GDAS010-Bioconductor中的基因组注释

发表于 | 分类于
| 字数统计: 1,834 | 阅读时长 ≈ 8

Interaction beyond the “read-eval-print” loop

在R语言中，除了使用命令行模式来分析数据外，还可以使用图形用户界面(GUI)来分析数据，Rstudio中有一个shiny包，它可以创建GUI。

dfHclust函数

主要布局

ph525x包中含有dfHclust 函数，我们使用这个函数来展示一个数据，这个数据是数据框类型，，如下所示：

1
2
library(ph525x)
dfHclust(mtcars)

注：由于ph525x 这个包有点老了，可以直接去官网找到这个包中函数dfHclust()的源代码来运行上述命令，运行结果如下所示：

左侧是侧边栏，里面有这些内容：

  • distance ：用于聚类的距离类型；
  • clustering method ：用于聚类的方法；to form the hierarchy through object agglomeration
  • height ：用于聚类的系统树的切割高度，将其分为几组；
  • 最下面是参与计算距离的一些特征值（变量）。

在这个案例中，我们所研究的对象是不同制造商和型号的汽车；特征值是这些汽车的结构或操作特性。我们注意一下，我们在启动这个交互页面时，我们的默认选项如下所示：

  • euclidean距离
  • 聚类算法是ward.D
  • 在40处进行切割
  • 前两个变量作为特征值

右侧图形包括了几个选项卡，如下所示：

  • 聚类树；
  • 两两配对的散点图（就是在pairs这个选项卡上），如下所示：

  • 用于评估所选的切割高度下聚类质量的轮廓图，如下所示：

为了充分理解聚类中tree和silh选项卡中所显示的数量，用户应该查看距离(distance)、聚类方法(clustering method)和轮廓(silhouette)的具体参数，直接你能简洁明了地向非统计人员解释这些内容，具体参数含义如下：

要完全理解“tree”和“silh”选项卡中显示的数量，您应该查看距离、聚类方法和轮廓的定义，直到您愿意向非统计人员解释这些内容。

  • 距离(Distance)是多元分析中非常重要的一个参数；
  • 聚类程序(Hierarchical clustering procedures)有点复杂；具体的可能参考Wiki百科中的 definition of Ward’s method ，或者我以前的笔记。
  • 轮廓(Silhouett)的定义可以查看cluster包中的 silhouette 文档。

与显示界面交互

需要注意的是，当选择tree选项卡时，默认情况下，页面展示的一个具有三个主干的树，而silh选项卡则展示了聚类成员的在每个主干树中的检测值（这个值是怎么算的，先不用管），这三个值是通过设计cut的值来将树切为三个主干分别进行计算的，通过silh选项卡，我们知道以下内容：

  • 平均silhouette的宽度是0.56；
  • 如果改动Select height for cut，将其改为70，那么silhouette图也会改变，它的平均值就会变为0.59，这个值变大的，并且我们看到，在silh页面，我们只能看到两个聚类结果的计算值，并且还有一个silhouette是负值；
  • 我们还可以改变距离(distance)参数，聚类方法等，这些参数都能改变聚类树的形状。

A view of the code

在这一小节中，我们将看一下 dfHclust 函数的源代码，并且解释一下其中的元素。这些代码是以一种非常简洁直白的方式书写的，但它有三个优点：

  • 代码相对较短，并且能独立运行；
  • 在交互式数据探索中能运行良好，并发挥相应作用；
  • 通过复制和修改可以轻松扩展。

但是也有一些地方需要改进：

  • 在ui组件中处理全局变量；
  • data.frame重复过多，server组件中构建的子集data.frame过多。

开始

我们有一个简单的固定接口，如果函数参数中没有2个以上的data.frame，那么就会抛出错误。如果没有安装相应的包，那么也会抛出错误，如下所示：

1
2
3
4
5
6
7
dfHclust = function(df) {
# validate input
   stopifnot(inherits(df, "data.frame"))
   stopifnot(ncol(df)>1)
# obtain software
   require(shiny)
   require(cluster)

用于填写参数的一些向量

1
2
3
4
5
6
7
# global variables ... 
   nms = names(df)
   cmeths = c("ward.D", "ward.D2",
             "single", "complete", "average", "mcquitty",
             "median", "centroid")
   dmeths = c("euclidean", "maximum", "manhattan", "canberra",
             "binary")

