-
Notifications
You must be signed in to change notification settings - Fork 1
/
fig3a.heatmap.R
executable file
·506 lines (398 loc) · 18.3 KB
/
fig3a.heatmap.R
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
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
###########################################
# Plotting of Heatmap for Figure 3a
###########################################
rm(list=ls())
####################################################################
# helper functions for printing count tables
####################################################################
join0 <- function(...) paste0(..., collapse = '')
csv.ending <- function(filename) join0(filename, ".csv")
xlsx.ending <- function(filename) join0(filename, ".xlsx")
tab.ending <- function(filename) join0(filename, ".tab")
triple.write <- function(obj, core_filename, outpath) {
# write.csv(obj, file = csv.ending( file.path(outpath, core_filename)))
write.xlsx(obj, file = xlsx.ending(file.path(outpath, core_filename)),
sheetName = "raw_counts")
# write.table(obj, file = tab.ending( file.path(outpath, core_filename)))
}
#####################################################################
# helper functions for averaging tables
#####################################################################
counts.avg.build <- function(cnts.df, cols.list, groups){
cnts.df <- as.data.frame(cnts.df)
ncol_old <- length(colnames(cnts.df))
ncol_limit <- length(groups) + ncol_old
new_col_names <- c(colnames(cnts.df), groups)
cnts.df <- cbind(cnts.df,
lapply(cols.list,
function(idxs) rowMeans(cnts.df[, idxs])))
colnames(cnts.df) <- new_col_names
cnts.df[, (ncol_old + 1):ncol_limit]
}
counts.std.build <- function(cnts.df, cols.list, groups){
cnts.df <- as.data.frame(cnts.df)
rowSds <- function(df) apply(df, 1, sd)
ncol_old <- length(colnames(cnts.df))
ncol_limit <- length(groups) + ncol_old
new_col_names <- c(colnames(cnts.df), groups)
cnts.df <- cbind(cnts.df,
lapply(cols.list,
function(idxs) rowSds(cnts.df[, idxs])))
colnames(cnts.df) <- new_col_names
cnts.df[, (ncol_old + 1):ncol_limit]
}
# ####################################################################
# Translate vector values
# ####################################################################
translate.vec <- function(values.vec, from.vec, to.vec) {
tr.vec <- to.vec
names(tr.vec) <- from.vec
tr.vec[values.vec]
}
# ####################################################################
# cluster df sorting helper functions
# ####################################################################
# df to list and back ################################################
select_df <- function(df, val, col.selector) {
df[ df[, col.selector] == val, ]
}
df2dflist <- function(df, col.selector) {
col.vals <- unique(df[, col.selector])
dfl <- lapply(seq(col.vals), function(i) select_df(df, val = col.vals[i], col.selector))
names(dfl) <- col.vals
dfl
}
dflist2df <- function(dfl) {
Reduce(rbind, dfl)
}
# ordering df lists #################################################
order.list.by.col.mean <- function(dfl, col.selector) {
dfl[order(unlist(lapply(dfl, function(df) mean(df[, col.selector]))))]
}
order.list.by.df.function <- function(dfl, df.function, ...) {
dfl[order(unlist(lapply(dfl, function(df) df.function(df, ...))))]
