如何使用 WeightedCluster::wcKMedoids 为 R 中的 heatmap 或 heatmap.2 提供聚类？答案

【问题标题】：How to use WeightedCluster::wcKMedoids to provide clustering for heatmap or heatmap.2 in R?如何使用 WeightedCluster::wcKMedoids 为 R 中的 heatmap 或 heatmap.2 提供聚类？
【发布时间】：2016-10-19 17:20:04
【问题描述】：

TL;DR：如何使用WeightedCluster 库（尤其是wcKMedoids() 方法）作为heatmap、heatmap.2 或类似的输入，为其提供聚类信息？

我们正在从 R 中的一些二进制数据（是/否值，表示为 1 和 0）创建热图，并且需要为基于列的聚类调整一些行的权重。

（它们从多选类别生成为多个二进制是/否值行，因此被过度表示）。

我找到了WeightedCluster 库，它可以使用权重进行聚类。

现在的问题是如何使用这个库（尤其是wcKMedoids() 方法）作为heatmap、heatmap.2 或类似的输入？

我已经尝试了以下代码，导致以下错误消息：

library(gplots)
library(WeightedCluster)

dataset <- "
F,T1,T2,T3,T4,T5,T6,T7,T8
A,1,1,0,1,1,1,1,1
B,1,0,1,0,1,0,1,1
C,1,1,1,1,1,1,1,0
D,1,1,1,0,1,1,1,0
E,0,1,0,0,1,0,1,0
F,0,0,1,0,0,0,0,0
G,1,1,1,0,1,1,1,1
H,1,1,0,0,0,0,0,0
I,1,0,1,0,0,1,0,0
J,1,1,1,0,0,0,0,1
K,1,0,0,0,1,1,1,1
L,1,1,1,0,1,1,1,1
M,0,1,1,1,1,1,1,1
N,1,1,1,0,1,1,1,1"
fakefile <- textConnection(dataset)

d <- read.csv(fakefile, header=T, row.names = 1)

weights <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1)

distf <- function(x) dist(x, method="binary")
wclustf <- function(x) wcKMedoids(distf(x), 
                                 k=8, 
                                 weights=weights, 
                                 npass = 1, 
                                 initialclust=NULL, 
                                 method="PAMonce", 
                                 cluster.only = FALSE, 
                                 debuglevel=0)

cluster_colors <- colorRampPalette(c("red", "green"))(256);
heatmap(as.matrix(d), 
        col=cluster_colors,
        distfun = distf,
        hclustfun = wclustf,
        keep.dendro = F,
        margins=c(10,16),
        scale="none")

但运行它会给出：

Error in UseMethod("as.dendrogram") : 
  no applicable method for 'as.dendrogram' applied to an object of class "c('kmedoids', 'list')"

显然，wcKMedoids 不是 R 的 hclust 的直接替代品，但有人对如何解决这个问题有一些建议吗？

更新：到目前为止我取得的微小进展表明我应该实现一个方法as.dendrogram.kmedoids，它产生与hclust(dist(x)) 类似的输出。（可以通过dput:dput(hclust(dist(x)))详细检查其输出）。非常欢迎提出想法和建议。

【问题讨论】：

我投票结束这个问题，因为它是关于如何在没有可重现示例的情况下使用 R。
@gung 对此感到抱歉（对 R 来说有点新，以及如何做事），现在让代码示例完全独立且可重现！

标签： r cluster-analysis heatmap

【解决方案1】：

如果您可以使用更简单的解决方案，只需将权重乘以原始矩阵，以这种方式赋予它们更大的权重。我不能 100% 确定这是执行此操作的统计正确方法，但取决于您想要实现的目标，它可能会完成这项工作。

# Create the dataset
dataset <- matrix(
  dimnames = list(LETTERS[seq( from = 1, to = 14 )], c("T1","T2","T3","T4","T5","T6","T7","T8")),
  data = c(1,1,0,1,1,1,1,1,
           1,0,1,0,1,0,1,1,
           1,1,1,1,1,1,1,0,
           1,1,1,0,1,1,1,0,
           0,1,0,0,1,0,1,0,
           0,0,1,0,0,0,0,0,
           1,1,1,0,1,1,1,1,
           1,1,0,0,0,0,0,0,
           1,0,1,0,0,1,0,0,
           1,1,1,0,0,0,0,1,
           1,0,0,0,1,1,1,1,
           1,1,1,0,1,1,1,1,
           0,1,1,1,1,1,1,1,
           1,1,1,0,1,1,1,1),
  ncol=8,
  nrow=14)

# Assign weights to the different columns
col.weights <- c(2,3,1,1,1,1,1,1)

# Transform the original matrix with the weights
# you want to assign to each column.
create.weights.matrix <- function(weights, rows) {
  sapply(weights, function(x){rep(x, rows)})
}
weights.matrix <- create.weights.matrix(col.weights, nrow(dataset))
d.weighted <- weights.matrix * dataset

# Create the plot
cluster_colors <- colorRampPalette(c("red", "green"))(256);
heatmap(as.matrix(d.weighted), 
        col=cluster_colors,
        keep.dendro = F,
        margins=c(10,16),
        scale="none")

这会给你这样的结果：

【讨论】：

【解决方案2】：

这是无法做到的。 K-Medoid 聚类是一种分区方法，而不是分层方法。树状图只对层次聚类算法有意义。

【讨论】：