如何在R中执行三向PCA [英] How to perform a three-way PCA in R

问题描述

我想在R中执行三向主成分分析，虽然我找到了几篇解释它的工作原理和如何解释结果的文章，但我在网上找不到任何关于如何在R中执行此操作的有用指南。

我的数据由230个样本、250,000个变量和50个注释组成。通常，人们只对以下类型的数据只使用一个注释进行标准的主成分分析：

标准数据：

        var1 var2 var3 var4
Sample1  1/1  0/0  1/1  1/0
Sample2  1/0  1/1  1/1  1/0
Sample3  0/0  1/1  1/1  1/1
Sample4  0/0  0/0  1/1  0/0
Sample5  1/0  1/0  0/0  1/1

但是，我希望将所有注释信息实现到分析中，这样我就可以组合使用所有50个矩阵进行分析。以这种方式，注释的组合可以比单个注释单独解释更多样本之间的差异，例如，注释1和4一起解释的差异比单独注释1更多。

注释1：

         var1 var2 var3 var4
Sample1  1/1  0/0  1/1  1/0
Sample2  1/0  1/1  1/1  1/0
Sample3  0/0  1/1  1/1  1/1
Sample4  0/0  0/0  1/1  0/0
Sample5  1/0  1/0  0/0  1/1

注释2：

         var1      var2      var3  var4
Sample1  missense  none      STOP  synonymous
Sample2  missense  missense  STOP  synonymous
Sample3  none      missense  STOP  synonymous
Sample4  none      none      STOP  none
Sample5  missense  missense  none  synonymous

注释3：

         var1  var2   var3  var4
Sample1  0.30   0.00  0.01  0.04
Sample2  0.30  -0.24  0.01  0.04
Sample3  0.00  -0.24  0.01  0.04
Sample4  0.00  -0.24  0.01  0.00
Sample5  0.30  -0.24  0.00  0.04

注释4：

         var1  var2  var3  var4
Sample1  CTCF  NONE  NONE  MAX
Sample2  CTCF  NONE  NONE  MAX
Sample3  NONE  NONE  NONE  MAX
Sample4  NONE  NONE  NONE  NONE
Sample5  CTCF  NONE  NONE  MAX

根据我所发现的，有三个包可以执行Tucker 3-way PCA：Three Way、Ptak和rT。我曾尝试运行Three-Way，但他们使用的数据结构似乎非常难看。也许我可以做到这一点，但Three Way文章中的示例也生成了一个错误，所以我更喜欢另一个包：

三向数据结构：

         var1_anno1    var1_anno2    var1_anno3   var2_anno1    var2_anno2
Sample1  1/1           missense      0.30         0/0           missense
Sample2  1/0           missense      0.30         1/1           missense
Sample3  0/0           none          0.30         1/1           missense
Sample4  0/0           none          0.30         0/0           none
Sample5  1/0           missense      0.30         1/0           missense

PTAK程序包需要： "如果使用非单位度量，则k阶张量(作为数组)X是以数据为数组并满足度量列表的列表"

我不清楚这意味着什么。我试图研究如何生成张量的张量包，但他们的例子非常复杂，因为他们对各种张量进行了大量的乘法，而不是解释如何从数据中创建张量的基本知识。

对于这种方法的缺点和如何创建张量，以及如何使用任何软件包分析张量，我都会非常感激。

谢谢

推荐答案

我最终使用了ptak包来运行分析。

为了构建张量，我使用了两个程序包tensor和abind。

我通过从矩阵创建一个向量，然后重新定义其三维维度来构建张量(也称为多向数组)。然后使用函数abind()将每个个体的数组合并到最终的三维张量中。

for (i in 1:length(list_of_sample_matrices)) {  

    # Converting matrix into single sample tensor
    single_sample_tensor <- array(as.vector(list_of_sample_matrices[i])), c(250000, 50, 1))
    
    # Creating all sample tensor
    if (i == 1) {
        all_sample_tensor <- single_sample_tensor
    }

    # Adding a single sample tensor at the time to the all sample tensor
    if (i > 1) {
        all_sample_tensor <- abind(all_sample_tensor, single_sample_tensor)
    }
}

这篇关于如何在R中执行三向PCA的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！