}
list.order.by.col.mean <- function(dfl, col.selector) {
order(unlist(lapply(dfl, function(df) mean(df[, col.selector]))))
}
list.order.manually.by.vec <- function(dfl, vec) {
dfl[vec]
}
repeated.values.into.df.list <- function(dfl, col.selector, vals) {
Map(function(df, val) {df[, col.selector] <- val; df}, dfl, vals)
}
list.order.by.col.mean.diffs <-
function(dfl, col.selector.one, col.selector.two, decreasing = FALSE) {
dfl[order(unlist(lapply(dfl, function(df) mean(df[, col.selector.one]))) -
unlist(lapply(dfl, function(df) mean(df[, col.selector.two]))),
decreasing = decreasing)]
}
####################################################################
# required packages
####################################################################
require(DESeq2) # DE analysis
require(xlsx) # xlsx printing
####################################################################
# required paths
####################################################################
outdirpath <- "/home/josephus/Dropbox/amit_scripts/clustering_non_union/plots"
indirpath <- "~/count/raw-subread/cleaned/"
metapath <- "~/Dropbox/amit_scripts/alaAmit/meta.txt"
e2spath <- "~/Dropbox/amit_scripts/alaHerrmann/ensembl2symbol/ensembleID2geneSymbol.txt"
####################################################################
# meta information
####################################################################
meta.df <- read.table(metapath, sep = '\t',
header = TRUE,
stringsAsFactors = FALSE)
denominator <- meta.df$condition[meta.df$testing == "denom"][1]
numerator <- meta.df$condition[meta.df$testing == "num"][1]
core_name <- paste0(numerator, "-vs-", denominator, collapse = '')
####################################################################
# give each condition a color and add to meta.df
####################################################################
col.condition <- c("grey", "blue", "orange", "red")
names(col.condition) <- unique(meta.df$condition) # in order given
meta.df$color <- col.condition[as.vector(meta.df$condition)]
####################################################################
# name annotation information
####################################################################
# load 'meta.txt' and 'ensembleID2geneSymbol.txt' and name symbol column 'symbol'
e2s.df <- read.table(e2spath, sep = '\t',
header = FALSE,
row.names = 1,
stringsAsFactors = FALSE)
colnames(e2s.df) <- "symbol"
#####################################################################
# ensure existence of output paths
#####################################################################
dir.create(path=outdirpath, recursive = TRUE, showWarnings = FALSE)
#####################################################################
# create DESeqDataSet
#####################################################################
# use DESeqDataSetFromHTSeqCount() to generate count table
DESeq2.obj <- DESeqDataSetFromHTSeqCount(sampleTable = meta.df,
directory = indirpath,
design = ~ 0 + condition)
# ensure correct ordering of condition-levels
DESeq2.obj@colData$condition <- factor(DESeq2.obj@colData$condition,
levels = unique(meta.df$condition))
#####################################################################
# get unnormalized and normalized count table
#####################################################################
count.table <- counts(DESeq2.obj)
# discard 'all-null-row's
count.table <- count.table[rowSums(count.table) > 0, ]
# normalize count table
DESeq2.norm <- estimateSizeFactors(DESeq2.obj)
sizeFactors(DESeq2.norm)
# modelling read counts through a neg binomial
DESeq2.disp <- estimateDispersions(DESeq2.norm)
plotDispEsts(DESeq2.disp)
count.table.norm <- counts(DESeq2.norm, normalized = TRUE)
#####################################################################
# set tresholds
#####################################################################
alpha <- 0.05 # the padj threshold for significance
log2FClimit <- 1
# #####################################################################
# # DESeq
# #####################################################################
#
# dds <- DESeq(DESeq2.obj)
# res <- results(dds,
# alpha=alpha,
# pAdjustMethod = "BH",
# contrast = c("condition", "dKO", "WT"))
# res <- na.omit(res)
# # it is exactly the same like 'wald test'
#####################################################################
# wald test
#####################################################################
wald.test <- nbinomWaldTest(DESeq2.disp)
res.DESeq2.dKOvsWT <- results(wald.test, alpha=alpha,
pAdjustMethod = "BH",
contrast = c("condition", "dKO", "WT"))
# remove NA rows
res.DESeq2.dKOvsWT <- na.omit(res.DESeq2.dKOvsWT)
head(res.DESeq2.dKOvsWT, 100)
head(res, 100)
