Date: 2019-12-25 23:54:04 CET, cola version: 1.3.2
Document is loading...
All available functions which can be applied to this res_list object:
res_list
#> A 'ConsensusPartitionList' object with 24 methods.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows are extracted by 'SD, CV, MAD, ATC' methods.
#> Subgroups are detected by 'hclust, kmeans, skmeans, pam, mclust, NMF' method.
#> Number of partitions are tried for k = 2, 3, 4, 5, 6.
#> Performed in total 30000 partitions by row resampling.
#>
#> Following methods can be applied to this 'ConsensusPartitionList' object:
#> [1] "cola_report" "collect_classes" "collect_plots" "collect_stats"
#> [5] "colnames" "functional_enrichment" "get_anno_col" "get_anno"
#> [9] "get_classes" "get_matrix" "get_membership" "get_stats"
#> [13] "is_best_k" "is_stable_k" "ncol" "nrow"
#> [17] "rownames" "show" "suggest_best_k" "test_to_known_factors"
#> [21] "top_rows_heatmap" "top_rows_overlap"
#>
#> You can get result for a single method by, e.g. object["SD", "hclust"] or object["SD:hclust"]
#> or a subset of methods by object[c("SD", "CV")], c("hclust", "kmeans")]
The call of run_all_consensus_partition_methods() was:
#> run_all_consensus_partition_methods(data = mat, mc.cores = 4)
Dimension of the input matrix:
mat = get_matrix(res_list)
dim(mat)
#> [1] 15218 144
The density distribution for each sample is visualized as in one column in the following heatmap. The clustering is based on the distance which is the Kolmogorov-Smirnov statistic between two distributions.
library(ComplexHeatmap)
densityHeatmap(mat, ylab = "value", cluster_columns = TRUE, show_column_names = FALSE,
mc.cores = 4)
Folowing table shows the best k (number of partitions) for each combination
of top-value methods and partition methods. Clicking on the method name in
the table goes to the section for a single combination of methods.
The cola vignette explains the definition of the metrics used for determining the best number of partitions.
suggest_best_k(res_list)
| The best k | 1-PAC | Mean silhouette | Concordance | ||
|---|---|---|---|---|---|
| ATC:skmeans | 2 | 1.000 | 0.960 | 0.985 | ** |
| ATC:NMF | 2 | 1.000 | 0.960 | 0.979 | ** |
| ATC:pam | 4 | 0.978 | 0.927 | 0.957 | ** |
| ATC:kmeans | 2 | 0.820 | 0.948 | 0.958 | |
| ATC:hclust | 3 | 0.808 | 0.876 | 0.931 | |
| ATC:mclust | 4 | 0.798 | 0.898 | 0.935 | |
| CV:NMF | 3 | 0.776 | 0.849 | 0.935 | |
| MAD:pam | 4 | 0.771 | 0.904 | 0.919 | |
| MAD:NMF | 3 | 0.764 | 0.836 | 0.921 | |
| SD:pam | 5 | 0.688 | 0.865 | 0.867 | |
| SD:NMF | 3 | 0.678 | 0.809 | 0.917 | |
| MAD:hclust | 4 | 0.677 | 0.842 | 0.908 | |
| MAD:mclust | 5 | 0.669 | 0.702 | 0.819 | |
| SD:mclust | 5 | 0.654 | 0.760 | 0.845 | |
| CV:pam | 4 | 0.573 | 0.879 | 0.915 | |
| SD:hclust | 4 | 0.572 | 0.755 | 0.852 | |
| CV:hclust | 3 | 0.559 | 0.836 | 0.925 | |
| SD:skmeans | 3 | 0.525 | 0.748 | 0.863 | |
| CV:mclust | 5 | 0.426 | 0.585 | 0.745 | |
| MAD:skmeans | 2 | 0.417 | 0.794 | 0.881 | |
| CV:skmeans | 2 | 0.321 | 0.748 | 0.857 | |
| CV:kmeans | 5 | 0.148 | 0.476 | 0.588 | |
| MAD:kmeans | 3 | 0.063 | 0.535 | 0.665 | |
| SD:kmeans | 3 | 0.055 | 0.479 | 0.644 |
**: 1-PAC > 0.95, *: 1-PAC > 0.9
Cumulative distribution function curves of consensus matrix for all methods.
collect_plots(res_list, fun = plot_ecdf)
Consensus heatmaps for all methods. (What is a consensus heatmap?)
collect_plots(res_list, k = 2, fun = consensus_heatmap, mc.cores = 4)
collect_plots(res_list, k = 3, fun = consensus_heatmap, mc.cores = 4)
collect_plots(res_list, k = 4, fun = consensus_heatmap, mc.cores = 4)
collect_plots(res_list, k = 5, fun = consensus_heatmap, mc.cores = 4)
collect_plots(res_list, k = 6, fun = consensus_heatmap, mc.cores = 4)
Membership heatmaps for all methods. (What is a membership heatmap?)
collect_plots(res_list, k = 2, fun = membership_heatmap, mc.cores = 4)
collect_plots(res_list, k = 3, fun = membership_heatmap, mc.cores = 4)
collect_plots(res_list, k = 4, fun = membership_heatmap, mc.cores = 4)
collect_plots(res_list, k = 5, fun = membership_heatmap, mc.cores = 4)
collect_plots(res_list, k = 6, fun = membership_heatmap, mc.cores = 4)
Signature heatmaps for all methods. (What is a signature heatmap?)
Note in following heatmaps, rows are scaled.
collect_plots(res_list, k = 2, fun = get_signatures, mc.cores = 4)
collect_plots(res_list, k = 3, fun = get_signatures, mc.cores = 4)
collect_plots(res_list, k = 4, fun = get_signatures, mc.cores = 4)
collect_plots(res_list, k = 5, fun = get_signatures, mc.cores = 4)
collect_plots(res_list, k = 6, fun = get_signatures, mc.cores = 4)
The statistics used for measuring the stability of consensus partitioning. (How are they defined?)
get_stats(res_list, k = 2)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> SD:NMF 2 0.7387 0.916 0.953 0.411 0.615 0.615
#> CV:NMF 2 0.3791 0.736 0.767 0.441 0.615 0.615
#> MAD:NMF 2 0.4714 0.698 0.868 0.439 0.557 0.557
#> ATC:NMF 2 0.9998 0.960 0.979 0.411 0.573 0.573
#> SD:skmeans 2 0.3949 0.721 0.860 0.493 0.498 0.498
#> CV:skmeans 2 0.3205 0.748 0.857 0.501 0.497 0.497
#> MAD:skmeans 2 0.4170 0.794 0.881 0.490 0.528 0.528
#> ATC:skmeans 2 1.0000 0.960 0.985 0.481 0.513 0.513
#> SD:mclust 2 0.4161 0.733 0.833 0.344 0.812 0.812
#> CV:mclust 2 0.2623 0.775 0.781 0.304 0.730 0.730
#> MAD:mclust 2 0.2942 0.587 0.694 0.393 0.557 0.557
#> ATC:mclust 2 0.5102 0.898 0.914 0.438 0.539 0.539
#> SD:kmeans 2 0.0645 0.247 0.620 0.382 0.749 0.749
#> CV:kmeans 2 0.0654 0.000 0.774 0.318 1.000 1.000
#> MAD:kmeans 2 0.0762 0.554 0.656 0.399 0.590 0.590
#> ATC:kmeans 2 0.8199 0.948 0.958 0.448 0.528 0.528
#> SD:pam 2 0.5572 0.957 0.964 0.209 0.812 0.812
#> CV:pam 2 0.8023 0.919 0.937 0.156 0.812 0.812
#> MAD:pam 2 0.3057 0.456 0.709 0.296 0.548 0.548
#> ATC:pam 2 0.7573 0.839 0.936 0.376 0.676 0.676
#> SD:hclust 2 0.8011 0.925 0.950 0.274 0.660 0.660
#> CV:hclust 2 0.4215 0.847 0.920 0.186 0.894 0.894
#> MAD:hclust 2 0.6311 0.884 0.923 0.191 0.759 0.759
#> ATC:hclust 2 0.6077 0.861 0.925 0.422 0.528 0.528
get_stats(res_list, k = 3)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> SD:NMF 3 0.6784 0.809 0.917 0.539 0.667 0.489
#> CV:NMF 3 0.7759 0.849 0.935 0.472 0.669 0.490
#> MAD:NMF 3 0.7643 0.836 0.921 0.422 0.628 0.433
#> ATC:NMF 3 0.7253 0.664 0.849 0.378 0.788 0.669
#> SD:skmeans 3 0.5245 0.748 0.863 0.350 0.714 0.486
#> CV:skmeans 3 0.3159 0.485 0.677 0.326 0.717 0.489
#> MAD:skmeans 3 0.5535 0.755 0.870 0.352 0.688 0.466
#> ATC:skmeans 3 0.8937 0.893 0.947 0.218 0.837 0.700
#> SD:mclust 3 0.4119 0.637 0.824 0.690 0.600 0.507
#> CV:mclust 3 0.2636 0.529 0.704 0.619 0.647 0.559
#> MAD:mclust 3 0.3238 0.616 0.774 0.459 0.739 0.570
#> ATC:mclust 3 0.7110 0.907 0.922 0.393 0.777 0.615
#> SD:kmeans 3 0.0548 0.479 0.644 0.476 0.450 0.352
#> CV:kmeans 3 0.0565 0.428 0.573 0.497 0.812 0.812
#> MAD:kmeans 3 0.0630 0.535 0.665 0.412 0.812 0.691
#> ATC:kmeans 3 0.5357 0.789 0.852 0.284 0.901 0.814
#> SD:pam 3 0.6015 0.702 0.804 1.290 0.686 0.614
#> CV:pam 3 0.5345 0.835 0.897 1.097 0.906 0.884
#> MAD:pam 3 0.6071 0.819 0.826 0.730 0.560 0.402
#> ATC:pam 3 0.8788 0.915 0.962 0.407 0.783 0.684
#> SD:hclust 3 0.5142 0.861 0.903 0.338 0.987 0.981
#> CV:hclust 3 0.5595 0.836 0.925 1.022 0.708 0.676
#> MAD:hclust 3 0.3276 0.663 0.769 1.442 0.642 0.541
#> ATC:hclust 3 0.8084 0.876 0.931 0.334 0.937 0.881
get_stats(res_list, k = 4)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> SD:NMF 4 0.6992 0.782 0.889 0.157 0.806 0.524
#> CV:NMF 4 0.7174 0.654 0.819 0.137 0.848 0.610
#> MAD:NMF 4 0.8151 0.797 0.905 0.172 0.772 0.479
#> ATC:NMF 4 0.7911 0.855 0.925 0.186 0.723 0.504
#> SD:skmeans 4 0.6094 0.725 0.840 0.118 0.849 0.589
#> CV:skmeans 4 0.5509 0.640 0.795 0.120 0.777 0.440
#> MAD:skmeans 4 0.6321 0.735 0.850 0.123 0.849 0.589
#> ATC:skmeans 4 0.7852 0.908 0.930 0.154 0.929 0.831
#> SD:mclust 4 0.4862 0.344 0.675 0.157 0.668 0.364
#> CV:mclust 4 0.4011 0.594 0.766 0.114 0.822 0.706
#> MAD:mclust 4 0.5668 0.688 0.821 0.250 0.802 0.541
#> ATC:mclust 4 0.7979 0.898 0.935 0.147 0.916 0.787
#> SD:kmeans 4 0.1165 0.397 0.562 0.149 0.814 0.570
#> CV:kmeans 4 0.0806 0.409 0.623 0.231 0.666 0.589
#> MAD:kmeans 4 0.1635 0.451 0.591 0.168 0.809 0.583
#> ATC:kmeans 4 0.5400 0.695 0.781 0.154 1.000 1.000
#> SD:pam 4 0.6151 0.832 0.861 0.317 0.733 0.511
#> CV:pam 4 0.5729 0.879 0.915 0.462 0.820 0.749
#> MAD:pam 4 0.7705 0.904 0.919 0.318 0.813 0.612
#> ATC:pam 4 0.9779 0.927 0.957 0.125 0.902 0.800
#> SD:hclust 4 0.5720 0.755 0.852 0.742 0.691 0.523
#> CV:hclust 4 0.3413 0.458 0.677 0.571 0.816 0.703
#> MAD:hclust 4 0.6772 0.842 0.908 0.347 0.887 0.753
#> ATC:hclust 4 0.8441 0.884 0.934 0.043 0.985 0.968
get_stats(res_list, k = 5)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> SD:NMF 5 0.777 0.786 0.868 0.0743 0.883 0.606
#> CV:NMF 5 0.736 0.735 0.810 0.0684 0.884 0.609
#> MAD:NMF 5 0.756 0.700 0.841 0.0771 0.862 0.546
#> ATC:NMF 5 0.684 0.749 0.809 0.0854 0.933 0.817
#> SD:skmeans 5 0.650 0.628 0.717 0.0628 1.000 1.000
#> CV:skmeans 5 0.670 0.590 0.739 0.0690 0.907 0.660
#> MAD:skmeans 5 0.659 0.662 0.779 0.0626 0.921 0.709
#> ATC:skmeans 5 0.743 0.799 0.857 0.1198 0.874 0.641
#> SD:mclust 5 0.654 0.760 0.845 0.1096 0.773 0.414
#> CV:mclust 5 0.426 0.585 0.745 0.2901 0.671 0.396
#> MAD:mclust 5 0.669 0.702 0.819 0.0548 0.970 0.889
#> ATC:mclust 5 0.818 0.917 0.955 0.0294 0.982 0.943
#> SD:kmeans 5 0.235 0.449 0.574 0.0958 0.904 0.696
#> CV:kmeans 5 0.148 0.476 0.588 0.1236 0.831 0.651
#> MAD:kmeans 5 0.322 0.525 0.619 0.1001 0.847 0.570
#> ATC:kmeans 5 0.539 0.624 0.724 0.0799 0.816 0.586
#> SD:pam 5 0.688 0.865 0.867 0.0942 0.937 0.808
#> CV:pam 5 0.553 0.733 0.850 0.1987 0.915 0.844
#> MAD:pam 5 0.815 0.920 0.939 0.0804 0.951 0.836
#> ATC:pam 5 0.881 0.884 0.914 0.1027 0.896 0.744
#> SD:hclust 5 0.602 0.726 0.835 0.1154 0.932 0.798
#> CV:hclust 5 0.483 0.428 0.610 0.1060 0.738 0.557
#> MAD:hclust 5 0.631 0.696 0.819 0.1196 0.854 0.619
#> ATC:hclust 5 0.745 0.836 0.871 0.1876 0.874 0.720
get_stats(res_list, k = 6)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> SD:NMF 6 0.810 0.719 0.828 0.0414 0.935 0.716
#> CV:NMF 6 0.771 0.712 0.800 0.0444 0.925 0.670
#> MAD:NMF 6 0.751 0.693 0.780 0.0424 0.911 0.622
#> ATC:NMF 6 0.672 0.640 0.737 0.0710 0.828 0.506
#> SD:skmeans 6 0.676 0.431 0.624 0.0409 0.859 0.504
#> CV:skmeans 6 0.729 0.650 0.763 0.0412 0.948 0.758
#> MAD:skmeans 6 0.702 0.570 0.711 0.0401 0.970 0.864
#> ATC:skmeans 6 0.794 0.784 0.836 0.0519 0.950 0.803
#> SD:mclust 6 0.679 0.768 0.817 0.0675 0.963 0.850
#> CV:mclust 6 0.557 0.705 0.776 0.0878 0.926 0.723
#> MAD:mclust 6 0.724 0.721 0.783 0.0532 0.983 0.929
#> ATC:mclust 6 0.767 0.595 0.773 0.0962 0.892 0.633
#> SD:kmeans 6 0.372 0.348 0.589 0.0656 0.867 0.596
#> CV:kmeans 6 0.229 0.525 0.612 0.0800 0.992 0.976
#> MAD:kmeans 6 0.448 0.488 0.610 0.0577 0.944 0.806
#> ATC:kmeans 6 0.519 0.590 0.652 0.0567 0.926 0.735
#> SD:pam 6 0.768 0.872 0.873 0.0566 0.975 0.906
#> CV:pam 6 0.555 0.838 0.873 0.1527 0.824 0.633
#> MAD:pam 6 0.795 0.863 0.898 0.0817 0.948 0.794
#> ATC:pam 6 0.800 0.915 0.912 0.1500 0.906 0.695
#> SD:hclust 6 0.740 0.770 0.852 0.0665 0.984 0.941
#> CV:hclust 6 0.582 0.501 0.706 0.0802 0.660 0.381
#> MAD:hclust 6 0.722 0.855 0.889 0.0989 0.938 0.774
#> ATC:hclust 6 0.773 0.837 0.855 0.0415 0.977 0.928
Following heatmap plots the partition for each combination of methods and the lightness correspond to the silhouette scores for samples in each method. On top the consensus subgroup is inferred from all methods by taking the mean silhouette scores as weight.
