聚类分析4—环境数据来解释 (数量生态学：R语言的应用-第四章)

Python017

聚类分析4—环境数据来解释 (数量生态学：R语言的应用-第四章),第1张

在这之前我们学习了聚类分析的基本概念、几种计算层次聚类的方法、进一步解读和比较层次聚类结果以及非层次聚类，这些聚类方法都是基于物种多度数据对样方进行分组，当然这些聚类方法也可以用于其他类型数据，特别是环境数据，所以本次就是介绍用 环境数据来进行聚类分析 。

本次的内容不多，主要分为两个部分：

我们之前学习的主要是内部的准则（例如轮廓法或其他聚类质量指数）都是仅仅依赖物种数据，还不足以选择最佳样方聚类结果。选择最终的聚类结果有时也需要基于生态学解释。生态学解释可视为样方聚类的外部验证。

下面的我们将学习用 样方聚类簇为因子 去对 解释变量进行方差分析 。

尽管在方差分析中，是将物种组成数据获得的聚类的分组结果作为解释变量，但是从生态学角度去分析，实际上是寻找环境因子对样方的分组的解释 。

以下可以使用作者编写的通用函数，执行方差分析的多重比较和显示带有字母的环境变量分组后箱线图多重比较结果。不同字母表示组间有显著差异（按中位线递减顺序组）。

基于上面这些分析和图示，能确定这组鱼类群落的生态习性。

当然，我们也可以基于环境变量对样方进行聚类（类似获得生境类型的分组），然后通过指示种分析（以后会讲）检验不同生境内物种分布是否有差异。指示种分析过程中基于不同的生境类型物种需要逐个分析。因此，需要考虑多个物种指示种分析时会产生多重检验的统计学问题。

另外，作为替代方案，之后第6章会提出基于排序的多元方法，也可以直接描述和检验物种-生境关系。请期待。

要是想直接比较分别基于物种数据和环境数据的样方聚类结果该怎么办呢？

同时列联表分析同样适用于比较分别基于物种数据和分类（定性）解释变量数据的样方聚类结果。

用环境数据进行比较的内容就是这些，虽然不是很多，但是要联系之前学习的才能更好的掌握它，所以还是有难度的，主要是用 外部数据进行类型比较（方差分析途径）和双类型比较（列联表分析 两部分内容，好好学习掌握他。

谢谢你的阅读，请期待下一期数量生态学：R语言的应用 第四章 聚类分析5—聚类物种集合

《数量生态学：R语言的应用》第三章-R模式

《数量生态学：R语言的应用》第二版第三章-关联测度与矩阵------Q模式

《数量生态学：R语言的应用》第二版笔记2

《数量生态学——R语言的应用》第二版阅读笔记--绪论和第二章（一部分）

R语言 pheatmap 包绘制热图（基础部分）

R语言pheatmap包绘制热图进阶教程

使用PicGo和gitee搭建图床

组间分析—T检验、R语言绘图

Rmarkdown的xaringan包来制作PPT

htlm文件部署到个人网站

聚类分析是生信分析中常用的工具，在转录组分析中经常用到。聚类分析将表达模式相似的基因聚类在一起，以基因集的形式进行后续分析，今天我给大家介绍其相关原理。

聚类方法有很多，常用的有以下几个：

下图的例子展示的是，差异表达基因集的聚类热图。

多是基于R语言heatmap.2函数绘制（gplots程序包），该函数默认使用的聚类方法是计算欧式距离（Euclidean Distance）进行层次聚类（Hierarchical Cluster）。

这个图的是什么意思呢？我们来解释一下。

首先，我们先明确下什么是欧式距离（Euclidean Distance）：

欧式距离，也称欧几里得距离，是衡量多维空间的两个点之间的绝对距离，

（1）二维平面，两点a(x1,y1)，b(x2,y2) 欧式距离的计算公式为：

（2）三维空间，欧式距离的计算公式为：

（3）n维空间，欧式距离的计算公式为：

那么，体现在基因表达量的矩阵上，则如下：

（1） 首行为样本名；

（2） 首列为基因名；

（3） 数字则为基因在相应样本中的表达量（一般使用标准化后的表达量矩阵）

Gene1与Gene2的欧式距离为：

Gene1与Gene3的欧式距离为：

Gene1与Gene4的欧式距离为：

计算出所有基因两两之间的欧式距离之后，就可以进行聚类啦：

Cluster之间的聚类，则有3种方法：

R语言中hclust函数的默认方法为最长距离法（complete-linkage）。

以上的聚类过程即称之为 层级聚类 。

层级聚类一般伴随着 系统聚类图 ，系统聚类图分支的长短也体现Cluster形成的早晚，分支越短，形成的越早，基因表达模式也越相近。

聚类分析将基因划分为不同的基因集合，用于反映不同实验条件下样品差异表达基因的变化模式。

功能相关的基因在相同条件下通常具有相似的表达模式，例如被共同的转录因子调控的基因，或其产物构成同一个蛋白复合体的基因，或参与相同生物学过程的基因。对这些基因集进行分析往往可以获得比单基因分析更为可靠的结果。