all(rownames(res.DESeq2.dKOvsWT) == rownames(res)) # TRUE
all(dim(res.DESeq2.dKOvsWT) == dim(res)) # TRUE
#####################################################################
# Filter for settings
#####################################################################
dKOvsWT.kept <- rownames(res.DESeq2.dKOvsWT)[res.DESeq2.dKOvsWT$padj <= alpha & !is.na(res.DESeq2.dKOvsWT$padj)]
names.union <- c(dKOvsWT.kept)
#####################################################################
# select gene names based on union
# alpha <- 0.05
# gene.kept <- rownames(res.DESeq2)[res.DESeq2$padj <= alpha & !is.na(res.DESeq2$padj)]
gene.kept <- names.union
#####################################################################
# retrive normalized counts for gene of interest
#####################################################################
epsilon <- 1 # added to all values to avoid log2(0)
count.table.kept <- log2(count.table.norm + epsilon)[gene.kept, ]
dim(count.table.kept) # 705 8 ## non-union: 565 8
count.table.kept
#####################################################################
# build means
#####################################################################
avg.count.table.kept <- counts.avg.build(count.table.kept,
lapply(unique(meta.df$condition),
function(cond) which(meta.df$condition == cond)),
unique(meta.df$condition))
dim(avg.count.table.kept) # 705 4 ## 565 4
head(avg.count.table.kept)
#####################################################################
# calculate 'distance between genes and samples as 1 minus correlation of one gene/sample to another)
#####################################################################
scaledata <- t(scale(t(avg.count.table.kept)))
scaledata <- scaledata[complete.cases(scaledata), ]
#####################################################################
# annotation of ensembl_id
#####################################################################
rownames(scaledata) <- e2s.df[rownames(scaledata), "symbol"]
head(scaledata)
#####################################################################
# load
#####################################################################
require(edgeR)
require(SummarizedExperiment)
require(ggplot2) # for graphics
require(reshape) # for graphics
require(gplots) # for heatmap
require(RColorBrewer) # for heatmap
require(pheatmap) # for heatmap
require(xlsx) # for heatmap output
#####################################################################
# set k
#####################################################################
k <- 8
#####################################################################
# k means clustering k = 7
#####################################################################
kClust <- kmeans(scaledata, centers = k, nstart = 1000, iter.max = 30)
kClusters <- kClust$cluster
#####################################################################
# function to find centroid (cluster core) in cluster i
#####################################################################
clust.centroid <- function(i, dat, clusters) {
ind = (clusters == i)
colMeans(dat[ind, ])
}
kClustcentroids <- sapply(levels(factor(kClusters)),
clust.centroid, scaledata, kClusters)
#####################################################################
# plot centroids to see how they behave
#####################################################################
# get in long form for plotting
Kmolten <- melt(kClustcentroids)
colnames(Kmolten) <- c("sample", "cluster", "value")
# ensure correct factorizing
Kmolten$sample <- factor(Kmolten$sample, levels = unique(meta.df$condition))
# plot
{
p1 <- ggplot(Kmolten, aes(x=factor(sample, levels = unique(meta.df$condition)),
y=value, group = cluster,
colour=as.factor(cluster))) +
geom_point() +
geom_line() +
xlab("Time") +
ylab("Expression") +
labs(title = "Cluster Expression by Group", color = "Cluster")
png(join0(outdirpath, "/", core_name, "-ClusterAll8.png"))
print(p1)
dev.off()
}
#####################################################################
# check similarity of centroids
#####################################################################
cor(kClustcentroids)
# heatmap(cor(kClustcentroids))
#####################################################################
# subset the cores molten dataframe so we can plot the core
#####################################################################
for (i in 1:k) {
assign(paste0("core", i), Kmolten[Kmolten$cluster == i, ])
eval(parse(text = paste0("core", i, "$sample <- factor(core", i,
"$sample, levels = unique(meta.df$condition))")))
}
#####################################################################
# get clusters
#####################################################################