collect_stats(res_list, k = 2)
collect_stats(res_list, k = 3)
collect_stats(res_list, k = 4)
collect_stats(res_list, k = 5)
collect_stats(res_list, k = 6)
Collect partitions from all methods:
collect_classes(res_list, k = 2)
collect_classes(res_list, k = 3)
collect_classes(res_list, k = 4)
collect_classes(res_list, k = 5)
collect_classes(res_list, k = 6)
Overlap of top rows from different top-row methods:
top_rows_overlap(res_list, top_n = 1000, method = "euler")
top_rows_overlap(res_list, top_n = 2000, method = "euler")
top_rows_overlap(res_list, top_n = 3000, method = "euler")
top_rows_overlap(res_list, top_n = 4000, method = "euler")
top_rows_overlap(res_list, top_n = 5000, method = "euler")
Also visualize the correspondance of rankings between different top-row methods:
top_rows_overlap(res_list, top_n = 1000, method = "correspondance")
top_rows_overlap(res_list, top_n = 2000, method = "correspondance")
top_rows_overlap(res_list, top_n = 3000, method = "correspondance")
top_rows_overlap(res_list, top_n = 4000, method = "correspondance")
top_rows_overlap(res_list, top_n = 5000, method = "correspondance")
Heatmaps of the top rows:
top_rows_heatmap(res_list, top_n = 1000)
top_rows_heatmap(res_list, top_n = 2000)
top_rows_heatmap(res_list, top_n = 3000)
top_rows_heatmap(res_list, top_n = 4000)
top_rows_heatmap(res_list, top_n = 5000)
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["SD", "hclust"]
# you can also extract it by
# res = res_list["SD:hclust"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'SD' method.
#> Subgroups are detected by 'hclust' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 4.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.801 0.925 0.950 0.2735 0.660 0.660
#> 3 3 0.514 0.861 0.903 0.3377 0.987 0.981
#> 4 4 0.572 0.755 0.852 0.7419 0.691 0.523
#> 5 5 0.602 0.726 0.835 0.1154 0.932 0.798
#> 6 6 0.740 0.770 0.852 0.0665 0.984 0.941
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 4
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.998 0.531 0.528 0.472
#> SRR1036003 1 0.998 0.531 0.528 0.472
#> SRR1036004 1 0.998 0.531 0.528 0.472
#> SRR1036005 1 0.000 0.750 1.000 0.000
#> SRR1036006 1 0.000 0.750 1.000 0.000
#> SRR1036007 1 0.000 0.750 1.000 0.000
#> SRR1036008 1 0.000 0.750 1.000 0.000
#> SRR1036009 1 0.000 0.750 1.000 0.000
#> SRR1036013 2 0.000 1.000 0.000 1.000
#> SRR1036014 2 0.000 1.000 0.000 1.000
#> SRR1036015 2 0.000 1.000 0.000 1.000
#> SRR1036016 2 0.000 1.000 0.000 1.000
#> SRR1036017 2 0.000 1.000 0.000 1.000
#> SRR1036018 2 0.000 1.000 0.000 1.000
#> SRR1036010 2 0.000 1.000 0.000 1.000
#> SRR1036011 2 0.000 1.000 0.000 1.000
#> SRR1036012 2 0.000 1.000 0.000 1.000
#> SRR1036019 2 0.000 1.000 0.000 1.000
#> SRR1036020 2 0.000 1.000 0.000 1.000
#> SRR1036021 2 0.000 1.000 0.000 1.000
#> SRR1036022 2 0.000 1.000 0.000 1.000
#> SRR1036023 2 0.000 1.000 0.000 1.000
#> SRR1036024 2 0.000 1.000 0.000 1.000
#> SRR1036025 2 0.000 1.000 0.000 1.000
#> SRR1036026 2 0.000 1.000 0.000 1.000
#> SRR1036027 2 0.000 1.000 0.000 1.000
#> SRR1036028 2 0.000 1.000 0.000 1.000
#> SRR1036029 2 0.000 1.000 0.000 1.000
#> SRR1036030 2 0.000 1.000 0.000 1.000
#> SRR1036031 2 0.000 1.000 0.000 1.000
#> SRR1036032 2 0.000 1.000 0.000 1.000
#> SRR1036033 2 0.000 1.000 0.000 1.000
#> SRR1036034 2 0.000 1.000 0.000 1.000
#> SRR1036035 2 0.000 1.000 0.000 1.000
#> SRR1036036 2 0.000 1.000 0.000 1.000
#> SRR1036037 2 0.000 1.000 0.000 1.000
#> SRR1036038 2 0.000 1.000 0.000 1.000
#> SRR1036039 2 0.000 1.000 0.000 1.000
#> SRR1036040 2 0.000 1.000 0.000 1.000
#> SRR1036041 2 0.000 1.000 0.000 1.000
#> SRR1036042 1 0.998 0.531 0.528 0.472
#> SRR1036043 1 0.998 0.531 0.528 0.472
#> SRR1036044 1 0.998 0.531 0.528 0.472
#> SRR1036045 1 0.998 0.531 0.528 0.472
#> SRR1036046 1 0.998 0.531 0.528 0.472
#> SRR1036047 1 0.998 0.531 0.528 0.472
#> SRR1036048 1 0.998 0.531 0.528 0.472
#> SRR1036049 1 0.998 0.531 0.528 0.472
#> SRR1036050 2 0.000 1.000 0.000 1.000
#> SRR1036051 2 0.000 1.000 0.000 1.000
#> SRR1036052 2 0.000 1.000 0.000 1.000
#> SRR1036053 2 0.000 1.000 0.000 1.000
#> SRR1036054 2 0.000 1.000 0.000 1.000
#> SRR1036055 2 0.000 1.000 0.000 1.000
#> SRR1036056 2 0.000 1.000 0.000 1.000
#> SRR1036057 2 0.000 1.000 0.000 1.000
#> SRR1036058 2 0.000 1.000 0.000 1.000
#> SRR1036059 2 0.000 1.000 0.000 1.000
#> SRR1036060 2 0.000 1.000 0.000 1.000
#> SRR1036061 2 0.000 1.000 0.000 1.000
#> SRR1036062 2 0.000 1.000 0.000 1.000
#> SRR1036063 2 0.000 1.000 0.000 1.000
#> SRR1036064 2 0.000 1.000 0.000 1.000
#> SRR1036065 2 0.000 1.000 0.000 1.000
#> SRR1036066 2 0.000 1.000 0.000 1.000
#> SRR1036067 2 0.000 1.000 0.000 1.000
#> SRR1036068 2 0.000 1.000 0.000 1.000
#> SRR1036069 2 0.000 1.000 0.000 1.000
#> SRR1036070 2 0.000 1.000 0.000 1.000
#> SRR1036071 2 0.000 1.000 0.000 1.000
#> SRR1036072 2 0.000 1.000 0.000 1.000
#> SRR1036073 2 0.000 1.000 0.000 1.000
#> SRR1036074 2 0.000 1.000 0.000 1.000
#> SRR1036075 2 0.000 1.000 0.000 1.000
#> SRR1036076 2 0.000 1.000 0.000 1.000
#> SRR1036077 2 0.000 1.000 0.000 1.000
#> SRR1036078 2 0.000 1.000 0.000 1.000
#> SRR1036079 2 0.000 1.000 0.000 1.000
#> SRR1036080 2 0.000 1.000 0.000 1.000
#> SRR1036081 2 0.000 1.000 0.000 1.000
#> SRR1036082 2 0.000 1.000 0.000 1.000
#> SRR1036083 2 0.000 1.000 0.000 1.000
#> SRR1036084 2 0.000 1.000 0.000 1.000
#> SRR1036090 2 0.000 1.000 0.000 1.000
#> SRR1036091 2 0.000 1.000 0.000 1.000
#> SRR1036092 2 0.000 1.000 0.000 1.000
#> SRR1036093 2 0.000 1.000 0.000 1.000
#> SRR1036094 2 0.000 1.000 0.000 1.000
#> SRR1036085 1 0.000 0.750 1.000 0.000
#> SRR1036086 1 0.000 0.750 1.000 0.000
#> SRR1036087 1 0.000 0.750 1.000 0.000
#> SRR1036088 1 0.000 0.750 1.000 0.000
#> SRR1036089 1 0.000 0.750 1.000 0.000
#> SRR1036095 2 0.000 1.000 0.000 1.000
#> SRR1036096 2 0.000 1.000 0.000 1.000
#> SRR1036097 2 0.000 1.000 0.000 1.000
#> SRR1036098 2 0.000 1.000 0.000 1.000
#> SRR1036099 2 0.000 1.000 0.000 1.000
#> SRR1036100 2 0.000 1.000 0.000 1.000
#> SRR1036101 2 0.000 1.000 0.000 1.000
#> SRR1036102 2 0.000 1.000 0.000 1.000
#> SRR1036103 2 0.000 1.000 0.000 1.000
#> SRR1036104 2 0.000 1.000 0.000 1.000
#> SRR1036105 1 0.000 0.750 1.000 0.000
#> SRR1036106 1 0.000 0.750 1.000 0.000
#> SRR1036107 1 0.000 0.750 1.000 0.000
#> SRR1036108 1 0.000 0.750 1.000 0.000
#> SRR1036109 1 0.000 0.750 1.000 0.000
#> SRR1036110 2 0.000 1.000 0.000 1.000
#> SRR1036111 2 0.000 1.000 0.000 1.000
#> SRR1036112 2 0.000 1.000 0.000 1.000
#> SRR1036113 2 0.000 1.000 0.000 1.000
#> SRR1036114 2 0.000 1.000 0.000 1.000
#> SRR1036115 2 0.000 1.000 0.000 1.000
#> SRR1036116 2 0.000 1.000 0.000 1.000
#> SRR1036117 2 0.000 1.000 0.000 1.000
#> SRR1036118 2 0.000 1.000 0.000 1.000
#> SRR1036119 2 0.000 1.000 0.000 1.000
#> SRR1036120 1 0.963 0.626 0.612 0.388
#> SRR1036121 1 0.963 0.626 0.612 0.388
#> SRR1036122 1 0.963 0.626 0.612 0.388
#> SRR1036123 1 0.963 0.626 0.612 0.388
#> SRR1036124 1 0.963 0.626 0.612 0.388
#> SRR1036125 2 0.000 1.000 0.000 1.000
#> SRR1036126 2 0.000 1.000 0.000 1.000
#> SRR1036127 2 0.000 1.000 0.000 1.000
#> SRR1036128 2 0.000 1.000 0.000 1.000
#> SRR1036129 2 0.000 1.000 0.000 1.000
#> SRR1036130 2 0.000 1.000 0.000 1.000
#> SRR1036131 2 0.000 1.000 0.000 1.000
#> SRR1036132 2 0.000 1.000 0.000 1.000
#> SRR1036133 2 0.000 1.000 0.000 1.000
#> SRR1036134 2 0.000 1.000 0.000 1.000
#> SRR1036135 2 0.000 1.000 0.000 1.000
#> SRR1036136 2 0.000 1.000 0.000 1.000
#> SRR1036137 2 0.000 1.000 0.000 1.000
#> SRR1036138 2 0.000 1.000 0.000 1.000
#> SRR1036139 2 0.000 1.000 0.000 1.000
#> SRR1036140 2 0.000 1.000 0.000 1.000
#> SRR1036141 2 0.000 1.000 0.000 1.000
#> SRR1036142 2 0.000 1.000 0.000 1.000
#> SRR1036143 2 0.000 1.000 0.000 1.000
#> SRR1036144 2 0.000 1.000 0.000 1.000
#> SRR1036145 2 0.000 1.000 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036003 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036004 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036005 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036006 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036007 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036008 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036009 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036013 2 0.129 0.939 0.032 0.968 0.000
#> SRR1036014 2 0.129 0.939 0.032 0.968 0.000
#> SRR1036015 2 0.129 0.939 0.032 0.968 0.000
#> SRR1036016 2 0.129 0.939 0.032 0.968 0.000
#> SRR1036017 2 0.129 0.939 0.032 0.968 0.000
#> SRR1036018 2 0.129 0.939 0.032 0.968 0.000
#> SRR1036010 2 0.382 0.898 0.148 0.852 0.000
#> SRR1036011 2 0.382 0.898 0.148 0.852 0.000
#> SRR1036012 2 0.382 0.898 0.148 0.852 0.000
#> SRR1036019 2 0.296 0.903 0.100 0.900 0.000
#> SRR1036020 2 0.296 0.903 0.100 0.900 0.000
#> SRR1036021 2 0.296 0.903 0.100 0.900 0.000
#> SRR1036022 2 0.296 0.903 0.100 0.900 0.000
#> SRR1036023 2 0.296 0.903 0.100 0.900 0.000
#> SRR1036024 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036025 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036026 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036027 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036028 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036029 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036030 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036031 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036032 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036033 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036034 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036035 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036036 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036037 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036038 2 0.226 0.935 0.068 0.932 0.000
#> SRR1036039 2 0.226 0.935 0.068 0.932 0.000
#> SRR1036040 2 0.226 0.935 0.068 0.932 0.000
#> SRR1036041 2 0.226 0.939 0.068 0.932 0.000
#> SRR1036042 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036043 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036044 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036045 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036046 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036047 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036048 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036049 3 0.891 0.476 0.140 0.332 0.528
#> SRR1036050 2 0.226 0.939 0.068 0.932 0.000
#> SRR1036051 2 0.226 0.939 0.068 0.932 0.000
#> SRR1036052 2 0.226 0.939 0.068 0.932 0.000
#> SRR1036053 2 0.226 0.939 0.068 0.932 0.000
#> SRR1036054 2 0.226 0.939 0.068 0.932 0.000
#> SRR1036055 2 0.254 0.934 0.080 0.920 0.000
#> SRR1036056 2 0.254 0.934 0.080 0.920 0.000
#> SRR1036057 2 0.254 0.934 0.080 0.920 0.000
#> SRR1036058 2 0.141 0.938 0.036 0.964 0.000
#> SRR1036059 2 0.141 0.938 0.036 0.964 0.000
#> SRR1036060 2 0.141 0.938 0.036 0.964 0.000
#> SRR1036061 2 0.141 0.938 0.036 0.964 0.000
#> SRR1036062 2 0.141 0.938 0.036 0.964 0.000
#> SRR1036063 2 0.141 0.938 0.036 0.964 0.000
#> SRR1036064 2 0.141 0.938 0.036 0.964 0.000
#> SRR1036065 2 0.141 0.938 0.036 0.964 0.000
#> SRR1036066 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036067 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036068 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036069 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036070 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036071 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036072 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036073 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036074 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036075 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036076 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036077 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036078 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036079 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036080 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036081 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036082 2 0.207 0.930 0.060 0.940 0.000
#> SRR1036083 2 0.207 0.930 0.060 0.940 0.000
#> SRR1036084 2 0.207 0.930 0.060 0.940 0.000
#> SRR1036090 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036091 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036092 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036093 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036094 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036085 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036086 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036087 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036088 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036089 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036095 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036096 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036097 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036098 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036099 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036100 2 0.196 0.932 0.056 0.944 0.000
#> SRR1036101 2 0.196 0.932 0.056 0.944 0.000
#> SRR1036102 2 0.196 0.932 0.056 0.944 0.000
#> SRR1036103 2 0.196 0.932 0.056 0.944 0.000
#> SRR1036104 2 0.196 0.932 0.056 0.944 0.000
