时间戳

首页 > 解决方案 > 由于 igraph 包，R 中的社区检测

r - 由于 igraph 包，R 中的社区检测

问题描述

我有一个数据框，其中包含 OTU 和基因之间的相关性。这些相关性将使我能够构建基因组。这个 data.frame 有 1105854 行。

      var1                var2  corr
1  OTU3978 UniRef90_A0A010P3Z8 0.846
2  OTU4011 UniRef90_A0A010P3Z8 0.855
3  OTU4929 UniRef90_A0A010P3Z8 0.829
4  OTU4317 UniRef90_A0A011P550 0.850
5  OTU4816 UniRef90_A0A011P550 0.807
6  OTU3902 UniRef90_A0A011QPQ2 0.836
7  OTU3339 UniRef90_A0A011RKI6 0.835
8  OTU1359 UniRef90_A0A011RLA7 0.801
9  OTU2085 UniRef90_A0A011RLA7 0.843
10 OTU3542 UniRef90_A0A011RLA7 0.866
11 OTU0473 UniRef90_A0A011TDE1 0.807

我使用 igraph 库来构建图形对象。

g<-graph.data.frame(df)

然后，我想提取该图的组件以构建基因组：我的意思是，一个组件将对应一个基因组。

我试过这个命令：genomes<-split(names(V(g)),components(g)$membership)

它给了我几个组件，例如：

> genomes[[4]]
[1] "OTU2417"             "UniRef90_A0A076H0Q4" "UniRef90_A0A2E8T3F8"
[4] "UniRef90_G5ZY43"

由于我的 OTUs 表和基因的 EMBL-EBI 数据库，我检查了 OTU 和每个组件的不同基因。我可以确定每个重建的基因组是否有意义。

我还检查了文档，发现了许多其他社区检测方法：edge-betweenness、louvain、multi-level ...我想知道我使用的命令行之间的主要区别是什么（这让我回过头来非常有意义组件）和这些算法（这也给了我组件）？

谢谢

标签： rcluster-analysisigraphdetection

解决方案

如果您希望您希望找到的集群在您的图表中彼此弱断开，则使用组件搜索将起作用。如果您希望集群之间存在连接，这些将在完整性搜索中组合在一起。

Louvain 和 edge-betweeness 没有这个限制，它们试图通过分别最大化目标、模块化和中介来找到最佳的分区/社区分配/聚类。模块化方法受到分辨率限制：在足够大的图中永远无法识别非常小的但不同的社区。如果您希望找到许多较小的集群，请记住这一点。

推荐阅读