for (i in 1:k) {
assign(paste0("K", i), scaledata[kClusters == i, ])
}
#####################################################################
# calculate correlation with the core
#####################################################################
for (i in 1:k) {
assign(paste0("corescore", i),
eval(parse(text = paste0("function(x) {cor(x, core", i, "$value)}"))))
}
for (i in 1:k) {
assign(paste0("score", i),
eval(parse(text = paste0("apply(K", i, ", 1, corescore", i, ")"))))
}
#####################################################################
# get data frame into long format for plotting
#####################################################################
for (i in 1:k) {
assign(paste0("K", i, "molten"),
eval(parse(text = paste0("melt(K", i, ")"))))
eval(parse(text = paste0("colnames(K", i, "molten) <- c('gene', 'sample', 'value')")))
}
#####################################################################
# add the score
#####################################################################
for (i in 1:k) {
eval(parse(text = paste0("K", i, "molten <- merge(K", i, "molten, score", i, ", by.x = 'gene', by.y = 'row.names', all.x = T)")))
eval(parse(text = paste0("colnames(K", i, "molten) <- c('gene', 'sample', 'value', 'score')")))
}
#####################################################################
# order dataframe by score
#####################################################################
for (i in 1:k) {
eval(parse(text = paste0("K", i, "molten <- K", i, "molten[order(K", i, "molten$score), ]")))
}
#####################################################################
# plotting cluster groups
#####################################################################
for (i in 1:k) {
text = paste0("sp", i, " <- ggplot(K", i, "molten, aes(x=factor(sample, levels=unique(meta.df$condition)), y=value)) + ",
"geom_line(aes(colour=score, group=gene)) + ",
"scale_color_gradientn(colours=c('blue1', 'red2')) + ",
# this adds the core
"geom_line(data=core", i, ", aes(sample,value,group=cluster), ",
"color='black', inherit.aes=FALSE) + ",
"xlab('Time') + ",
"ylab('Expression') + ",
"labs(title='Cluster ", i, " Expression by Group', color = 'Score'); ",
"png('", outdirpath, "/", core_name, "-Cluster", i, ".png'); ",
"print(sp", i, "); dev.off()"
)
eval(parse(text = text))
}
#####################################################################
# prepare heatmap
#####################################################################
colfunc <- colorRampPalette(c("black", "red"))
eval(parse(text = paste0("scores <- c(", paste(paste("score", 1:k, sep = ''),
collapse = ", "), ")")))
# add cluster number and score for sorting the data
scaledata.k <-cbind(scaledata,
cluster = kClust$cluster,
score = scores[rownames(scaledata)])
scaledata.k <- scaledata.k[order(scaledata.k[, "cluster"], scaledata.k[, "score"]), ]
# unordered clusters
{
svg(file.path(outdirpath, "kmeans_heatmap_non_union_embr_8_unordered.svg"))
pheatmap(scaledata.k[, 1:length(unique(meta.df$condition))],
cluster_rows = F,
cluster_cols = F,
cellwidth = 40,
col = colfunc(100),
fontsize_row = .5
)
dev.off()
}
dfl <- df2dflist(scaledata.k, "cluster")
# within cluster sort by score
dflsc <- lapply(dfl, function(df) df[order(df[, "score"]), ])
# 1 2 3 4 5 6 7 8
# c(5, 8, 3, 7, 4, 6, 2, 1)
dflo <- list.order.manually.by.vec(dflsc, c(5, 7, 3, 8, 4, 6, 1, 2))
original.cluster.order <- names(dflo)
names(dflo) <- 1:k
dflo.corr <- repeated.values.into.df.list(dflo, "cluster", 1:k)
scaledata.k.ordered <- dflist2df(dflo.corr)
gaps_idxs <- cumsum(unlist(lapply(df2dflist(scaledata.k.ordered, "cluster"), function(df) dim(df)[1])))
gaps_idxs <- gaps_idxs[c(1, 3, 4, 5, 6, 8)]
{
svg(file.path(outdirpath, "kmeans_heatmap_non_union_embr_8_man_ordered_prelim_final.svg"))
pheatmap(scaledata.k.ordered[, 1:length(unique(meta.df$condition))],
cluster_rows = F,
cluster_cols = F,
gaps_row = gaps_idxs,
cellwidth = 40,
border_color = NA,
col = colfunc(100),
fontsize_row = .5
)
dev.off()
}
# gap_rows = table(scaledata.k.corrected[, "cluster"])[1:k],
# put horizontal gaps
# https://stackoverflow.com/questions/41628450/r-pheatmap-change-annotation-colors-and-prevent-graphics-window-from-popping-up
#####################################################################
# print scaledata
#####################################################################
scaledata_list <- df2dflist(scaledata.k.ordered, "cluster")
{
for (i in 1:k) {
eval(parse(text = paste0("write.xlsx(scaledata_list[[", i, "]], '", outdirpath, "/kmeans", k, "Embr.xlsx', sheetName = 'Clust", i, "', append = ", ifelse(i <= 1, FALSE, TRUE), ")")))
}
write.xlsx(scaledata.k.ordered, paste0(outdirpath, "/kmeans", k, "Embr.xlsx"), sheetName = "All", append = TRUE)
}