#> SRR1036105 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036106 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036107 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036108 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036109 3 0.000 0.597 0.000 0.000 1.000
#> SRR1036110 2 0.196 0.931 0.056 0.944 0.000
#> SRR1036111 2 0.196 0.931 0.056 0.944 0.000
#> SRR1036112 2 0.196 0.931 0.056 0.944 0.000
#> SRR1036113 2 0.196 0.931 0.056 0.944 0.000
#> SRR1036114 2 0.196 0.931 0.056 0.944 0.000
#> SRR1036115 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036116 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036117 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036118 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036119 2 0.207 0.931 0.060 0.940 0.000
#> SRR1036120 1 0.207 1.000 0.940 0.060 0.000
#> SRR1036121 1 0.207 1.000 0.940 0.060 0.000
#> SRR1036122 1 0.207 1.000 0.940 0.060 0.000
#> SRR1036123 1 0.207 1.000 0.940 0.060 0.000
#> SRR1036124 1 0.207 1.000 0.940 0.060 0.000
#> SRR1036125 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036126 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036127 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036128 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036129 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036130 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036131 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036132 2 0.164 0.937 0.044 0.956 0.000
#> SRR1036133 2 0.271 0.910 0.088 0.912 0.000
#> SRR1036134 2 0.271 0.910 0.088 0.912 0.000
#> SRR1036135 2 0.271 0.910 0.088 0.912 0.000
#> SRR1036136 2 0.271 0.910 0.088 0.912 0.000
#> SRR1036137 2 0.271 0.910 0.088 0.912 0.000
#> SRR1036138 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036139 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036140 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036141 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036142 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036143 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036144 2 0.288 0.905 0.096 0.904 0.000
#> SRR1036145 2 0.288 0.905 0.096 0.904 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036003 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036004 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036005 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036013 1 0.4961 0.324 0.552 0.448 0.000 0.000
#> SRR1036014 1 0.4961 0.324 0.552 0.448 0.000 0.000
#> SRR1036015 1 0.4961 0.324 0.552 0.448 0.000 0.000
#> SRR1036016 1 0.4961 0.324 0.552 0.448 0.000 0.000
#> SRR1036017 1 0.4961 0.324 0.552 0.448 0.000 0.000
#> SRR1036018 1 0.4961 0.324 0.552 0.448 0.000 0.000
#> SRR1036010 1 0.4549 0.714 0.804 0.096 0.000 0.100
#> SRR1036011 1 0.4549 0.714 0.804 0.096 0.000 0.100
#> SRR1036012 1 0.4549 0.714 0.804 0.096 0.000 0.100
#> SRR1036019 2 0.1940 0.872 0.000 0.924 0.000 0.076
#> SRR1036020 2 0.1940 0.872 0.000 0.924 0.000 0.076
#> SRR1036021 2 0.1940 0.872 0.000 0.924 0.000 0.076
#> SRR1036022 2 0.1940 0.872 0.000 0.924 0.000 0.076
#> SRR1036023 2 0.1940 0.872 0.000 0.924 0.000 0.076
#> SRR1036024 1 0.4406 0.647 0.700 0.300 0.000 0.000
#> SRR1036025 1 0.4406 0.647 0.700 0.300 0.000 0.000
#> SRR1036026 1 0.4406 0.647 0.700 0.300 0.000 0.000
#> SRR1036027 1 0.4406 0.647 0.700 0.300 0.000 0.000
#> SRR1036028 1 0.4406 0.647 0.700 0.300 0.000 0.000
#> SRR1036029 1 0.4406 0.647 0.700 0.300 0.000 0.000
#> SRR1036030 2 0.1209 0.883 0.032 0.964 0.000 0.004
#> SRR1036031 2 0.1209 0.883 0.032 0.964 0.000 0.004
#> SRR1036032 2 0.1209 0.883 0.032 0.964 0.000 0.004
#> SRR1036033 2 0.1209 0.883 0.032 0.964 0.000 0.004
#> SRR1036034 2 0.1209 0.883 0.032 0.964 0.000 0.004
#> SRR1036035 2 0.1209 0.883 0.032 0.964 0.000 0.004
#> SRR1036036 2 0.1209 0.883 0.032 0.964 0.000 0.004
#> SRR1036037 2 0.1209 0.883 0.032 0.964 0.000 0.004
#> SRR1036038 1 0.3806 0.775 0.824 0.156 0.000 0.020
#> SRR1036039 1 0.3806 0.775 0.824 0.156 0.000 0.020
#> SRR1036040 1 0.3806 0.775 0.824 0.156 0.000 0.020
#> SRR1036041 1 0.3052 0.798 0.860 0.136 0.000 0.004
#> SRR1036042 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036043 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036044 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036045 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036046 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036047 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036048 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036049 3 0.6868 0.550 0.004 0.372 0.528 0.096
#> SRR1036050 1 0.3052 0.798 0.860 0.136 0.000 0.004
#> SRR1036051 1 0.3052 0.798 0.860 0.136 0.000 0.004
#> SRR1036052 1 0.3052 0.798 0.860 0.136 0.000 0.004
#> SRR1036053 1 0.3052 0.798 0.860 0.136 0.000 0.004
#> SRR1036054 1 0.3052 0.798 0.860 0.136 0.000 0.004
#> SRR1036055 1 0.4155 0.724 0.756 0.240 0.000 0.004
#> SRR1036056 1 0.4155 0.724 0.756 0.240 0.000 0.004
#> SRR1036057 1 0.4155 0.724 0.756 0.240 0.000 0.004
#> SRR1036058 2 0.5587 0.457 0.372 0.600 0.000 0.028
#> SRR1036059 2 0.5587 0.457 0.372 0.600 0.000 0.028
#> SRR1036060 2 0.5587 0.457 0.372 0.600 0.000 0.028
#> SRR1036061 2 0.5587 0.457 0.372 0.600 0.000 0.028
#> SRR1036062 2 0.5587 0.457 0.372 0.600 0.000 0.028
#> SRR1036063 2 0.5587 0.457 0.372 0.600 0.000 0.028
#> SRR1036064 2 0.5587 0.457 0.372 0.600 0.000 0.028
#> SRR1036065 2 0.5587 0.457 0.372 0.600 0.000 0.028
#> SRR1036066 1 0.2149 0.821 0.912 0.088 0.000 0.000
#> SRR1036067 1 0.2149 0.821 0.912 0.088 0.000 0.000
#> SRR1036068 1 0.2149 0.821 0.912 0.088 0.000 0.000
#> SRR1036069 1 0.2149 0.821 0.912 0.088 0.000 0.000
#> SRR1036070 1 0.2149 0.821 0.912 0.088 0.000 0.000
#> SRR1036071 1 0.2149 0.821 0.912 0.088 0.000 0.000
#> SRR1036072 1 0.2149 0.821 0.912 0.088 0.000 0.000
#> SRR1036073 1 0.2149 0.821 0.912 0.088 0.000 0.000
#> SRR1036074 2 0.1388 0.882 0.028 0.960 0.000 0.012
#> SRR1036075 2 0.1388 0.882 0.028 0.960 0.000 0.012
#> SRR1036076 2 0.1388 0.882 0.028 0.960 0.000 0.012
#> SRR1036077 2 0.1388 0.882 0.028 0.960 0.000 0.012
#> SRR1036078 2 0.1388 0.882 0.028 0.960 0.000 0.012
#> SRR1036079 2 0.1388 0.882 0.028 0.960 0.000 0.012
#> SRR1036080 2 0.1388 0.882 0.028 0.960 0.000 0.012
#> SRR1036081 2 0.1388 0.882 0.028 0.960 0.000 0.012
#> SRR1036082 2 0.1256 0.883 0.028 0.964 0.000 0.008
#> SRR1036083 2 0.1256 0.883 0.028 0.964 0.000 0.008
#> SRR1036084 2 0.1256 0.883 0.028 0.964 0.000 0.008
#> SRR1036090 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036091 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036092 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036093 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036094 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036085 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036095 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036096 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036097 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036098 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036099 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036100 2 0.1305 0.883 0.036 0.960 0.000 0.004
#> SRR1036101 2 0.1305 0.883 0.036 0.960 0.000 0.004
#> SRR1036102 2 0.1305 0.883 0.036 0.960 0.000 0.004
#> SRR1036103 2 0.1305 0.883 0.036 0.960 0.000 0.004
#> SRR1036104 2 0.1305 0.883 0.036 0.960 0.000 0.004
#> SRR1036105 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.673 0.000 0.000 1.000 0.000
#> SRR1036110 2 0.1488 0.880 0.032 0.956 0.000 0.012
#> SRR1036111 2 0.1488 0.880 0.032 0.956 0.000 0.012
#> SRR1036112 2 0.1488 0.880 0.032 0.956 0.000 0.012
#> SRR1036113 2 0.1488 0.880 0.032 0.956 0.000 0.012
#> SRR1036114 2 0.1488 0.880 0.032 0.956 0.000 0.012
#> SRR1036115 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036116 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036117 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036118 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036119 1 0.0895 0.792 0.976 0.020 0.000 0.004
#> SRR1036120 4 0.1174 1.000 0.020 0.012 0.000 0.968
#> SRR1036121 4 0.1174 1.000 0.020 0.012 0.000 0.968
#> SRR1036122 4 0.1174 1.000 0.020 0.012 0.000 0.968
#> SRR1036123 4 0.1174 1.000 0.020 0.012 0.000 0.968
#> SRR1036124 4 0.1174 1.000 0.020 0.012 0.000 0.968
#> SRR1036125 1 0.1743 0.817 0.940 0.056 0.000 0.004
#> SRR1036126 1 0.1743 0.817 0.940 0.056 0.000 0.004
#> SRR1036127 1 0.1743 0.817 0.940 0.056 0.000 0.004
#> SRR1036128 1 0.1743 0.817 0.940 0.056 0.000 0.004
#> SRR1036129 1 0.1743 0.817 0.940 0.056 0.000 0.004
#> SRR1036130 1 0.1743 0.817 0.940 0.056 0.000 0.004
#> SRR1036131 1 0.1743 0.817 0.940 0.056 0.000 0.004
#> SRR1036132 1 0.1743 0.817 0.940 0.056 0.000 0.004
#> SRR1036133 2 0.2402 0.876 0.012 0.912 0.000 0.076
#> SRR1036134 2 0.2402 0.876 0.012 0.912 0.000 0.076
#> SRR1036135 2 0.2402 0.876 0.012 0.912 0.000 0.076
#> SRR1036136 2 0.2402 0.876 0.012 0.912 0.000 0.076
#> SRR1036137 2 0.2402 0.876 0.012 0.912 0.000 0.076
#> SRR1036138 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036139 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036140 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036141 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036142 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036143 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036144 2 0.2125 0.873 0.004 0.920 0.000 0.076
#> SRR1036145 2 0.2125 0.873 0.004 0.920 0.000 0.076
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036003 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036004 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036005 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 1 0.5843 0.358 0.572 0.124 0.000 0.304 0.000
#> SRR1036014 1 0.5843 0.358 0.572 0.124 0.000 0.304 0.000
#> SRR1036015 1 0.5843 0.358 0.572 0.124 0.000 0.304 0.000
#> SRR1036016 1 0.5843 0.358 0.572 0.124 0.000 0.304 0.000
#> SRR1036017 1 0.5843 0.358 0.572 0.124 0.000 0.304 0.000
#> SRR1036018 1 0.5843 0.358 0.572 0.124 0.000 0.304 0.000
#> SRR1036010 1 0.3648 0.745 0.824 0.000 0.000 0.092 0.084
#> SRR1036011 1 0.3648 0.745 0.824 0.000 0.000 0.092 0.084
#> SRR1036012 1 0.3648 0.745 0.824 0.000 0.000 0.092 0.084
#> SRR1036019 2 0.0324 0.869 0.000 0.992 0.000 0.004 0.004
#> SRR1036020 2 0.0324 0.869 0.000 0.992 0.000 0.004 0.004
#> SRR1036021 2 0.0324 0.869 0.000 0.992 0.000 0.004 0.004
#> SRR1036022 2 0.0324 0.869 0.000 0.992 0.000 0.004 0.004
#> SRR1036023 2 0.0324 0.869 0.000 0.992 0.000 0.004 0.004
#> SRR1036024 1 0.4104 0.664 0.748 0.032 0.000 0.220 0.000
#> SRR1036025 1 0.4104 0.664 0.748 0.032 0.000 0.220 0.000
#> SRR1036026 1 0.4104 0.664 0.748 0.032 0.000 0.220 0.000
#> SRR1036027 1 0.4104 0.664 0.748 0.032 0.000 0.220 0.000
#> SRR1036028 1 0.4104 0.664 0.748 0.032 0.000 0.220 0.000
#> SRR1036029 1 0.4104 0.664 0.748 0.032 0.000 0.220 0.000
#> SRR1036030 2 0.3476 0.854 0.076 0.836 0.000 0.088 0.000
#> SRR1036031 2 0.3476 0.854 0.076 0.836 0.000 0.088 0.000
#> SRR1036032 2 0.3476 0.854 0.076 0.836 0.000 0.088 0.000
#> SRR1036033 2 0.3476 0.854 0.076 0.836 0.000 0.088 0.000
#> SRR1036034 2 0.3476 0.854 0.076 0.836 0.000 0.088 0.000
#> SRR1036035 2 0.3476 0.854 0.076 0.836 0.000 0.088 0.000
#> SRR1036036 2 0.3476 0.854 0.076 0.836 0.000 0.088 0.000
#> SRR1036037 2 0.3476 0.854 0.076 0.836 0.000 0.088 0.000
#> SRR1036038 1 0.2621 0.776 0.876 0.008 0.000 0.112 0.004
#> SRR1036039 1 0.2621 0.776 0.876 0.008 0.000 0.112 0.004
#> SRR1036040 1 0.2621 0.776 0.876 0.008 0.000 0.112 0.004
#> SRR1036041 1 0.2104 0.806 0.916 0.024 0.000 0.060 0.000
#> SRR1036042 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036043 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036044 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036045 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036046 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036047 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036048 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036049 3 0.7360 0.569 0.012 0.276 0.528 0.092 0.092
#> SRR1036050 1 0.2104 0.806 0.916 0.024 0.000 0.060 0.000
#> SRR1036051 1 0.2104 0.806 0.916 0.024 0.000 0.060 0.000
#> SRR1036052 1 0.2104 0.806 0.916 0.024 0.000 0.060 0.000
#> SRR1036053 1 0.2104 0.806 0.916 0.024 0.000 0.060 0.000
#> SRR1036054 1 0.2104 0.806 0.916 0.024 0.000 0.060 0.000
#> SRR1036055 1 0.3912 0.699 0.804 0.108 0.000 0.088 0.000
#> SRR1036056 1 0.3912 0.699 0.804 0.108 0.000 0.088 0.000
#> SRR1036057 1 0.3912 0.699 0.804 0.108 0.000 0.088 0.000
#> SRR1036058 4 0.2230 0.441 0.116 0.000 0.000 0.884 0.000
#> SRR1036059 4 0.2230 0.441 0.116 0.000 0.000 0.884 0.000
#> SRR1036060 4 0.2230 0.441 0.116 0.000 0.000 0.884 0.000
#> SRR1036061 4 0.2230 0.441 0.116 0.000 0.000 0.884 0.000
#> SRR1036062 4 0.2230 0.441 0.116 0.000 0.000 0.884 0.000
#> SRR1036063 4 0.2230 0.441 0.116 0.000 0.000 0.884 0.000
#> SRR1036064 4 0.2230 0.441 0.116 0.000 0.000 0.884 0.000
#> SRR1036065 4 0.2230 0.441 0.116 0.000 0.000 0.884 0.000
#> SRR1036066 1 0.1168 0.828 0.960 0.032 0.000 0.008 0.000
#> SRR1036067 1 0.1168 0.828 0.960 0.032 0.000 0.008 0.000
#> SRR1036068 1 0.1168 0.828 0.960 0.032 0.000 0.008 0.000
#> SRR1036069 1 0.1168 0.828 0.960 0.032 0.000 0.008 0.000
#> SRR1036070 1 0.1168 0.828 0.960 0.032 0.000 0.008 0.000
#> SRR1036071 1 0.1168 0.828 0.960 0.032 0.000 0.008 0.000
#> SRR1036072 1 0.1168 0.828 0.960 0.032 0.000 0.008 0.000