用户界面的布局

还有几个高级选项用于控制浏览器的界面。现在我们将使用一种名为fluidPage；也可以参考shinydashboard 包，如下所示：

1
2
3
4
5
6
7
8
9
#
# main shiny components: ui and server
#   ui: defines page layout and components
#   server: defines operations
#
   ui <- fluidPage(
#
# we will have four components on sidebar: selectors for 
# distance, agglomeration method, height for tree cut, and variables to use

标题和侧边栏

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
#
     titlePanel(paste(substitute(df), "hclust")),
     sidebarPanel(
          helpText(paste("Select distance:" )),
          fluidRow(
             selectInput("dmeth", NULL, choices=dmeths,
               selected=dmeths[1])),
          helpText(paste("Select clustering method:" )),
          fluidRow(
             selectInput("meth", NULL, choices=cmeths,
               selected=cmeths[1])),
          helpText(paste("Select height for cut:" )),
          fluidRow(
             numericInput("cutval", NULL, value=40, min=0, max=Inf, step=1)),
          helpText(paste("Select variables for clustering from", substitute(df), ":" )),
          fluidRow(
             checkboxGroupInput("vars", NULL, choices=nms,
               selected=nms[1:2]))
            ),

显示的主要选项卡

1
2
3
4
5
6
7
8
9
10
11
12
13
14
#
# main panel is a simple plot
#
     mainPanel(
       tabsetPanel(
        tabPanel("tree", 
         plotOutput("plot1")),
        tabPanel("pairs", 
         plotOutput("pairsplot")),
        tabPanel("silh", 
         plotOutput("silplot"))
         )
       )
  )  # end fluidPage

定义服务器

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
#
# a function with up to three arguments (input, output, session)
# can be used to define the server component of the app
# renderPlot makes it reactive, so when input components are altered,
# data frame in use and plot are updated
#
   server <- function(input, output) {
     output$plot1 <- renderPlot({
       xv = df[,input$vars]
       plot(hclust(dist(data.matrix(xv),method=input$dmeth), method=input$meth),
         xlab=paste(input$dmeth, "distance;", input$meth, "clustering"))
       abline(h=input$cutval, lty=2, col="gray")
     })
     output$pairsplot <- renderPlot({
       xv = df[,input$vars]
       pairs(data.matrix(xv))
     })
     output$silplot <- renderPlot({
       xv = df[,input$vars]
       dm = dist(data.matrix(xv),method=input$dmeth)
       hc = hclust(dist(data.matrix(xv),method=input$dmeth), method=input$meth)
       ct = cutree(hc, h=input$cutval)
       plot(silhouette(ct, dm))
     })
   }
   
   shinyApp(ui, server)
}

一些重要细节

一个shiny app含有两个主要组件，一个是用户界面，一个是服务器函数。为了使用这个UI界面，R中必须要加载shiny包。我们可以通过各种方式来使用户界面；我们使用的是shinyApp并且支持两个参数ui与server。如下所示：

  • ui 是 shiny.tag.list的一个实例。你可以通过检查fluidPage()的结果来感受一下这个实例。

  • server 是一个函数，它有三个参数，分别为 input, output and session；最后一个参数是可选的。input是一个列表，它与ui 中给定的值绑定，ouput 会将服务器中的元素填充到UI中（这段话不太理解，原文如下）：

    server is a function of three arguments input, output and session; the latter is optional. input is a list with bindings given values in the ui component, and output will be populated with elements in the server for rendering in the UI.

fluidPage的一个案例

使用以下代码就可以查看shiny是如何运行的，如下所示：

1
2
3
4
5
6
7
library(shiny)
fluidPage(
  titlePanel("a title"),
  sidebarPanel(
    selectInput("seli1", "some letters", letters[1:4])
    )
  )

设置sink(file="dem.html")参数，并再次运行上述代码。然后就出现sink(NULL); browseURL("dem.html")。R将启动浏览器并显示出一个非常简洁的页面。这个页面中会出现含有a,…d的选择控件。

这个特殊的案例很容易用手写代码，但是selectInput函数可以允许你开发具有任何R向量定义的选择的控件。此外，高级R函数还可以允许输入不同的类型，用鼠标还可以驱动这些事件。

参考资料

  1. shiny for interactive visualization of multivariate data