然后你 rbind df 和 df2

df3=rbind(df,df2)
df3=data.frame(t$df)

然后您使用 df3 执行 PCA

【讨论】：

嗨，我会这样做，但实际数据包含 10,999 个观察结果，因此无法逐个手动完成，我的意思是第一部分

你有 rbind 函数可以做到这一点，假设我们在你的帖子 df 中保留第一个数据框，仅在行名中包含基因值和基因名称，并且你有第二个数据框 df2 与患者信息在列中，您的新数据框将是 rbind(df,df2)