#> SRR1036073 1 0.1168 0.828 0.960 0.032 0.000 0.008 0.000
#> SRR1036074 2 0.3907 0.838 0.068 0.820 0.000 0.100 0.012
#> SRR1036075 2 0.3907 0.838 0.068 0.820 0.000 0.100 0.012
#> SRR1036076 2 0.3907 0.838 0.068 0.820 0.000 0.100 0.012
#> SRR1036077 2 0.3907 0.838 0.068 0.820 0.000 0.100 0.012
#> SRR1036078 2 0.3907 0.838 0.068 0.820 0.000 0.100 0.012
#> SRR1036079 2 0.3907 0.838 0.068 0.820 0.000 0.100 0.012
#> SRR1036080 2 0.3907 0.838 0.068 0.820 0.000 0.100 0.012
#> SRR1036081 2 0.3907 0.838 0.068 0.820 0.000 0.100 0.012
#> SRR1036082 4 0.5797 0.309 0.068 0.432 0.000 0.492 0.008
#> SRR1036083 4 0.5797 0.309 0.068 0.432 0.000 0.492 0.008
#> SRR1036084 4 0.5797 0.309 0.068 0.432 0.000 0.492 0.008
#> SRR1036090 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036091 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036092 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036093 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036094 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036085 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036096 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036097 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036098 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036099 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036100 2 0.3479 0.853 0.080 0.836 0.000 0.084 0.000
#> SRR1036101 2 0.3479 0.853 0.080 0.836 0.000 0.084 0.000
#> SRR1036102 2 0.3479 0.853 0.080 0.836 0.000 0.084 0.000
#> SRR1036103 2 0.3479 0.853 0.080 0.836 0.000 0.084 0.000
#> SRR1036104 2 0.3479 0.853 0.080 0.836 0.000 0.084 0.000
#> SRR1036105 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 0.683 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.5917 0.367 0.072 0.408 0.000 0.508 0.012
#> SRR1036111 4 0.5917 0.367 0.072 0.408 0.000 0.508 0.012
#> SRR1036112 4 0.5917 0.367 0.072 0.408 0.000 0.508 0.012
#> SRR1036113 4 0.5917 0.367 0.072 0.408 0.000 0.508 0.012
#> SRR1036114 4 0.5917 0.367 0.072 0.408 0.000 0.508 0.012
#> SRR1036115 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036116 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036117 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036118 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036119 1 0.1908 0.800 0.908 0.000 0.000 0.092 0.000
#> SRR1036120 5 0.0162 1.000 0.004 0.000 0.000 0.000 0.996
#> SRR1036121 5 0.0162 1.000 0.004 0.000 0.000 0.000 0.996
#> SRR1036122 5 0.0162 1.000 0.004 0.000 0.000 0.000 0.996
#> SRR1036123 5 0.0162 1.000 0.004 0.000 0.000 0.000 0.996
#> SRR1036124 5 0.0162 1.000 0.004 0.000 0.000 0.000 0.996
#> SRR1036125 1 0.0162 0.829 0.996 0.004 0.000 0.000 0.000
#> SRR1036126 1 0.0162 0.829 0.996 0.004 0.000 0.000 0.000
#> SRR1036127 1 0.0162 0.829 0.996 0.004 0.000 0.000 0.000
#> SRR1036128 1 0.0162 0.829 0.996 0.004 0.000 0.000 0.000
#> SRR1036129 1 0.0162 0.829 0.996 0.004 0.000 0.000 0.000
#> SRR1036130 1 0.0162 0.829 0.996 0.004 0.000 0.000 0.000
#> SRR1036131 1 0.0162 0.829 0.996 0.004 0.000 0.000 0.000
#> SRR1036132 1 0.0162 0.829 0.996 0.004 0.000 0.000 0.000
#> SRR1036133 2 0.0609 0.875 0.020 0.980 0.000 0.000 0.000
#> SRR1036134 2 0.0609 0.875 0.020 0.980 0.000 0.000 0.000
#> SRR1036135 2 0.0609 0.875 0.020 0.980 0.000 0.000 0.000
#> SRR1036136 2 0.0609 0.875 0.020 0.980 0.000 0.000 0.000
#> SRR1036137 2 0.0609 0.875 0.020 0.980 0.000 0.000 0.000
#> SRR1036138 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036139 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036140 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036141 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036142 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036143 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036144 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
#> SRR1036145 2 0.0324 0.872 0.004 0.992 0.000 0.004 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036003 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036004 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036013 1 0.5578 0.382 0.576 0.028 0 0.304 0.000 0.092
#> SRR1036014 1 0.5578 0.382 0.576 0.028 0 0.304 0.000 0.092
#> SRR1036015 1 0.5578 0.382 0.576 0.028 0 0.304 0.000 0.092
#> SRR1036016 1 0.5578 0.382 0.576 0.028 0 0.304 0.000 0.092
#> SRR1036017 1 0.5578 0.382 0.576 0.028 0 0.304 0.000 0.092
#> SRR1036018 1 0.5578 0.382 0.576 0.028 0 0.304 0.000 0.092
#> SRR1036010 1 0.2697 0.734 0.812 0.000 0 0.000 0.000 0.188
#> SRR1036011 1 0.2697 0.734 0.812 0.000 0 0.000 0.000 0.188
#> SRR1036012 1 0.2697 0.734 0.812 0.000 0 0.000 0.000 0.188
#> SRR1036019 2 0.0547 0.798 0.000 0.980 0 0.000 0.020 0.000
#> SRR1036020 2 0.0547 0.798 0.000 0.980 0 0.000 0.020 0.000
#> SRR1036021 2 0.0547 0.798 0.000 0.980 0 0.000 0.020 0.000
#> SRR1036022 2 0.0547 0.798 0.000 0.980 0 0.000 0.020 0.000
#> SRR1036023 2 0.0547 0.798 0.000 0.980 0 0.000 0.020 0.000
#> SRR1036024 1 0.3614 0.669 0.752 0.028 0 0.220 0.000 0.000
#> SRR1036025 1 0.3614 0.669 0.752 0.028 0 0.220 0.000 0.000
#> SRR1036026 1 0.3614 0.669 0.752 0.028 0 0.220 0.000 0.000
#> SRR1036027 1 0.3614 0.669 0.752 0.028 0 0.220 0.000 0.000
#> SRR1036028 1 0.3614 0.669 0.752 0.028 0 0.220 0.000 0.000
#> SRR1036029 1 0.3614 0.669 0.752 0.028 0 0.220 0.000 0.000
#> SRR1036030 2 0.3573 0.766 0.044 0.832 0 0.084 0.036 0.004
#> SRR1036031 2 0.3573 0.766 0.044 0.832 0 0.084 0.036 0.004
#> SRR1036032 2 0.3573 0.766 0.044 0.832 0 0.084 0.036 0.004
#> SRR1036033 2 0.3573 0.766 0.044 0.832 0 0.084 0.036 0.004
#> SRR1036034 2 0.3573 0.766 0.044 0.832 0 0.084 0.036 0.004
#> SRR1036035 2 0.3573 0.766 0.044 0.832 0 0.084 0.036 0.004
#> SRR1036036 2 0.3573 0.766 0.044 0.832 0 0.084 0.036 0.004
#> SRR1036037 2 0.3573 0.766 0.044 0.832 0 0.084 0.036 0.004
#> SRR1036038 1 0.3423 0.764 0.832 0.020 0 0.004 0.036 0.108
#> SRR1036039 1 0.3423 0.764 0.832 0.020 0 0.004 0.036 0.108
#> SRR1036040 1 0.3423 0.764 0.832 0.020 0 0.004 0.036 0.108
#> SRR1036041 1 0.1644 0.806 0.920 0.004 0 0.076 0.000 0.000
#> SRR1036042 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036043 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036044 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036045 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036046 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036047 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036048 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036049 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036050 1 0.1644 0.806 0.920 0.004 0 0.076 0.000 0.000
#> SRR1036051 1 0.1644 0.806 0.920 0.004 0 0.076 0.000 0.000
#> SRR1036052 1 0.1644 0.806 0.920 0.004 0 0.076 0.000 0.000
#> SRR1036053 1 0.1644 0.806 0.920 0.004 0 0.076 0.000 0.000
#> SRR1036054 1 0.1644 0.806 0.920 0.004 0 0.076 0.000 0.000
#> SRR1036055 1 0.4336 0.669 0.776 0.100 0 0.084 0.036 0.004
#> SRR1036056 1 0.4336 0.669 0.776 0.100 0 0.084 0.036 0.004
#> SRR1036057 1 0.4336 0.669 0.776 0.100 0 0.084 0.036 0.004
#> SRR1036058 4 0.1610 0.528 0.084 0.000 0 0.916 0.000 0.000
#> SRR1036059 4 0.1610 0.528 0.084 0.000 0 0.916 0.000 0.000
#> SRR1036060 4 0.1610 0.528 0.084 0.000 0 0.916 0.000 0.000
#> SRR1036061 4 0.1610 0.528 0.084 0.000 0 0.916 0.000 0.000
#> SRR1036062 4 0.1610 0.528 0.084 0.000 0 0.916 0.000 0.000
#> SRR1036063 4 0.1610 0.528 0.084 0.000 0 0.916 0.000 0.000
#> SRR1036064 4 0.1610 0.528 0.084 0.000 0 0.916 0.000 0.000
#> SRR1036065 4 0.1610 0.528 0.084 0.000 0 0.916 0.000 0.000
#> SRR1036066 1 0.0972 0.830 0.964 0.028 0 0.008 0.000 0.000
#> SRR1036067 1 0.0972 0.830 0.964 0.028 0 0.008 0.000 0.000
#> SRR1036068 1 0.0972 0.830 0.964 0.028 0 0.008 0.000 0.000
#> SRR1036069 1 0.0972 0.830 0.964 0.028 0 0.008 0.000 0.000
#> SRR1036070 1 0.0972 0.830 0.964 0.028 0 0.008 0.000 0.000
#> SRR1036071 1 0.0972 0.830 0.964 0.028 0 0.008 0.000 0.000
#> SRR1036072 1 0.0972 0.830 0.964 0.028 0 0.008 0.000 0.000
#> SRR1036073 1 0.0972 0.830 0.964 0.028 0 0.008 0.000 0.000
#> SRR1036074 2 0.6070 0.595 0.036 0.592 0 0.076 0.032 0.264
#> SRR1036075 2 0.6070 0.595 0.036 0.592 0 0.076 0.032 0.264
#> SRR1036076 2 0.6070 0.595 0.036 0.592 0 0.076 0.032 0.264
#> SRR1036077 2 0.6070 0.595 0.036 0.592 0 0.076 0.032 0.264
#> SRR1036078 2 0.6070 0.595 0.036 0.592 0 0.076 0.032 0.264
#> SRR1036079 2 0.6070 0.595 0.036 0.592 0 0.076 0.032 0.264
#> SRR1036080 2 0.6070 0.595 0.036 0.592 0 0.076 0.032 0.264
#> SRR1036081 2 0.6070 0.595 0.036 0.592 0 0.076 0.032 0.264
#> SRR1036082 4 0.7107 0.511 0.036 0.236 0 0.464 0.036 0.228
#> SRR1036083 4 0.7107 0.511 0.036 0.236 0 0.464 0.036 0.228
#> SRR1036084 4 0.7107 0.511 0.036 0.236 0 0.464 0.036 0.228
#> SRR1036090 2 0.1594 0.793 0.000 0.932 0 0.000 0.016 0.052
#> SRR1036091 2 0.1594 0.793 0.000 0.932 0 0.000 0.016 0.052
#> SRR1036092 2 0.1594 0.793 0.000 0.932 0 0.000 0.016 0.052
#> SRR1036093 2 0.1594 0.793 0.000 0.932 0 0.000 0.016 0.052
#> SRR1036094 2 0.1594 0.793 0.000 0.932 0 0.000 0.016 0.052
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036095 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036096 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036097 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036098 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036099 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036100 2 0.6201 0.628 0.056 0.612 0 0.084 0.032 0.216
#> SRR1036101 2 0.6201 0.628 0.056 0.612 0 0.084 0.032 0.216
#> SRR1036102 2 0.6201 0.628 0.056 0.612 0 0.084 0.032 0.216
#> SRR1036103 2 0.6201 0.628 0.056 0.612 0 0.084 0.032 0.216
#> SRR1036104 2 0.6201 0.628 0.056 0.612 0 0.084 0.032 0.216
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036110 4 0.7021 0.535 0.040 0.212 0 0.484 0.032 0.232
#> SRR1036111 4 0.7021 0.535 0.040 0.212 0 0.484 0.032 0.232
#> SRR1036112 4 0.7021 0.535 0.040 0.212 0 0.484 0.032 0.232
#> SRR1036113 4 0.7021 0.535 0.040 0.212 0 0.484 0.032 0.232
#> SRR1036114 4 0.7021 0.535 0.040 0.212 0 0.484 0.032 0.232
#> SRR1036115 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036116 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036117 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036118 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036119 1 0.1765 0.812 0.904 0.000 0 0.096 0.000 0.000
#> SRR1036120 5 0.1141 1.000 0.000 0.000 0 0.000 0.948 0.052
#> SRR1036121 5 0.1141 1.000 0.000 0.000 0 0.000 0.948 0.052
#> SRR1036122 5 0.1141 1.000 0.000 0.000 0 0.000 0.948 0.052
#> SRR1036123 5 0.1141 1.000 0.000 0.000 0 0.000 0.948 0.052
#> SRR1036124 5 0.1141 1.000 0.000 0.000 0 0.000 0.948 0.052
#> SRR1036125 1 0.0000 0.832 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.832 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.832 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.832 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.832 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.832 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.832 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.832 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036133 2 0.0146 0.802 0.004 0.996 0 0.000 0.000 0.000
#> SRR1036134 2 0.0146 0.802 0.004 0.996 0 0.000 0.000 0.000
#> SRR1036135 2 0.0146 0.802 0.004 0.996 0 0.000 0.000 0.000
#> SRR1036136 2 0.0146 0.802 0.004 0.996 0 0.000 0.000 0.000
#> SRR1036137 2 0.0146 0.802 0.004 0.996 0 0.000 0.000 0.000
#> SRR1036138 2 0.0458 0.798 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036139 2 0.0458 0.798 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036140 2 0.0458 0.798 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036141 2 0.0458 0.798 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036142 2 0.0458 0.798 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036143 2 0.0458 0.798 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036144 2 0.0458 0.798 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036145 2 0.0458 0.798 0.000 0.984 0 0.000 0.016 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["SD", "kmeans"]
# you can also extract it by
# res = res_list["SD:kmeans"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'SD' method.
#> Subgroups are detected by 'kmeans' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 3.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.0645 0.247 0.620 0.3818 0.749 0.749
#> 3 3 0.0548 0.479 0.644 0.4759 0.450 0.352
#> 4 4 0.1165 0.397 0.562 0.1486 0.814 0.570
#> 5 5 0.2347 0.449 0.574 0.0958 0.904 0.696
#> 6 6 0.3722 0.348 0.589 0.0656 0.867 0.596
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 3
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.881 0.382 0.300 0.700
#> SRR1036003 2 0.881 0.382 0.300 0.700
#> SRR1036004 2 0.881 0.382 0.300 0.700
#> SRR1036005 2 0.985 0.283 0.428 0.572
#> SRR1036006 2 0.985 0.283 0.428 0.572
#> SRR1036007 2 0.985 0.283 0.428 0.572
#> SRR1036008 2 0.985 0.283 0.428 0.572
#> SRR1036009 2 0.985 0.283 0.428 0.572
#> SRR1036013 2 0.881 0.353 0.300 0.700
#> SRR1036014 2 0.881 0.353 0.300 0.700
#> SRR1036015 2 0.881 0.353 0.300 0.700
#> SRR1036016 2 0.881 0.353 0.300 0.700
#> SRR1036017 2 0.881 0.353 0.300 0.700
#> SRR1036018 2 0.881 0.353 0.300 0.700
#> SRR1036010 2 0.998 -0.654 0.472 0.528
#> SRR1036011 2 0.998 -0.654 0.472 0.528
#> SRR1036012 2 0.998 -0.654 0.472 0.528
#> SRR1036019 2 0.518 0.469 0.116 0.884
#> SRR1036020 2 0.518 0.469 0.116 0.884
#> SRR1036021 2 0.518 0.469 0.116 0.884
#> SRR1036022 2 0.518 0.469 0.116 0.884
#> SRR1036023 2 0.518 0.469 0.116 0.884
#> SRR1036024 2 0.788 0.233 0.236 0.764
#> SRR1036025 2 0.788 0.233 0.236 0.764
#> SRR1036026 2 0.788 0.233 0.236 0.764
#> SRR1036027 2 0.788 0.233 0.236 0.764
#> SRR1036028 2 0.788 0.233 0.236 0.764
#> SRR1036029 2 0.788 0.233 0.236 0.764
#> SRR1036030 2 0.745 0.229 0.212 0.788
#> SRR1036031 2 0.745 0.229 0.212 0.788
#> SRR1036032 2 0.745 0.229 0.212 0.788
#> SRR1036033 2 0.745 0.229 0.212 0.788
#> SRR1036034 2 0.745 0.229 0.212 0.788
#> SRR1036035 2 0.745 0.229 0.212 0.788
#> SRR1036036 2 0.745 0.229 0.212 0.788
#> SRR1036037 2 0.745 0.229 0.212 0.788
#> SRR1036038 2 0.978 -0.515 0.412 0.588
#> SRR1036039 2 0.978 -0.515 0.412 0.588
#> SRR1036040 2 0.978 -0.515 0.412 0.588
#> SRR1036041 2 0.990 -0.607 0.440 0.560
#> SRR1036042 2 0.839 0.416 0.268 0.732
#> SRR1036043 2 0.839 0.416 0.268 0.732
#> SRR1036044 2 0.839 0.416 0.268 0.732
#> SRR1036045 2 0.839 0.416 0.268 0.732
#> SRR1036046 2 0.839 0.416 0.268 0.732
#> SRR1036047 2 0.839 0.416 0.268 0.732
#> SRR1036048 2 0.839 0.416 0.268 0.732
#> SRR1036049 2 0.839 0.416 0.268 0.732
#> SRR1036050 2 1.000 -0.672 0.500 0.500
#> SRR1036051 1 1.000 0.653 0.500 0.500
#> SRR1036052 2 1.000 -0.672 0.500 0.500
#> SRR1036053 1 1.000 0.653 0.500 0.500
#> SRR1036054 1 1.000 0.653 0.500 0.500
#> SRR1036055 2 0.966 -0.418 0.392 0.608
#> SRR1036056 2 0.966 -0.418 0.392 0.608
#> SRR1036057 2 0.966 -0.418 0.392 0.608
#> SRR1036058 2 0.939 0.141 0.356 0.644
#> SRR1036059 2 0.939 0.141 0.356 0.644
#> SRR1036060 2 0.939 0.141 0.356 0.644
#> SRR1036061 2 0.939 0.141 0.356 0.644
#> SRR1036062 2 0.939 0.141 0.356 0.644
#> SRR1036063 2 0.939 0.141 0.356 0.644
#> SRR1036064 2 0.939 0.141 0.356 0.644
#> SRR1036065 2 0.939 0.141 0.356 0.644
#> SRR1036066 2 0.987 -0.494 0.432 0.568
#> SRR1036067 2 0.987 -0.494 0.432 0.568
#> SRR1036068 2 0.987 -0.494 0.432 0.568
#> SRR1036069 2 0.987 -0.494 0.432 0.568
#> SRR1036070 2 0.987 -0.494 0.432 0.568
#> SRR1036071 2 0.987 -0.494 0.432 0.568
#> SRR1036072 2 0.987 -0.494 0.432 0.568
#> SRR1036073 2 0.987 -0.494 0.432 0.568
#> SRR1036074 2 0.529 0.481 0.120 0.880
#> SRR1036075 2 0.529 0.481 0.120 0.880
#> SRR1036076 2 0.529 0.481 0.120 0.880
#> SRR1036077 2 0.529 0.481 0.120 0.880
#> SRR1036078 2 0.529 0.481 0.120 0.880
#> SRR1036079 2 0.529 0.481 0.120 0.880
#> SRR1036080 2 0.529 0.481 0.120 0.880
#> SRR1036081 2 0.529 0.481 0.120 0.880
#> SRR1036082 2 0.584 0.445 0.140 0.860
#> SRR1036083 2 0.584 0.445 0.140 0.860
#> SRR1036084 2 0.584 0.445 0.140 0.860
#> SRR1036090 2 0.388 0.477 0.076 0.924
#> SRR1036091 2 0.388 0.477 0.076 0.924
#> SRR1036092 2 0.388 0.477 0.076 0.924
#> SRR1036093 2 0.388 0.477 0.076 0.924
#> SRR1036094 2 0.388 0.477 0.076 0.924
#> SRR1036085 2 0.994 0.250 0.456 0.544
#> SRR1036086 2 0.994 0.250 0.456 0.544
#> SRR1036087 2 0.994 0.250 0.456 0.544
#> SRR1036088 2 0.994 0.250 0.456 0.544
#> SRR1036089 2 0.994 0.250 0.456 0.544
#> SRR1036095 2 0.978 -0.378 0.412 0.588
#> SRR1036096 2 0.978 -0.378 0.412 0.588
#> SRR1036097 2 0.978 -0.378 0.412 0.588
#> SRR1036098 2 0.978 -0.378 0.412 0.588
#> SRR1036099 2 0.978 -0.378 0.412 0.588
#> SRR1036100 2 0.278 0.470 0.048 0.952
#> SRR1036101 2 0.278 0.470 0.048 0.952
#> SRR1036102 2 0.278 0.470 0.048 0.952
#> SRR1036103 2 0.278 0.470 0.048 0.952
#> SRR1036104 2 0.278 0.470 0.048 0.952
#> SRR1036105 2 0.992 0.258 0.448 0.552
#> SRR1036106 2 0.992 0.258 0.448 0.552
#> SRR1036107 2 0.992 0.258 0.448 0.552
#> SRR1036108 2 0.992 0.258 0.448 0.552
#> SRR1036109 2 0.992 0.258 0.448 0.552
#> SRR1036110 2 0.861 0.380 0.284 0.716
#> SRR1036111 2 0.861 0.380 0.284 0.716
#> SRR1036112 2 0.861 0.380 0.284 0.716
#> SRR1036113 2 0.861 0.380 0.284 0.716
#> SRR1036114 2 0.861 0.380 0.284 0.716
#> SRR1036115 1 1.000 0.661 0.512 0.488
#> SRR1036116 1 1.000 0.661 0.512 0.488
#> SRR1036117 1 1.000 0.661 0.512 0.488
#> SRR1036118 1 1.000 0.661 0.512 0.488
#> SRR1036119 1 1.000 0.661 0.512 0.488
#> SRR1036120 1 0.961 0.439 0.616 0.384
#> SRR1036121 1 0.961 0.439 0.616 0.384
#> SRR1036122 1 0.961 0.439 0.616 0.384
#> SRR1036123 1 0.961 0.439 0.616 0.384
#> SRR1036124 1 0.961 0.439 0.616 0.384
#> SRR1036125 1 0.997 0.711 0.532 0.468
#> SRR1036126 1 0.997 0.711 0.532 0.468
#> SRR1036127 1 0.997 0.711 0.532 0.468
#> SRR1036128 1 0.997 0.711 0.532 0.468
#> SRR1036129 1 0.997 0.711 0.532 0.468
#> SRR1036130 1 0.997 0.711 0.532 0.468
#> SRR1036131 1 0.997 0.711 0.532 0.468
#> SRR1036132 1 0.997 0.711 0.532 0.468
#> SRR1036133 2 0.456 0.443 0.096 0.904
#> SRR1036134 2 0.456 0.443 0.096 0.904
#> SRR1036135 2 0.456 0.443 0.096 0.904
#> SRR1036136 2 0.456 0.443 0.096 0.904
#> SRR1036137 2 0.456 0.443 0.096 0.904
#> SRR1036138 2 0.518 0.467 0.116 0.884
#> SRR1036139 2 0.518 0.467 0.116 0.884
#> SRR1036140 2 0.518 0.467 0.116 0.884
#> SRR1036141 2 0.518 0.467 0.116 0.884
#> SRR1036142 2 0.518 0.467 0.116 0.884
#> SRR1036143 2 0.518 0.467 0.116 0.884
#> SRR1036144 2 0.518 0.467 0.116 0.884
#> SRR1036145 2 0.518 0.467 0.116 0.884
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.965 0.3158 0.208 0.380 0.412
#> SRR1036003 3 0.965 0.3158 0.208 0.380 0.412
#> SRR1036004 3 0.965 0.3158 0.208 0.380 0.412
#> SRR1036005 3 0.811 0.8924 0.192 0.160 0.648
#> SRR1036006 3 0.811 0.8924 0.192 0.160 0.648
#> SRR1036007 3 0.811 0.8924 0.192 0.160 0.648
#> SRR1036008 3 0.811 0.8924 0.192 0.160 0.648
#> SRR1036009 3 0.811 0.8924 0.192 0.160 0.648
#> SRR1036013 1 0.980 0.1878 0.432 0.272 0.296
#> SRR1036014 1 0.980 0.1878 0.432 0.272 0.296
#> SRR1036015 1 0.980 0.1878 0.432 0.272 0.296
#> SRR1036016 1 0.980 0.1878 0.432 0.272 0.296
#> SRR1036017 1 0.980 0.1878 0.432 0.272 0.296
#> SRR1036018 1 0.980 0.1878 0.432 0.272 0.296
#> SRR1036010 1 0.348 0.5816 0.904 0.044 0.052
#> SRR1036011 1 0.348 0.5816 0.904 0.044 0.052
#> SRR1036012 1 0.348 0.5816 0.904 0.044 0.052
#> SRR1036019 2 0.745 0.5805 0.156 0.700 0.144
#> SRR1036020 2 0.745 0.5805 0.156 0.700 0.144
#> SRR1036021 2 0.745 0.5805 0.156 0.700 0.144
#> SRR1036022 2 0.745 0.5805 0.156 0.700 0.144
#> SRR1036023 2 0.745 0.5805 0.156 0.700 0.144
#> SRR1036024 1 0.881 0.3562 0.580 0.236 0.184
#> SRR1036025 1 0.881 0.3562 0.580 0.236 0.184
#> SRR1036026 1 0.881 0.3562 0.580 0.236 0.184
#> SRR1036027 1 0.881 0.3562 0.580 0.236 0.184
#> SRR1036028 1 0.881 0.3562 0.580 0.236 0.184
#> SRR1036029 1 0.881 0.3562 0.580 0.236 0.184
#> SRR1036030 2 0.711 0.4080 0.388 0.584 0.028
#> SRR1036031 2 0.711 0.4080 0.388 0.584 0.028
#> SRR1036032 2 0.711 0.4080 0.388 0.584 0.028
#> SRR1036033 2 0.711 0.4080 0.388 0.584 0.028
#> SRR1036034 2 0.711 0.4080 0.388 0.584 0.028
#> SRR1036035 2 0.711 0.4080 0.388 0.584 0.028
#> SRR1036036 2 0.711 0.4080 0.388 0.584 0.028
#> SRR1036037 2 0.711 0.4080 0.388 0.584 0.028
#> SRR1036038 1 0.550 0.5002 0.804 0.148 0.048
#> SRR1036039 1 0.550 0.5002 0.804 0.148 0.048
#> SRR1036040 1 0.550 0.5002 0.804 0.148 0.048
#> SRR1036041 1 0.355 0.5693 0.896 0.080 0.024
#> SRR1036042 2 0.928 0.0979 0.172 0.488 0.340
#> SRR1036043 2 0.928 0.0979 0.172 0.488 0.340
#> SRR1036044 2 0.928 0.0979 0.172 0.488 0.340
#> SRR1036045 2 0.928 0.0979 0.172 0.488 0.340
#> SRR1036046 2 0.928 0.0979 0.172 0.488 0.340
#> SRR1036047 2 0.928 0.0979 0.172 0.488 0.340
#> SRR1036048 2 0.928 0.0979 0.172 0.488 0.340
#> SRR1036049 2 0.928 0.0979 0.172 0.488 0.340
#> SRR1036050 1 0.367 0.5674 0.896 0.064 0.040
#> SRR1036051 1 0.367 0.5674 0.896 0.064 0.040
#> SRR1036052 1 0.367 0.5674 0.896 0.064 0.040
#> SRR1036053 1 0.367 0.5674 0.896 0.064 0.040
#> SRR1036054 1 0.367 0.5674 0.896 0.064 0.040
#> SRR1036055 1 0.636 0.2974 0.696 0.280 0.024
#> SRR1036056 1 0.636 0.2974 0.696 0.280 0.024
#> SRR1036057 1 0.636 0.2974 0.696 0.280 0.024
#> SRR1036058 1 0.988 0.2450 0.412 0.296 0.292
#> SRR1036059 1 0.988 0.2450 0.412 0.296 0.292
#> SRR1036060 1 0.988 0.2450 0.412 0.296 0.292
#> SRR1036061 1 0.988 0.2450 0.412 0.296 0.292
#> SRR1036062 1 0.988 0.2450 0.412 0.296 0.292
#> SRR1036063 1 0.988 0.2450 0.412 0.296 0.292
#> SRR1036064 1 0.988 0.2450 0.412 0.296 0.292
#> SRR1036065 1 0.988 0.2450 0.412 0.296 0.292
#> SRR1036066 1 0.484 0.5809 0.848 0.080 0.072
#> SRR1036067 1 0.484 0.5809 0.848 0.080 0.072
#> SRR1036068 1 0.484 0.5809 0.848 0.080 0.072
#> SRR1036069 1 0.484 0.5809 0.848 0.080 0.072
#> SRR1036070 1 0.484 0.5809 0.848 0.080 0.072
#> SRR1036071 1 0.484 0.5809 0.848 0.080 0.072
#> SRR1036072 1 0.484 0.5809 0.848 0.080 0.072
#> SRR1036073 1 0.484 0.5809 0.848 0.080 0.072
#> SRR1036074 2 0.917 0.4856 0.244 0.540 0.216
#> SRR1036075 2 0.917 0.4856 0.244 0.540 0.216
#> SRR1036076 2 0.917 0.4856 0.244 0.540 0.216
#> SRR1036077 2 0.917 0.4856 0.244 0.540 0.216
#> SRR1036078 2 0.917 0.4856 0.244 0.540 0.216
#> SRR1036079 2 0.917 0.4856 0.244 0.540 0.216
#> SRR1036080 2 0.917 0.4856 0.244 0.540 0.216
#> SRR1036081 2 0.917 0.4856 0.244 0.540 0.216
#> SRR1036082 2 0.917 0.3376 0.312 0.516 0.172
#> SRR1036083 2 0.917 0.3376 0.312 0.516 0.172
#> SRR1036084 2 0.917 0.3376 0.312 0.516 0.172
#> SRR1036090 2 0.790 0.5857 0.280 0.628 0.092
#> SRR1036091 2 0.790 0.5857 0.280 0.628 0.092
#> SRR1036092 2 0.790 0.5857 0.280 0.628 0.092
#> SRR1036093 2 0.790 0.5857 0.280 0.628 0.092
#> SRR1036094 2 0.790 0.5857 0.280 0.628 0.092
#> SRR1036085 3 0.807 0.8945 0.208 0.144 0.648
#> SRR1036086 3 0.807 0.8945 0.208 0.144 0.648
#> SRR1036087 3 0.807 0.8945 0.208 0.144 0.648
#> SRR1036088 3 0.807 0.8945 0.208 0.144 0.648
#> SRR1036089 3 0.807 0.8945 0.208 0.144 0.648
#> SRR1036095 1 0.778 0.4971 0.676 0.168 0.156
#> SRR1036096 1 0.778 0.4971 0.676 0.168 0.156
#> SRR1036097 1 0.778 0.4971 0.676 0.168 0.156
#> SRR1036098 1 0.778 0.4971 0.676 0.168 0.156
#> SRR1036099 1 0.778 0.4971 0.676 0.168 0.156
#> SRR1036100 2 0.815 0.5348 0.296 0.604 0.100
#> SRR1036101 2 0.815 0.5348 0.296 0.604 0.100
#> SRR1036102 2 0.815 0.5348 0.296 0.604 0.100
#> SRR1036103 2 0.815 0.5348 0.296 0.604 0.100
#> SRR1036104 2 0.815 0.5348 0.296 0.604 0.100
#> SRR1036105 3 0.803 0.8981 0.204 0.144 0.652
#> SRR1036106 3 0.803 0.8981 0.204 0.144 0.652
#> SRR1036107 3 0.803 0.8981 0.204 0.144 0.652
#> SRR1036108 3 0.803 0.8981 0.204 0.144 0.652
#> SRR1036109 3 0.803 0.8981 0.204 0.144 0.652
#> SRR1036110 2 0.990 -0.0209 0.368 0.368 0.264
#> SRR1036111 1 0.990 -0.0112 0.368 0.368 0.264
#> SRR1036112 1 0.990 -0.0112 0.368 0.368 0.264
#> SRR1036113 1 0.990 -0.0112 0.368 0.368 0.264
#> SRR1036114 1 0.990 -0.0112 0.368 0.368 0.264
#> SRR1036115 1 0.517 0.5688 0.832 0.076 0.092
#> SRR1036116 1 0.517 0.5688 0.832 0.076 0.092
#> SRR1036117 1 0.517 0.5688 0.832 0.076 0.092
#> SRR1036118 1 0.517 0.5688 0.832 0.076 0.092
#> SRR1036119 1 0.517 0.5688 0.832 0.076 0.092
#> SRR1036120 1 0.745 0.4193 0.680 0.092 0.228
#> SRR1036121 1 0.745 0.4193 0.680 0.092 0.228
#> SRR1036122 1 0.745 0.4193 0.680 0.092 0.228
#> SRR1036123 1 0.745 0.4193 0.680 0.092 0.228
#> SRR1036124 1 0.745 0.4193 0.680 0.092 0.228
#> SRR1036125 1 0.353 0.5814 0.892 0.016 0.092
#> SRR1036126 1 0.353 0.5814 0.892 0.016 0.092
#> SRR1036127 1 0.353 0.5814 0.892 0.016 0.092
#> SRR1036128 1 0.353 0.5814 0.892 0.016 0.092
#> SRR1036129 1 0.353 0.5814 0.892 0.016 0.092
#> SRR1036130 1 0.353 0.5814 0.892 0.016 0.092
#> SRR1036131 1 0.353 0.5814 0.892 0.016 0.092
#> SRR1036132 1 0.353 0.5814 0.892 0.016 0.092
#> SRR1036133 2 0.598 0.5900 0.228 0.744 0.028
#> SRR1036134 2 0.598 0.5900 0.228 0.744 0.028
#> SRR1036135 2 0.598 0.5900 0.228 0.744 0.028
#> SRR1036136 2 0.598 0.5900 0.228 0.744 0.028
#> SRR1036137 2 0.598 0.5900 0.228 0.744 0.028
#> SRR1036138 2 0.661 0.6029 0.188 0.740 0.072
#> SRR1036139 2 0.661 0.6029 0.188 0.740 0.072
#> SRR1036140 2 0.661 0.6029 0.188 0.740 0.072
#> SRR1036141 2 0.661 0.6029 0.188 0.740 0.072
#> SRR1036142 2 0.661 0.6029 0.188 0.740 0.072
#> SRR1036143 2 0.661 0.6029 0.188 0.740 0.072
#> SRR1036144 2 0.661 0.6029 0.188 0.740 0.072
#> SRR1036145 2 0.661 0.6029 0.188 0.740 0.072
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.858 0.3325 0.084 0.240 0.512 0.164
#> SRR1036003 3 0.858 0.3325 0.084 0.240 0.512 0.164
#> SRR1036004 3 0.858 0.3325 0.084 0.240 0.512 0.164
#> SRR1036005 3 0.343 0.5423 0.056 0.064 0.876 0.004
#> SRR1036006 3 0.343 0.5423 0.056 0.064 0.876 0.004
#> SRR1036007 3 0.343 0.5423 0.056 0.064 0.876 0.004
#> SRR1036008 3 0.343 0.5423 0.056 0.064 0.876 0.004
#> SRR1036009 3 0.343 0.5423 0.056 0.064 0.876 0.004
#> SRR1036013 3 0.994 -0.3207 0.268 0.216 0.296 0.220
#> SRR1036014 3 0.994 -0.3207 0.268 0.216 0.296 0.220
#> SRR1036015 3 0.994 -0.3207 0.268 0.216 0.296 0.220
#> SRR1036016 3 0.994 -0.3207 0.268 0.216 0.296 0.220
#> SRR1036017 3 0.994 -0.3207 0.268 0.216 0.296 0.220
#> SRR1036018 3 0.994 -0.3207 0.268 0.216 0.296 0.220
#> SRR1036010 1 0.449 0.6167 0.836 0.040 0.068 0.056
#> SRR1036011 1 0.449 0.6167 0.836 0.040 0.068 0.056
#> SRR1036012 1 0.449 0.6167 0.836 0.040 0.068 0.056
#> SRR1036019 2 0.632 0.5289 0.056 0.724 0.088 0.132
#> SRR1036020 2 0.632 0.5289 0.056 0.724 0.088 0.132
#> SRR1036021 2 0.632 0.5289 0.056 0.724 0.088 0.132
#> SRR1036022 2 0.632 0.5289 0.056 0.724 0.088 0.132
#> SRR1036023 2 0.632 0.5289 0.056 0.724 0.088 0.132
#> SRR1036024 1 0.964 -0.2411 0.392 0.216 0.192 0.200
#> SRR1036025 1 0.964 -0.2411 0.392 0.216 0.192 0.200
#> SRR1036026 1 0.964 -0.2411 0.392 0.216 0.192 0.200
#> SRR1036027 1 0.964 -0.2411 0.392 0.216 0.192 0.200
#> SRR1036028 1 0.964 -0.2411 0.392 0.216 0.192 0.200
#> SRR1036029 1 0.964 -0.2411 0.392 0.216 0.192 0.200
#> SRR1036030 2 0.745 0.4352 0.284 0.568 0.028 0.120
#> SRR1036031 2 0.745 0.4352 0.284 0.568 0.028 0.120
#> SRR1036032 2 0.745 0.4352 0.284 0.568 0.028 0.120
#> SRR1036033 2 0.745 0.4352 0.284 0.568 0.028 0.120
#> SRR1036034 2 0.745 0.4352 0.284 0.568 0.028 0.120
#> SRR1036035 2 0.745 0.4352 0.284 0.568 0.028 0.120
#> SRR1036036 2 0.745 0.4352 0.284 0.568 0.028 0.120
#> SRR1036037 2 0.745 0.4352 0.284 0.568 0.028 0.120
#> SRR1036038 1 0.704 0.5459 0.668 0.172 0.088 0.072
#> SRR1036039 1 0.704 0.5459 0.668 0.172 0.088 0.072
#> SRR1036040 1 0.704 0.5459 0.668 0.172 0.088 0.072
#> SRR1036041 1 0.374 0.6186 0.864 0.088 0.028 0.020
#> SRR1036042 3 0.911 0.2473 0.100 0.304 0.420 0.176
#> SRR1036043 3 0.911 0.2473 0.100 0.304 0.420 0.176
#> SRR1036044 3 0.911 0.2473 0.100 0.304 0.420 0.176
#> SRR1036045 3 0.911 0.2473 0.100 0.304 0.420 0.176
#> SRR1036046 3 0.911 0.2473 0.100 0.304 0.420 0.176
#> SRR1036047 3 0.911 0.2473 0.100 0.304 0.420 0.176
#> SRR1036048 3 0.911 0.2473 0.100 0.304 0.420 0.176
#> SRR1036049 3 0.911 0.2473 0.100 0.304 0.420 0.176
#> SRR1036050 1 0.271 0.6130 0.916 0.040 0.016 0.028
#> SRR1036051 1 0.271 0.6130 0.916 0.040 0.016 0.028
#> SRR1036052 1 0.271 0.6130 0.916 0.040 0.016 0.028
#> SRR1036053 1 0.271 0.6130 0.916 0.040 0.016 0.028
#> SRR1036054 1 0.271 0.6130 0.916 0.040 0.016 0.028
#> SRR1036055 1 0.660 0.3338 0.616 0.296 0.016 0.072
#> SRR1036056 1 0.660 0.3338 0.616 0.296 0.016 0.072
#> SRR1036057 1 0.660 0.3338 0.616 0.296 0.016 0.072
#> SRR1036058 4 0.923 0.6848 0.208 0.140 0.196 0.456
#> SRR1036059 4 0.923 0.6848 0.208 0.140 0.196 0.456
#> SRR1036060 4 0.923 0.6848 0.208 0.140 0.196 0.456
#> SRR1036061 4 0.923 0.6848 0.208 0.140 0.196 0.456
#> SRR1036062 4 0.923 0.6848 0.208 0.140 0.196 0.456
#> SRR1036063 4 0.923 0.6848 0.208 0.140 0.196 0.456
#> SRR1036064 4 0.923 0.6848 0.208 0.140 0.196 0.456
#> SRR1036065 4 0.923 0.6848 0.208 0.140 0.196 0.456
#> SRR1036066 1 0.727 0.4701 0.656 0.084 0.160 0.100
#> SRR1036067 1 0.727 0.4701 0.656 0.084 0.160 0.100
#> SRR1036068 1 0.727 0.4701 0.656 0.084 0.160 0.100
#> SRR1036069 1 0.727 0.4701 0.656 0.084 0.160 0.100
#> SRR1036070 1 0.727 0.4701 0.656 0.084 0.160 0.100
#> SRR1036071 1 0.727 0.4701 0.656 0.084 0.160 0.100
#> SRR1036072 1 0.727 0.4701 0.656 0.084 0.160 0.100
#> SRR1036073 1 0.727 0.4701 0.656 0.084 0.160 0.100
#> SRR1036074 2 0.915 -0.0482 0.096 0.396 0.184 0.324
#> SRR1036075 2 0.915 -0.0482 0.096 0.396 0.184 0.324
#> SRR1036076 2 0.915 -0.0482 0.096 0.396 0.184 0.324
#> SRR1036077 2 0.915 -0.0482 0.096 0.396 0.184 0.324
#> SRR1036078 2 0.915 -0.0482 0.096 0.396 0.184 0.324
#> SRR1036079 2 0.915 -0.0482 0.096 0.396 0.184 0.324
#> SRR1036080 2 0.915 -0.0482 0.096 0.396 0.184 0.324
#> SRR1036081 2 0.915 -0.0482 0.096 0.396 0.184 0.324
#> SRR1036082 4 0.927 0.3626 0.152 0.348 0.128 0.372
#> SRR1036083 4 0.927 0.3626 0.152 0.348 0.128 0.372
#> SRR1036084 4 0.927 0.3626 0.152 0.348 0.128 0.372
#> SRR1036090 2 0.770 0.4843 0.164 0.616 0.148 0.072
#> SRR1036091 2 0.770 0.4843 0.164 0.616 0.148 0.072
#> SRR1036092 2 0.770 0.4843 0.164 0.616 0.148 0.072
#> SRR1036093 2 0.770 0.4843 0.164 0.616 0.148 0.072
#> SRR1036094 2 0.770 0.4843 0.164 0.616 0.148 0.072
#> SRR1036085 3 0.388 0.5285 0.064 0.048 0.864 0.024
#> SRR1036086 3 0.388 0.5285 0.064 0.048 0.864 0.024
#> SRR1036087 3 0.388 0.5285 0.064 0.048 0.864 0.024
#> SRR1036088 3 0.388 0.5285 0.064 0.048 0.864 0.024
#> SRR1036089 3 0.388 0.5285 0.064 0.048 0.864 0.024
#> SRR1036095 1 0.810 0.2686 0.568 0.140 0.076 0.216
#> SRR1036096 1 0.810 0.2686 0.568 0.140 0.076 0.216
#> SRR1036097 1 0.810 0.2686 0.568 0.140 0.076 0.216
#> SRR1036098 1 0.810 0.2686 0.568 0.140 0.076 0.216
#> SRR1036099 1 0.810 0.2686 0.568 0.140 0.076 0.216
#> SRR1036100 2 0.856 0.3351 0.164 0.532 0.100 0.204
#> SRR1036101 2 0.856 0.3351 0.164 0.532 0.100 0.204
#> SRR1036102 2 0.856 0.3351 0.164 0.532 0.100 0.204
#> SRR1036103 2 0.856 0.3351 0.164 0.532 0.100 0.204
#> SRR1036104 2 0.856 0.3351 0.164 0.532 0.100 0.204
#> SRR1036105 3 0.332 0.5424 0.060 0.064 0.876 0.000
#> SRR1036106 3 0.332 0.5424 0.060 0.064 0.876 0.000
#> SRR1036107 3 0.332 0.5424 0.060 0.064 0.876 0.000
#> SRR1036108 3 0.332 0.5424 0.060 0.064 0.876 0.000
#> SRR1036109 3 0.332 0.5424 0.060 0.064 0.876 0.000
#> SRR1036110 4 0.987 0.5683 0.204 0.220 0.248 0.328
#> SRR1036111 4 0.987 0.5683 0.204 0.220 0.248 0.328
#> SRR1036112 4 0.987 0.5683 0.204 0.220 0.248 0.328
#> SRR1036113 4 0.987 0.5683 0.204 0.220 0.248 0.328
#> SRR1036114 4 0.987 0.5683 0.204 0.220 0.248 0.328
#> SRR1036115 1 0.441 0.5668 0.828 0.032 0.028 0.112
#> SRR1036116 1 0.441 0.5668 0.828 0.032 0.028 0.112
#> SRR1036117 1 0.441 0.5668 0.828 0.032 0.028 0.112
#> SRR1036118 1 0.441 0.5668 0.828 0.032 0.028 0.112
#> SRR1036119 1 0.441 0.5668 0.828 0.032 0.028 0.112
#> SRR1036120 1 0.850 0.3452 0.520 0.072 0.212 0.196
#> SRR1036121 1 0.850 0.3452 0.520 0.072 0.212 0.196
#> SRR1036122 1 0.850 0.3452 0.520 0.072 0.212 0.196
#> SRR1036123 1 0.850 0.3452 0.520 0.072 0.212 0.196
#> SRR1036124 1 0.850 0.3452 0.520 0.072 0.212 0.196
#> SRR1036125 1 0.522 0.6121 0.784 0.040 0.132 0.044
#> SRR1036126 1 0.522 0.6121 0.784 0.040 0.132 0.044
#> SRR1036127 1 0.522 0.6121 0.784 0.040 0.132 0.044
#> SRR1036128 1 0.522 0.6121 0.784 0.040 0.132 0.044
#> SRR1036129 1 0.522 0.6121 0.784 0.040 0.132 0.044
#> SRR1036130 1 0.522 0.6121 0.784 0.040 0.132 0.044
#> SRR1036131 1 0.522 0.6121 0.784 0.040 0.132 0.044
#> SRR1036132 1 0.522 0.6121 0.784 0.040 0.132 0.044
#> SRR1036133 2 0.444 0.5706 0.120 0.820 0.012 0.048
#> SRR1036134 2 0.444 0.5706 0.120 0.820 0.012 0.048
#> SRR1036135 2 0.444 0.5706 0.120 0.820 0.012 0.048
#> SRR1036136 2 0.444 0.5706 0.120 0.820 0.012 0.048
#> SRR1036137 2 0.444 0.5706 0.120 0.820 0.012 0.048
#> SRR1036138 2 0.416 0.5857 0.076 0.840 0.076 0.008
#> SRR1036139 2 0.416 0.5857 0.076 0.840 0.076 0.008
#> SRR1036140 2 0.416 0.5857 0.076 0.840 0.076 0.008
#> SRR1036141 2 0.416 0.5857 0.076 0.840 0.076 0.008
#> SRR1036142 2 0.416 0.5857 0.076 0.840 0.076 0.008
#> SRR1036143 2 0.416 0.5857 0.076 0.840 0.076 0.008
#> SRR1036144 2 0.416 0.5857 0.076 0.840 0.076 0.008
#> SRR1036145 2 0.416 0.5857 0.076 0.840 0.076 0.008
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 4 0.431 0.3096 0.040 0.088 0.032 0.820 0.020
#> SRR1036003 4 0.431 0.3096 0.040 0.088 0.032 0.820 0.020
#> SRR1036004 4 0.431 0.3096 0.040 0.088 0.032 0.820 0.020
#> SRR1036005 3 0.627 0.9704 0.056 0.028 0.516 0.392 0.008
#> SRR1036006 3 0.627 0.9704 0.056 0.028 0.516 0.392 0.008
#> SRR1036007 3 0.627 0.9704 0.056 0.028 0.516 0.392 0.008
#> SRR1036008 3 0.627 0.9704 0.056 0.028 0.516 0.392 0.008
#> SRR1036009 3 0.627 0.9704 0.056 0.028 0.516 0.392 0.008
#> SRR1036013 4 0.889 0.1208 0.212 0.128 0.064 0.428 0.168
#> SRR1036014 4 0.889 0.1208 0.212 0.128 0.064 0.428 0.168
#> SRR1036015 4 0.889 0.1208 0.212 0.128 0.064 0.428 0.168
#> SRR1036016 4 0.889 0.1208 0.212 0.128 0.064 0.428 0.168
#> SRR1036017 4 0.889 0.1208 0.212 0.128 0.064 0.428 0.168
#> SRR1036018 4 0.889 0.1208 0.212 0.128 0.064 0.428 0.168
#> SRR1036010 1 0.465 0.5615 0.796 0.012 0.036 0.096 0.060
#> SRR1036011 1 0.465 0.5615 0.796 0.012 0.036 0.096 0.060
#> SRR1036012 1 0.465 0.5615 0.796 0.012 0.036 0.096 0.060
#> SRR1036019 2 0.780 0.3895 0.036 0.540 0.096 0.212 0.116
#> SRR1036020 2 0.780 0.3895 0.036 0.540 0.096 0.212 0.116
#> SRR1036021 2 0.780 0.3894 0.036 0.540 0.092 0.212 0.120
#> SRR1036022 2 0.780 0.3895 0.036 0.540 0.096 0.212 0.116
#> SRR1036023 2 0.780 0.3895 0.036 0.540 0.096 0.212 0.116
#> SRR1036024 1 0.909 -0.0968 0.344 0.176 0.052 0.284 0.144
#> SRR1036025 1 0.909 -0.0968 0.344 0.176 0.052 0.284 0.144
#> SRR1036026 1 0.909 -0.0968 0.344 0.176 0.052 0.284 0.144
#> SRR1036027 1 0.909 -0.0968 0.344 0.176 0.052 0.284 0.144
#> SRR1036028 1 0.909 -0.0968 0.344 0.176 0.052 0.284 0.144
#> SRR1036029 1 0.909 -0.0968 0.344 0.176 0.052 0.284 0.144
#> SRR1036030 2 0.691 0.4432 0.240 0.596 0.044 0.032 0.088
#> SRR1036031 2 0.691 0.4432 0.240 0.596 0.044 0.032 0.088
#> SRR1036032 2 0.691 0.4432 0.240 0.596 0.044 0.032 0.088
#> SRR1036033 2 0.691 0.4432 0.240 0.596 0.044 0.032 0.088
#> SRR1036034 2 0.691 0.4432 0.240 0.596 0.044 0.032 0.088
#> SRR1036035 2 0.691 0.4432 0.240 0.596 0.044 0.032 0.088
#> SRR1036036 2 0.691 0.4432 0.240 0.596 0.044 0.032 0.088
#> SRR1036037 2 0.691 0.4432 0.240 0.596 0.044 0.032 0.088
#> SRR1036038 1 0.674 0.4927 0.660 0.132 0.044 0.100 0.064
#> SRR1036039 1 0.674 0.4927 0.660 0.132 0.044 0.100 0.064
#> SRR1036040 1 0.674 0.4927 0.660 0.132 0.044 0.100 0.064
#> SRR1036041 1 0.290 0.5753 0.896 0.048 0.020 0.016 0.020
#> SRR1036042 4 0.325 0.3987 0.052 0.088 0.004 0.856 0.000
#> SRR1036043 4 0.325 0.3987 0.052 0.088 0.004 0.856 0.000
#> SRR1036044 4 0.325 0.3987 0.052 0.088 0.004 0.856 0.000
#> SRR1036045 4 0.325 0.3987 0.052 0.088 0.004 0.856 0.000
#> SRR1036046 4 0.325 0.3987 0.052 0.088 0.004 0.856 0.000
#> SRR1036047 4 0.325 0.3987 0.052 0.088 0.004 0.856 0.000
#> SRR1036048 4 0.325 0.3987 0.052 0.088 0.004 0.856 0.000
#> SRR1036049 4 0.325 0.3987 0.052 0.088 0.004 0.856 0.000
#> SRR1036050 1 0.323 0.5657 0.880 0.024 0.036 0.012 0.048
#> SRR1036051 1 0.323 0.5657 0.880 0.024 0.036 0.012 0.048
#> SRR1036052 1 0.323 0.5657 0.880 0.024 0.036 0.012 0.048
#> SRR1036053 1 0.323 0.5657 0.880 0.024 0.036 0.012 0.048
#> SRR1036054 1 0.323 0.5657 0.880 0.024 0.036 0.012 0.048
#> SRR1036055 1 0.686 0.2281 0.548 0.312 0.056 0.016 0.068
#> SRR1036056 1 0.686 0.2281 0.548 0.312 0.056 0.016 0.068
#> SRR1036057 1 0.686 0.2281 0.548 0.312 0.056 0.016 0.068
#> SRR1036058 5 0.829 0.9990 0.176 0.104 0.032 0.212 0.476
#> SRR1036059 5 0.831 0.9969 0.176 0.104 0.032 0.216 0.472
#> SRR1036060 5 0.829 0.9990 0.176 0.104 0.032 0.212 0.476
#> SRR1036061 5 0.829 0.9990 0.176 0.104 0.032 0.212 0.476
#> SRR1036062 5 0.831 0.9969 0.176 0.104 0.032 0.216 0.472
#> SRR1036063 5 0.829 0.9990 0.176 0.104 0.032 0.212 0.476
#> SRR1036064 5 0.829 0.9990 0.176 0.104 0.032 0.212 0.476
#> SRR1036065 5 0.829 0.9990 0.176 0.104 0.032 0.212 0.476
#> SRR1036066 1 0.738 0.4435 0.616 0.088 0.064 0.124 0.108
#> SRR1036067 1 0.738 0.4435 0.616 0.088 0.064 0.124 0.108
#> SRR1036068 1 0.738 0.4435 0.616 0.088 0.064 0.124 0.108
#> SRR1036069 1 0.738 0.4435 0.616 0.088 0.064 0.124 0.108
#> SRR1036070 1 0.738 0.4435 0.616 0.088 0.064 0.124 0.108
#> SRR1036071 1 0.738 0.4435 0.616 0.088 0.064 0.124 0.108
#> SRR1036072 1 0.738 0.4435 0.616 0.088 0.064 0.124 0.108
#> SRR1036073 1 0.738 0.4435 0.616 0.088 0.064 0.124 0.108
#> SRR1036074 4 0.874 0.2646 0.072 0.312 0.056 0.356 0.204
#> SRR1036075 4 0.870 0.2648 0.072 0.312 0.052 0.356 0.208
#> SRR1036076 4 0.870 0.2648 0.072 0.312 0.052 0.356 0.208
#> SRR1036077 4 0.870 0.2648 0.072 0.312 0.052 0.356 0.208
#> SRR1036078 4 0.870 0.2648 0.072 0.312 0.052 0.356 0.208
#> SRR1036079 4 0.870 0.2648 0.072 0.312 0.052 0.356 0.208
#> SRR1036080 4 0.874 0.2646 0.072 0.312 0.056 0.356 0.204
#> SRR1036081 4 0.874 0.2646 0.072 0.312 0.056 0.356 0.204
#> SRR1036082 2 0.901 -0.1319 0.092 0.360 0.064 0.248 0.236
#> SRR1036083 2 0.901 -0.1319 0.092 0.360 0.064 0.248 0.236
#> SRR1036084 2 0.901 -0.1319 0.092 0.360 0.064 0.248 0.236
#> SRR1036090 2 0.745 0.3666 0.136 0.484 0.016 0.316 0.048
#> SRR1036091 2 0.745 0.3666 0.136 0.484 0.016 0.316 0.048
#> SRR1036092 2 0.745 0.3666 0.136 0.484 0.016 0.316 0.048
#> SRR1036093 2 0.745 0.3666 0.136 0.484 0.016 0.316 0.048
#> SRR1036094 2 0.745 0.3666 0.136 0.484 0.016 0.316 0.048
#> SRR1036085 3 0.648 0.9632 0.060 0.028 0.520 0.376 0.016
#> SRR1036086 3 0.648 0.9632 0.060 0.028 0.520 0.376 0.016
#> SRR1036087 3 0.648 0.9632 0.060 0.028 0.520 0.376 0.016
#> SRR1036088 3 0.648 0.9632 0.060 0.028 0.520 0.376 0.016
#> SRR1036089 3 0.648 0.9632 0.060 0.028 0.520 0.376 0.016
#> SRR1036095 1 0.768 0.2852 0.564 0.088 0.076 0.064 0.208
#> SRR1036096 1 0.768 0.2852 0.564 0.088 0.076 0.064 0.208
#> SRR1036097 1 0.768 0.2852 0.564 0.088 0.076 0.064 0.208
#> SRR1036098 1 0.768 0.2852 0.564 0.088 0.076 0.064 0.208
#> SRR1036099 1 0.768 0.2852 0.564 0.088 0.076 0.064 0.208
#> SRR1036100 2 0.861 0.1199 0.128 0.424 0.040 0.264 0.144
#> SRR1036101 2 0.861 0.1199 0.128 0.424 0.040 0.264 0.144
#> SRR1036102 2 0.861 0.1199 0.128 0.424 0.040 0.264 0.144
#> SRR1036103 2 0.861 0.1199 0.128 0.424 0.040 0.264 0.144
#> SRR1036104 2 0.861 0.1199 0.128 0.424 0.040 0.264 0.144
#> SRR1036105 3 0.627 0.9720 0.060 0.020 0.516 0.392 0.012
#> SRR1036106 3 0.627 0.9720 0.060 0.020 0.516 0.392 0.012
#> SRR1036107 3 0.627 0.9720 0.060 0.020 0.516 0.392 0.012
#> SRR1036108 3 0.627 0.9720 0.060 0.020 0.516 0.392 0.012
#> SRR1036109 3 0.627 0.9720 0.060 0.020 0.516 0.392 0.012
#> SRR1036110 4 0.902 0.1012 0.140 0.160 0.064 0.400 0.236
#> SRR1036111 4 0.902 0.1012 0.140 0.160 0.064 0.400 0.236
#> SRR1036112 4 0.902 0.1012 0.140 0.160 0.064 0.400 0.236
#> SRR1036113 4 0.902 0.1012 0.140 0.160 0.064 0.400 0.236
#> SRR1036114 4 0.902 0.1012 0.140 0.160 0.064 0.400 0.236
#> SRR1036115 1 0.484 0.5012 0.768 0.020 0.076 0.008 0.128
#> SRR1036116 1 0.484 0.5012 0.768 0.020 0.076 0.008 0.128
#> SRR1036117 1 0.484 0.5012 0.768 0.020 0.076 0.008 0.128
#> SRR1036118 1 0.484 0.5012 0.768 0.020 0.076 0.008 0.128
#> SRR1036119 1 0.484 0.5012 0.768 0.020 0.076 0.008 0.128
#> SRR1036120 1 0.853 0.2902 0.440 0.032 0.132 0.160 0.236
#> SRR1036121 1 0.853 0.2902 0.440 0.032 0.132 0.160 0.236
#> SRR1036122 1 0.853 0.2902 0.440 0.032 0.132 0.160 0.236
#> SRR1036123 1 0.854 0.2902 0.440 0.032 0.136 0.160 0.232
#> SRR1036124 1 0.853 0.2902 0.440 0.032 0.132 0.160 0.236
#> SRR1036125 1 0.363 0.5754 0.860 0.016 0.048 0.052 0.024
#> SRR1036126 1 0.363 0.5754 0.860 0.016 0.048 0.052 0.024
#> SRR1036127 1 0.363 0.5754 0.860 0.016 0.048 0.052 0.024
#> SRR1036128 1 0.363 0.5754 0.860 0.016 0.048 0.052 0.024
#> SRR1036129 1 0.363 0.5754 0.860 0.016 0.048 0.052 0.024
#> SRR1036130 1 0.363 0.5754 0.860 0.016 0.048 0.052 0.024
#> SRR1036131 1 0.363 0.5754 0.860 0.016 0.048 0.052 0.024
#> SRR1036132 1 0.363 0.5754 0.860 0.016 0.048 0.052 0.024
#> SRR1036133 2 0.512 0.5429 0.108 0.760 0.024 0.092 0.016
#> SRR1036134 2 0.512 0.5429 0.108 0.760 0.024 0.092 0.016
#> SRR1036135 2 0.512 0.5429 0.108 0.760 0.024 0.092 0.016
#> SRR1036136 2 0.512 0.5429 0.108 0.760 0.024 0.092 0.016
#> SRR1036137 2 0.512 0.5429 0.108 0.760 0.024 0.092 0.016
#> SRR1036138 2 0.571 0.5215 0.060 0.696 0.024 0.196 0.024
#> SRR1036139 2 0.571 0.5215 0.060 0.696 0.024 0.196 0.024
#> SRR1036140 2 0.571 0.5215 0.060 0.696 0.024 0.196 0.024
#> SRR1036141 2 0.571 0.5215 0.060 0.696 0.024 0.196 0.024
#> SRR1036142 2 0.571 0.5215 0.060 0.696 0.024 0.196 0.024
#> SRR1036143 2 0.571 0.5215 0.060 0.696 0.024 0.196 0.024
#> SRR1036144 2 0.571 0.5215 0.060 0.696 0.024 0.196 0.024
#> SRR1036145 2 0.571 0.5215 0.060 0.696 0.024 0.196 0.024
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.839 -0.0876 0.028 0.140 0.284 0.268 NA 0.016
#> SRR1036003 3 0.839 -0.0876 0.028 0.140 0.284 0.268 NA 0.016
#> SRR1036004 3 0.839 -0.0876 0.028 0.140 0.284 0.268 NA 0.016
#> SRR1036005 3 0.180 0.8351 0.004 0.012 0.932 0.044 NA 0.004
#> SRR1036006 3 0.180 0.8351 0.004 0.012 0.932 0.044 NA 0.004
#> SRR1036007 3 0.180 0.8351 0.004 0.012 0.932 0.044 NA 0.004
#> SRR1036008 3 0.180 0.8351 0.004 0.012 0.932 0.044 NA 0.004
#> SRR1036009 3 0.180 0.8351 0.004 0.012 0.932 0.044 NA 0.004
#> SRR1036013 4 0.898 0.0463 0.192 0.104 0.164 0.352 NA 0.160
#> SRR1036014 4 0.898 0.0463 0.192 0.104 0.164 0.352 NA 0.160
#> SRR1036015 4 0.898 0.0463 0.192 0.104 0.164 0.352 NA 0.160
#> SRR1036016 4 0.898 0.0463 0.192 0.104 0.164 0.352 NA 0.160
#> SRR1036017 4 0.898 0.0463 0.192 0.104 0.164 0.352 NA 0.160
#> SRR1036018 4 0.898 0.0463 0.192 0.104 0.164 0.352 NA 0.160
#> SRR1036010 1 0.440 0.5958 0.772 0.024 0.012 0.008 NA 0.040
#> SRR1036011 1 0.440 0.5958 0.772 0.024 0.012 0.008 NA 0.040
#> SRR1036012 1 0.440 0.5958 0.772 0.024 0.012 0.008 NA 0.040
#> SRR1036019 2 0.582 0.5586 0.016 0.684 0.012 0.112 NA 0.060
#> SRR1036020 2 0.585 0.5586 0.016 0.684 0.016 0.116 NA 0.056
#> SRR1036021 2 0.581 0.5585 0.016 0.684 0.012 0.116 NA 0.056
#> SRR1036022 2 0.585 0.5586 0.016 0.684 0.016 0.116 NA 0.056
#> SRR1036023 2 0.582 0.5586 0.016 0.684 0.012 0.112 NA 0.060
#> SRR1036024 4 0.865 0.1198 0.288 0.124 0.104 0.328 NA 0.144
#> SRR1036025 4 0.865 0.1198 0.288 0.124 0.104 0.328 NA 0.144
#> SRR1036026 4 0.865 0.1198 0.288 0.124 0.104 0.328 NA 0.144
#> SRR1036027 4 0.865 0.1198 0.288 0.124 0.104 0.328 NA 0.144
#> SRR1036028 4 0.865 0.1198 0.288 0.124 0.104 0.328 NA 0.144
#> SRR1036029 4 0.865 0.1198 0.288 0.124 0.104 0.328 NA 0.144
#> SRR1036030 2 0.716 0.5495 0.156 0.508 0.000 0.100 NA 0.024
#> SRR1036031 2 0.720 0.5495 0.156 0.508 0.000 0.100 NA 0.028
#> SRR1036032 2 0.716 0.5495 0.156 0.508 0.000 0.100 NA 0.024
#> SRR1036033 2 0.716 0.5495 0.156 0.508 0.000 0.100 NA 0.024
#> SRR1036034 2 0.720 0.5495 0.156 0.508 0.000 0.100 NA 0.028
#> SRR1036035 2 0.716 0.5495 0.156 0.508 0.000 0.100 NA 0.024
#> SRR1036036 2 0.720 0.5495 0.156 0.508 0.000 0.100 NA 0.028
#> SRR1036037 2 0.716 0.5495 0.156 0.508 0.000 0.100 NA 0.024
#> SRR1036038 1 0.634 0.5186 0.656 0.108 0.044 0.040 NA 0.024
#> SRR1036039 1 0.634 0.5186 0.656 0.108 0.044 0.040 NA 0.024
#> SRR1036040 1 0.634 0.5186 0.656 0.108 0.044 0.040 NA 0.024
#> SRR1036041 1 0.228 0.6212 0.916 0.028 0.012 0.012 NA 0.004
#> SRR1036042 4 0.826 0.1179 0.028 0.148 0.240 0.308 NA 0.008
#> SRR1036043 4 0.826 0.1179 0.028 0.148 0.240 0.308 NA 0.008
#> SRR1036044 4 0.826 0.1179 0.028 0.148 0.240 0.308 NA 0.008
#> SRR1036045 4 0.826 0.1179 0.028 0.148 0.240 0.308 NA 0.008
#> SRR1036046 4 0.826 0.1179 0.028 0.148 0.240 0.308 NA 0.008
#> SRR1036047 4 0.826 0.1179 0.028 0.148 0.240 0.308 NA 0.008
#> SRR1036048 4 0.826 0.1179 0.028 0.148 0.240 0.308 NA 0.008
#> SRR1036049 4 0.826 0.1179 0.028 0.148 0.240 0.308 NA 0.008
#> SRR1036050 1 0.304 0.6157 0.876 0.020 0.004 0.012 NA 0.044
#> SRR1036051 1 0.304 0.6157 0.876 0.020 0.004 0.012 NA 0.044
#> SRR1036052 1 0.304 0.6157 0.876 0.020 0.004 0.012 NA 0.044
#> SRR1036053 1 0.304 0.6157 0.876 0.020 0.004 0.012 NA 0.044
#> SRR1036054 1 0.304 0.6157 0.876 0.020 0.004 0.012 NA 0.044
#> SRR1036055 1 0.705 0.2067 0.516 0.228 0.004 0.064 NA 0.024
#> SRR1036056 1 0.705 0.2067 0.516 0.228 0.004 0.064 NA 0.024
#> SRR1036057 1 0.705 0.2067 0.516 0.228 0.004 0.064 NA 0.024
#> SRR1036058 4 0.749 -0.9852 0.068 0.048 0.080 0.400 NA 0.384
#> SRR1036059 4 0.723 -1.0000 0.068 0.048 0.076 0.400 NA 0.400
#> SRR1036060 4 0.735 -0.9922 0.068 0.048 0.080 0.400 NA 0.392
#> SRR1036061 4 0.723 -1.0000 0.068 0.048 0.076 0.400 NA 0.400
#> SRR1036062 6 0.723 0.0000 0.068 0.048 0.076 0.400 NA 0.400
#> SRR1036063 4 0.723 -1.0000 0.068 0.048 0.076 0.400 NA 0.400
#> SRR1036064 4 0.727 -0.9958 0.068 0.048 0.080 0.400 NA 0.396
#> SRR1036065 4 0.723 -1.0000 0.068 0.048 0.076 0.400 NA 0.400
#> SRR1036066 1 0.757 0.3696 0.520 0.052 0.088 0.128 NA 0.196
#> SRR1036067 1 0.757 0.3696 0.520 0.052 0.088 0.128 NA 0.196
#> SRR1036068 1 0.757 0.3696 0.520 0.052 0.088 0.128 NA 0.196
#> SRR1036069 1 0.757 0.3696 0.520 0.052 0.088 0.128 NA 0.196
#> SRR1036070 1 0.757 0.3696 0.520 0.052 0.088 0.128 NA 0.196
#> SRR1036071 1 0.757 0.3696 0.520 0.052 0.088 0.128 NA 0.196
#> SRR1036072 1 0.757 0.3696 0.520 0.052 0.088 0.128 NA 0.196
#> SRR1036073 1 0.757 0.3696 0.520 0.052 0.088 0.128 NA 0.196
#> SRR1036074 4 0.506 0.2885 0.076 0.148 0.036 0.724 NA 0.012
#> SRR1036075 4 0.506 0.2885 0.076 0.148 0.036 0.724 NA 0.012
#> SRR1036076 4 0.506 0.2885 0.076 0.148 0.036 0.724 NA 0.012
#> SRR1036077 4 0.506 0.2885 0.076 0.148 0.036 0.724 NA 0.012
#> SRR1036078 4 0.506 0.2885 0.076 0.148 0.036 0.724 NA 0.012
#> SRR1036079 4 0.506 0.2885 0.076 0.148 0.036 0.724 NA 0.012
#> SRR1036080 4 0.506 0.2885 0.076 0.148 0.036 0.724 NA 0.012
#> SRR1036081 4 0.506 0.2885 0.076 0.148 0.036 0.724 NA 0.012
#> SRR1036082 4 0.624 0.1405 0.076 0.132 0.028 0.668 NA 0.032
#> SRR1036083 4 0.624 0.1405 0.076 0.132 0.028 0.668 NA 0.032
#> SRR1036084 4 0.624 0.1405 0.076 0.132 0.028 0.668 NA 0.032
#> SRR1036090 2 0.656 0.5127 0.108 0.644 0.052 0.124 NA 0.032
#> SRR1036091 2 0.656 0.5127 0.108 0.644 0.052 0.124 NA 0.032
#> SRR1036092 2 0.656 0.5127 0.108 0.644 0.052 0.124 NA 0.032
#> SRR1036093 2 0.656 0.5127 0.108 0.644 0.052 0.124 NA 0.032
#> SRR1036094 2 0.656 0.5127 0.108 0.644 0.052 0.124 NA 0.032
#> SRR1036085 3 0.323 0.8201 0.008 0.012 0.868 0.044 NA 0.024
#> SRR1036086 3 0.323 0.8201 0.008 0.012 0.868 0.044 NA 0.024
#> SRR1036087 3 0.323 0.8201 0.008 0.012 0.868 0.044 NA 0.024
#> SRR1036088 3 0.323 0.8201 0.008 0.012 0.868 0.044 NA 0.024
#> SRR1036089 3 0.323 0.8201 0.008 0.012 0.868 0.044 NA 0.024
#> SRR1036095 1 0.804 0.2790 0.452 0.100 0.012 0.116 NA 0.236
#> SRR1036096 1 0.804 0.2790 0.452 0.100 0.012 0.116 NA 0.236
#> SRR1036097 1 0.804 0.2790 0.452 0.100 0.012 0.116 NA 0.236
#> SRR1036098 1 0.804 0.2790 0.452 0.100 0.012 0.116 NA 0.236
#> SRR1036099 1 0.804 0.2790 0.452 0.100 0.012 0.116 NA 0.236
#> SRR1036100 4 0.733 0.1247 0.140 0.308 0.024 0.456 NA 0.016
#> SRR1036101 4 0.733 0.1247 0.140 0.308 0.024 0.456 NA 0.016
#> SRR1036102 4 0.733 0.1247 0.140 0.308 0.024 0.456 NA 0.016
#> SRR1036103 4 0.733 0.1247 0.140 0.308 0.024 0.456 NA 0.016
#> SRR1036104 4 0.733 0.1247 0.140 0.308 0.024 0.456 NA 0.016
#> SRR1036105 3 0.177 0.8360 0.008 0.012 0.932 0.044 NA 0.000
#> SRR1036106 3 0.177 0.8360 0.008 0.012 0.932 0.044 NA 0.000
#> SRR1036107 3 0.177 0.8360 0.008 0.012 0.932 0.044 NA 0.000
#> SRR1036108 3 0.177 0.8360 0.008 0.012 0.932 0.044 NA 0.000
#> SRR1036109 3 0.177 0.8360 0.008 0.012 0.932 0.044 NA 0.000
#> SRR1036110 4 0.672 0.0307 0.116 0.044 0.112 0.636 NA 0.048
#> SRR1036111 4 0.672 0.0307 0.116 0.044 0.112 0.636 NA 0.048
#> SRR1036112 4 0.672 0.0307 0.116 0.044 0.112 0.636 NA 0.048
#> SRR1036113 4 0.672 0.0307 0.116 0.044 0.112 0.636 NA 0.048
#> SRR1036114 4 0.672 0.0307 0.116 0.044 0.112 0.636 NA 0.048
#> SRR1036115 1 0.550 0.5151 0.672 0.020 0.008 0.020 NA 0.200
#> SRR1036116 1 0.550 0.5151 0.672 0.020 0.008 0.020 NA 0.200
#> SRR1036117 1 0.550 0.5151 0.672 0.020 0.008 0.020 NA 0.200
#> SRR1036118 1 0.550 0.5151 0.672 0.020 0.008 0.020 NA 0.200
#> SRR1036119 1 0.550 0.5151 0.672 0.020 0.008 0.020 NA 0.200
#> SRR1036120 1 0.859 0.2577 0.344 0.024 0.096 0.072 NA 0.280
#> SRR1036121 1 0.864 0.2577 0.344 0.024 0.100 0.076 NA 0.272
#> SRR1036122 1 0.860 0.2577 0.344 0.024 0.096 0.072 NA 0.276
#> SRR1036123 1 0.863 0.2577 0.344 0.024 0.096 0.076 NA 0.272
#> SRR1036124 1 0.859 0.2577 0.344 0.024 0.096 0.072 NA 0.280
#> SRR1036125 1 0.369 0.6101 0.840 0.016 0.076 0.032 NA 0.012
#> SRR1036126 1 0.369 0.6101 0.840 0.016 0.076 0.032 NA 0.012
#> SRR1036127 1 0.369 0.6101 0.840 0.016 0.076 0.032 NA 0.012
#> SRR1036128 1 0.369 0.6101 0.840 0.016 0.076 0.032 NA 0.012
#> SRR1036129 1 0.369 0.6101 0.840 0.016 0.076 0.032 NA 0.012
#> SRR1036130 1 0.369 0.6101 0.840 0.016 0.076 0.032 NA 0.012
#> SRR1036131 1 0.369 0.6101 0.840 0.016 0.076 0.032 NA 0.012
#> SRR1036132 1 0.369 0.6101 0.840 0.016 0.076 0.032 NA 0.012
#> SRR1036133 2 0.467 0.6771 0.052 0.780 0.008 0.064 NA 0.020
#> SRR1036134 2 0.467 0.6771 0.052 0.780 0.008 0.064 NA 0.020
#> SRR1036135 2 0.467 0.6771 0.052 0.780 0.008 0.064 NA 0.020
#> SRR1036136 2 0.467 0.6771 0.052 0.780 0.008 0.064 NA 0.020
#> SRR1036137 2 0.467 0.6771 0.052 0.780 0.008 0.064 NA 0.020
#> SRR1036138 2 0.305 0.6851 0.024 0.880 0.040 0.032 NA 0.012
#> SRR1036139 2 0.305 0.6851 0.024 0.880 0.040 0.032 NA 0.012
#> SRR1036140 2 0.305 0.6851 0.024 0.880 0.040 0.032 NA 0.012
#> SRR1036141 2 0.305 0.6851 0.024 0.880 0.040 0.032 NA 0.012
#> SRR1036142 2 0.305 0.6851 0.024 0.880 0.040 0.032 NA 0.012
#> SRR1036143 2 0.305 0.6851 0.024 0.880 0.040 0.032 NA 0.012
#> SRR1036144 2 0.305 0.6851 0.024 0.880 0.040 0.032 NA 0.012
#> SRR1036145 2 0.305 0.6851 0.024 0.880 0.040 0.032 NA 0.012
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["SD", "skmeans"]
# you can also extract it by
# res = res_list["SD:skmeans"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'SD' method.
#> Subgroups are detected by 'skmeans' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 3.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.395 0.721 0.860 0.4929 0.498 0.498
#> 3 3 0.525 0.748 0.863 0.3500 0.714 0.486
#> 4 4 0.609 0.725 0.840 0.1182 0.849 0.589
#> 5 5 0.650 0.628 0.717 0.0628 1.000 1.000
#> 6 6 0.676 0.431 0.624 0.0409 0.859 0.504
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 3
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.0938 0.831 0.012 0.988
#> SRR1036003 2 0.0938 0.831 0.012 0.988
#> SRR1036004 2 0.0938 0.831 0.012 0.988
#> SRR1036005 2 0.7528 0.735 0.216 0.784
#> SRR1036006 2 0.7528 0.735 0.216 0.784
#> SRR1036007 2 0.7528 0.735 0.216 0.784
#> SRR1036008 2 0.7528 0.735 0.216 0.784
#> SRR1036009 2 0.7528 0.735 0.216 0.784
#> SRR1036013 2 0.8813 0.629 0.300 0.700
#> SRR1036014 2 0.8813 0.629 0.300 0.700
#> SRR1036015 2 0.8813 0.629 0.300 0.700
#> SRR1036016 2 0.8813 0.629 0.300 0.700
#> SRR1036017 2 0.8813 0.629 0.300 0.700
#> SRR1036018 2 0.8813 0.629 0.300 0.700
#> SRR1036010 1 0.2236 0.807 0.964 0.036
#> SRR1036011 1 0.2236 0.807 0.964 0.036
#> SRR1036012 1 0.2236 0.807 0.964 0.036
#> SRR1036019 2 0.2043 0.835 0.032 0.968
#> SRR1036020 2 0.2043 0.835 0.032 0.968
#> SRR1036021 2 0.2043 0.835 0.032 0.968
#> SRR1036022 2 0.2043 0.835 0.032 0.968
#> SRR1036023 2 0.2043 0.835 0.032 0.968
#> SRR1036024 1 0.9170 0.426 0.668 0.332
#> SRR1036025 1 0.9170 0.426 0.668 0.332
#> SRR1036026 1 0.9170 0.426 0.668 0.332
#> SRR1036027 1 0.9170 0.426 0.668 0.332
#> SRR1036028 1 0.9170 0.426 0.668 0.332
#> SRR1036029 1 0.9170 0.426 0.668 0.332
#> SRR1036030 1 0.8713 0.605 0.708 0.292
#> SRR1036031 1 0.8713 0.605 0.708 0.292
#> SRR1036032 1 0.8713 0.605 0.708 0.292
#> SRR1036033 1 0.8713 0.605 0.708 0.292
#> SRR1036034 1 0.8713 0.605 0.708 0.292
#> SRR1036035 1 0.8713 0.605 0.708 0.292
#> SRR1036036 1 0.8713 0.605 0.708 0.292
#> SRR1036037 1 0.8713 0.605 0.708 0.292
#> SRR1036038 1 0.8763 0.614 0.704 0.296
#> SRR1036039 1 0.8763 0.614 0.704 0.296
#> SRR1036040 1 0.8763 0.614 0.704 0.296
#> SRR1036041 1 0.0672 0.810 0.992 0.008
#> SRR1036042 2 0.0000 0.832 0.000 1.000
#> SRR1036043 2 0.0000 0.832 0.000 1.000
#> SRR1036044 2 0.0000 0.832 0.000 1.000
#> SRR1036045 2 0.0000 0.832 0.000 1.000
#> SRR1036046 2 0.0000 0.832 0.000 1.000
#> SRR1036047 2 0.0000 0.832 0.000 1.000
#> SRR1036048 2 0.0000 0.832 0.000 1.000
#> SRR1036049 2 0.0000 0.832 0.000 1.000
#> SRR1036050 1 0.1633 0.807 0.976 0.024
#> SRR1036051 1 0.1633 0.807 0.976 0.024
#> SRR1036052 1 0.1633 0.807 0.976 0.024
#> SRR1036053 1 0.1633 0.807 0.976 0.024
#> SRR1036054 1 0.1633 0.807 0.976 0.024
#> SRR1036055 1 0.8081 0.642 0.752 0.248
#> SRR1036056 1 0.8081 0.642 0.752 0.248
#> SRR1036057 1 0.8081 0.642 0.752 0.248
#> SRR1036058 1 0.9608 0.294 0.616 0.384
#> SRR1036059 1 0.9608 0.294 0.616 0.384
#> SRR1036060 1 0.9608 0.294 0.616 0.384
#> SRR1036061 1 0.9608 0.294 0.616 0.384
#> SRR1036062 1 0.9608 0.294 0.616 0.384
#> SRR1036063 1 0.9608 0.294 0.616 0.384
#> SRR1036064 1 0.9608 0.294 0.616 0.384
#> SRR1036065 1 0.9608 0.294 0.616 0.384
#> SRR1036066 1 0.0376 0.811 0.996 0.004
#> SRR1036067 1 0.0376 0.811 0.996 0.004
#> SRR1036068 1 0.0376 0.811 0.996 0.004
#> SRR1036069 1 0.0376 0.811 0.996 0.004
#> SRR1036070 1 0.0376 0.811 0.996 0.004
#> SRR1036071 1 0.0376 0.811 0.996 0.004
#> SRR1036072 1 0.0376 0.811 0.996 0.004
#> SRR1036073 1 0.0376 0.811 0.996 0.004
#> SRR1036074 2 0.2423 0.836 0.040 0.960
#> SRR1036075 2 0.2423 0.836 0.040 0.960
#> SRR1036076 2 0.2423 0.836 0.040 0.960
#> SRR1036077 2 0.2423 0.836 0.040 0.960
#> SRR1036078 2 0.2423 0.836 0.040 0.960
#> SRR1036079 2 0.2423 0.836 0.040 0.960
#> SRR1036080 2 0.2423 0.836 0.040 0.960
#> SRR1036081 2 0.2423 0.836 0.040 0.960
#> SRR1036082 2 0.7299 0.697 0.204 0.796
#> SRR1036083 2 0.7299 0.697 0.204 0.796
#> SRR1036084 2 0.7299 0.697 0.204 0.796
#> SRR1036090 2 0.3114 0.828 0.056 0.944
#> SRR1036091 2 0.3114 0.828 0.056 0.944
#> SRR1036092 2 0.3114 0.828 0.056 0.944
#> SRR1036093 2 0.3114 0.828 0.056 0.944
#> SRR1036094 2 0.3114 0.828 0.056 0.944
#> SRR1036085 2 0.7528 0.735 0.216 0.784
#> SRR1036086 2 0.7528 0.735 0.216 0.784
#> SRR1036087 2 0.7528 0.735 0.216 0.784
#> SRR1036088 2 0.7528 0.735 0.216 0.784
#> SRR1036089 2 0.7528 0.735 0.216 0.784
#> SRR1036095 1 0.0672 0.809 0.992 0.008
#> SRR1036096 1 0.0672 0.809 0.992 0.008
#> SRR1036097 1 0.0672 0.809 0.992 0.008
#> SRR1036098 1 0.0672 0.809 0.992 0.008
#> SRR1036099 1 0.0672 0.809 0.992 0.008
#> SRR1036100 2 0.2778 0.833 0.048 0.952
#> SRR1036101 2 0.2778 0.833 0.048 0.952
#> SRR1036102 2 0.2778 0.833 0.048 0.952
#> SRR1036103 2 0.2778 0.833 0.048 0.952
#> SRR1036104 2 0.2778 0.833 0.048 0.952
#> SRR1036105 2 0.7528 0.735 0.216 0.784
#> SRR1036106 2 0.7528 0.735 0.216 0.784
#> SRR1036107 2 0.7528 0.735 0.216 0.784
#> SRR1036108 2 0.7528 0.735 0.216 0.784
#> SRR1036109 2 0.7528 0.735 0.216 0.784
#> SRR1036110 2 0.9248 0.568 0.340 0.660
#> SRR1036111 2 0.9248 0.568 0.340 0.660
#> SRR1036112 2 0.9248 0.568 0.340 0.660
#> SRR1036113 2 0.9248 0.568 0.340 0.660
#> SRR1036114 2 0.9248 0.568 0.340 0.660
#> SRR1036115 1 0.0000 0.810 1.000 0.000
#> SRR1036116 1 0.0000 0.810 1.000 0.000
#> SRR1036117 1 0.0000 0.810 1.000 0.000
#> SRR1036118 1 0.0000 0.810 1.000 0.000
#> SRR1036119 1 0.0000 0.810 1.000 0.000
#> SRR1036120 1 0.4939 0.778 0.892 0.108
#> SRR1036121 1 0.4939 0.778 0.892 0.108
#> SRR1036122 1 0.4939 0.778 0.892 0.108
#> SRR1036123 1 0.4939 0.778 0.892 0.108
#> SRR1036124 1 0.4939 0.778 0.892 0.108
#> SRR1036125 1 0.1184 0.805 0.984 0.016
#> SRR1036126 1 0.1184 0.805 0.984 0.016
#> SRR1036127 1 0.1184 0.805 0.984 0.016
#> SRR1036128 1 0.1184 0.805 0.984 0.016
#> SRR1036129 1 0.1184 0.805 0.984 0.016
#> SRR1036130 1 0.1184 0.805 0.984 0.016
#> SRR1036131 1 0.1184 0.805 0.984 0.016
#> SRR1036132 1 0.1184 0.805 0.984 0.016
#> SRR1036133 2 0.7299 0.674 0.204 0.796
#> SRR1036134 2 0.7299 0.674 0.204 0.796
#> SRR1036135 2 0.7299 0.674 0.204 0.796
#> SRR1036136 2 0.7299 0.674 0.204 0.796
#> SRR1036137 2 0.7299 0.674 0.204 0.796
#> SRR1036138 2 0.2603 0.833 0.044 0.956
#> SRR1036139 2 0.2603 0.833 0.044 0.956
#> SRR1036140 2 0.2603 0.833 0.044 0.956
#> SRR1036141 2 0.2603 0.833 0.044 0.956
#> SRR1036142 2 0.2603 0.833 0.044 0.956
#> SRR1036143 2 0.2603 0.833 0.044 0.956
#> SRR1036144 2 0.2603 0.833 0.044 0.956
#> SRR1036145 2 0.2603 0.833 0.044 0.956
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.0983 0.810 0.004 0.016 0.980
#> SRR1036003 3 0.0983 0.810 0.004 0.016 0.980
#> SRR1036004 3 0.0983 0.810 0.004 0.016 0.980
#> SRR1036005 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036006 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036007 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036008 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036009 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036013 3 0.5348 0.731 0.176 0.028 0.796
#> SRR1036014 3 0.5348 0.731 0.176 0.028 0.796
#> SRR1036015 3 0.5348 0.731 0.176 0.028 0.796
#> SRR1036016 3 0.5348 0.731 0.176 0.028 0.796
#> SRR1036017 3 0.5348 0.731 0.176 0.028 0.796
#> SRR1036018 3 0.5348 0.731 0.176 0.028 0.796
#> SRR1036010 1 0.3573 0.779 0.876 0.004 0.120
#> SRR1036011 1 0.3573 0.779 0.876 0.004 0.120
#> SRR1036012 1 0.3573 0.779 0.876 0.004 0.120
#> SRR1036019 2 0.1860 0.897 0.000 0.948 0.052
#> SRR1036020 2 0.1860 0.897 0.000 0.948 0.052
#> SRR1036021 2 0.1860 0.897 0.000 0.948 0.052
#> SRR1036022 2 0.1860 0.897 0.000 0.948 0.052
#> SRR1036023 2 0.1860 0.897 0.000 0.948 0.052
#> SRR1036024 1 0.7844 0.447 0.660 0.120 0.220
#> SRR1036025 1 0.7844 0.447 0.660 0.120 0.220
#> SRR1036026 1 0.7844 0.447 0.660 0.120 0.220
#> SRR1036027 1 0.7844 0.447 0.660 0.120 0.220
#> SRR1036028 1 0.7844 0.447 0.660 0.120 0.220
#> SRR1036029 1 0.7844 0.447 0.660 0.120 0.220
#> SRR1036030 2 0.3267 0.837 0.116 0.884 0.000
#> SRR1036031 2 0.3267 0.837 0.116 0.884 0.000
#> SRR1036032 2 0.3267 0.837 0.116 0.884 0.000
#> SRR1036033 2 0.3267 0.837 0.116 0.884 0.000
#> SRR1036034 2 0.3267 0.837 0.116 0.884 0.000
#> SRR1036035 2 0.3267 0.837 0.116 0.884 0.000
#> SRR1036036 2 0.3267 0.837 0.116 0.884 0.000
#> SRR1036037 2 0.3267 0.837 0.116 0.884 0.000
#> SRR1036038 1 0.7880 0.615 0.668 0.164 0.168
#> SRR1036039 1 0.7880 0.615 0.668 0.164 0.168
#> SRR1036040 1 0.7880 0.615 0.668 0.164 0.168
#> SRR1036041 1 0.0892 0.830 0.980 0.020 0.000
#> SRR1036042 3 0.2537 0.787 0.000 0.080 0.920
#> SRR1036043 3 0.2537 0.787 0.000 0.080 0.920
#> SRR1036044 3 0.2537 0.787 0.000 0.080 0.920
#> SRR1036045 3 0.2537 0.787 0.000 0.080 0.920
#> SRR1036046 3 0.2537 0.787 0.000 0.080 0.920
#> SRR1036047 3 0.2537 0.787 0.000 0.080 0.920
#> SRR1036048 3 0.2537 0.787 0.000 0.080 0.920
#> SRR1036049 3 0.2537 0.787 0.000 0.080 0.920
#> SRR1036050 1 0.0747 0.831 0.984 0.016 0.000
#> SRR1036051 1 0.0747 0.831 0.984 0.016 0.000
#> SRR1036052 1 0.0747 0.831 0.984 0.016 0.000
#> SRR1036053 1 0.0747 0.831 0.984 0.016 0.000
#> SRR1036054 1 0.0747 0.831 0.984 0.016 0.000
#> SRR1036055 1 0.6225 0.268 0.568 0.432 0.000
#> SRR1036056 1 0.6225 0.268 0.568 0.432 0.000
#> SRR1036057 1 0.6225 0.268 0.568 0.432 0.000
#> SRR1036058 3 0.9672 0.286 0.384 0.212 0.404
#> SRR1036059 3 0.9672 0.286 0.384 0.212 0.404
#> SRR1036060 3 0.9672 0.286 0.384 0.212 0.404
#> SRR1036061 3 0.9672 0.286 0.384 0.212 0.404
#> SRR1036062 3 0.9672 0.286 0.384 0.212 0.404
#> SRR1036063 3 0.9672 0.286 0.384 0.212 0.404
#> SRR1036064 3 0.9672 0.286 0.384 0.212 0.404
#> SRR1036065 3 0.9672 0.286 0.384 0.212 0.404
#> SRR1036066 1 0.0000 0.829 1.000 0.000 0.000
#> SRR1036067 1 0.0000 0.829 1.000 0.000 0.000
#> SRR1036068 1 0.0000 0.829 1.000 0.000 0.000
#> SRR1036069 1 0.0000 0.829 1.000 0.000 0.000
#> SRR1036070 1 0.0000 0.829 1.000 0.000 0.000
#> SRR1036071 1 0.0000 0.829 1.000 0.000 0.000
#> SRR1036072 1 0.0000 0.829 1.000 0.000 0.000
#> SRR1036073 1 0.0000 0.829 1.000 0.000 0.000
#> SRR1036074 2 0.5842 0.725 0.036 0.768 0.196
#> SRR1036075 2 0.5842 0.725 0.036 0.768 0.196
#> SRR1036076 2 0.5842 0.725 0.036 0.768 0.196
#> SRR1036077 2 0.5842 0.725 0.036 0.768 0.196
#> SRR1036078 2 0.5842 0.725 0.036 0.768 0.196
#> SRR1036079 2 0.5842 0.725 0.036 0.768 0.196
#> SRR1036080 2 0.5842 0.725 0.036 0.768 0.196
#> SRR1036081 2 0.5842 0.725 0.036 0.768 0.196
#> SRR1036082 2 0.4964 0.793 0.048 0.836 0.116
#> SRR1036083 2 0.4964 0.793 0.048 0.836 0.116
#> SRR1036084 2 0.4964 0.793 0.048 0.836 0.116
#> SRR1036090 2 0.2200 0.896 0.004 0.940 0.056
#> SRR1036091 2 0.2200 0.896 0.004 0.940 0.056
#> SRR1036092 2 0.2200 0.896 0.004 0.940 0.056
#> SRR1036093 2 0.2200 0.896 0.004 0.940 0.056
#> SRR1036094 2 0.2200 0.896 0.004 0.940 0.056
#> SRR1036085 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036086 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036087 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036088 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036089 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036095 1 0.2486 0.808 0.932 0.060 0.008
#> SRR1036096 1 0.2486 0.808 0.932 0.060 0.008
#> SRR1036097 1 0.2486 0.808 0.932 0.060 0.008
#> SRR1036098 1 0.2486 0.808 0.932 0.060 0.008
#> SRR1036099 1 0.2486 0.808 0.932 0.060 0.008
#> SRR1036100 2 0.0237 0.890 0.000 0.996 0.004
#> SRR1036101 2 0.0237 0.890 0.000 0.996 0.004
#> SRR1036102 2 0.0237 0.890 0.000 0.996 0.004
#> SRR1036103 2 0.0237 0.890 0.000 0.996 0.004
#> SRR1036104 2 0.0237 0.890 0.000 0.996 0.004
#> SRR1036105 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036106 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036107 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036108 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036109 3 0.0475 0.812 0.004 0.004 0.992
#> SRR1036110 3 0.6109 0.738 0.140 0.080 0.780
#> SRR1036111 3 0.6109 0.738 0.140 0.080 0.780
#> SRR1036112 3 0.6109 0.738 0.140 0.080 0.780
#> SRR1036113 3 0.6109 0.738 0.140 0.080 0.780
#> SRR1036114 3 0.6109 0.738 0.140 0.080 0.780
#> SRR1036115 1 0.0424 0.831 0.992 0.008 0.000
#> SRR1036116 1 0.0424 0.831 0.992 0.008 0.000
#> SRR1036117 1 0.0424 0.831 0.992 0.008 0.000
#> SRR1036118 1 0.0424 0.831 0.992 0.008 0.000
#> SRR1036119 1 0.0424 0.831 0.992 0.008 0.000
#> SRR1036120 1 0.5905 0.497 0.648 0.000 0.352
#> SRR1036121 1 0.5905 0.497 0.648 0.000 0.352
#> SRR1036122 1 0.5905 0.497 0.648 0.000 0.352
#> SRR1036123 1 0.5905 0.497 0.648 0.000 0.352
#> SRR1036124 1 0.5905 0.497 0.648 0.000 0.352
#> SRR1036125 1 0.2096 0.823 0.944 0.004 0.052
#> SRR1036126 1 0.2096 0.823 0.944 0.004 0.052
#> SRR1036127 1 0.2096 0.823 0.944 0.004 0.052
#> SRR1036128 1 0.2096 0.823 0.944 0.004 0.052
#> SRR1036129 1 0.2096 0.823 0.944 0.004 0.052
#> SRR1036130 1 0.2096 0.823 0.944 0.004 0.052
#> SRR1036131 1 0.2096 0.823 0.944 0.004 0.052
#> SRR1036132 1 0.2096 0.823 0.944 0.004 0.052
#> SRR1036133 2 0.0475 0.893 0.004 0.992 0.004
#> SRR1036134 2 0.0475 0.893 0.004 0.992 0.004
#> SRR1036135 2 0.0475 0.893 0.004 0.992 0.004
#> SRR1036136 2 0.0475 0.893 0.004 0.992 0.004
#> SRR1036137 2 0.0475 0.893 0.004 0.992 0.004
#> SRR1036138 2 0.2066 0.895 0.000 0.940 0.060
#> SRR1036139 2 0.2066 0.895 0.000 0.940 0.060
#> SRR1036140 2 0.2066 0.895 0.000 0.940 0.060
#> SRR1036141 2 0.2066 0.895 0.000 0.940 0.060
#> SRR1036142 2 0.2066 0.895 0.000 0.940 0.060
#> SRR1036143 2 0.2066 0.895 0.000 0.940 0.060
#> SRR1036144 2 0.2066 0.895 0.000 0.940 0.060
#> SRR1036145 2 0.2066 0.895 0.000 0.940 0.060
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.1771 0.893 0.004 0.012 0.948 0.036
#> SRR1036003 3 0.1771 0.893 0.004 0.012 0.948 0.036
#> SRR1036004 3 0.1771 0.893 0.004 0.012 0.948 0.036
#> SRR1036005 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036013 4 0.6204 0.253 0.052 0.000 0.448 0.500
#> SRR1036014 4 0.6204 0.253 0.052 0.000 0.448 0.500
#> SRR1036015 4 0.6204 0.253 0.052 0.000 0.448 0.500
#> SRR1036016 4 0.6204 0.253 0.052 0.000 0.448 0.500
#> SRR1036017 4 0.6204 0.253 0.052 0.000 0.448 0.500
#> SRR1036018 4 0.6204 0.253 0.052 0.000 0.448 0.500
#> SRR1036010 1 0.2115 0.795 0.936 0.004 0.036 0.024
#> SRR1036011 1 0.2115 0.795 0.936 0.004 0.036 0.024
#> SRR1036012 1 0.2115 0.795 0.936 0.004 0.036 0.024
#> SRR1036019 2 0.1635 0.897 0.000 0.948 0.008 0.044
#> SRR1036020 2 0.1635 0.897 0.000 0.948 0.008 0.044
#> SRR1036021 2 0.1635 0.897 0.000 0.948 0.008 0.044
#> SRR1036022 2 0.1635 0.897 0.000 0.948 0.008 0.044
#> SRR1036023 2 0.1635 0.897 0.000 0.948 0.008 0.044
#> SRR1036024 4 0.5214 0.456 0.336 0.004 0.012 0.648
#> SRR1036025 4 0.5214 0.456 0.336 0.004 0.012 0.648
#> SRR1036026 4 0.5214 0.456 0.336 0.004 0.012 0.648
#> SRR1036027 4 0.5214 0.456 0.336 0.004 0.012 0.648
#> SRR1036028 4 0.5214 0.456 0.336 0.004 0.012 0.648
#> SRR1036029 4 0.5214 0.456 0.336 0.004 0.012 0.648
#> SRR1036030 2 0.3962 0.820 0.124 0.832 0.000 0.044
#> SRR1036031 2 0.3962 0.820 0.124 0.832 0.000 0.044
#> SRR1036032 2 0.3962 0.820 0.124 0.832 0.000 0.044
#> SRR1036033 2 0.3962 0.820 0.124 0.832 0.000 0.044
#> SRR1036034 2 0.3962 0.820 0.124 0.832 0.000 0.044
#> SRR1036035 2 0.3962 0.820 0.124 0.832 0.000 0.044
#> SRR1036036 2 0.3962 0.820 0.124 0.832 0.000 0.044
#> SRR1036037 2 0.3962 0.820 0.124 0.832 0.000 0.044
#> SRR1036038 1 0.6001 0.656 0.700 0.120 0.176 0.004
#> SRR1036039 1 0.6001 0.656 0.700 0.120 0.176 0.004
#> SRR1036040 1 0.6001 0.656 0.700 0.120 0.176 0.004
#> SRR1036041 1 0.0672 0.801 0.984 0.008 0.000 0.008
#> SRR1036042 3 0.5370 0.790 0.008 0.084 0.756 0.152
#> SRR1036043 3 0.5370 0.790 0.008 0.084 0.756 0.152
#> SRR1036044 3 0.5370 0.790 0.008 0.084 0.756 0.152
#> SRR1036045 3 0.5370 0.790 0.008 0.084 0.756 0.152
#> SRR1036046 3 0.5370 0.790 0.008 0.084 0.756 0.152
#> SRR1036047 3 0.5370 0.790 0.008 0.084 0.756 0.152
#> SRR1036048 3 0.5370 0.790 0.008 0.084 0.756 0.152
#> SRR1036049 3 0.5370 0.790 0.008 0.084 0.756 0.152
#> SRR1036050 1 0.0817 0.802 0.976 0.000 0.000 0.024
#> SRR1036051 1 0.0817 0.802 0.976 0.000 0.000 0.024
#> SRR1036052 1 0.0817 0.802 0.976 0.000 0.000 0.024
#> SRR1036053 1 0.0817 0.802 0.976 0.000 0.000 0.024
#> SRR1036054 1 0.0817 0.802 0.976 0.000 0.000 0.024
#> SRR1036055 1 0.5762 0.391 0.608 0.352 0.000 0.040
#> SRR1036056 1 0.5762 0.391 0.608 0.352 0.000 0.040
#> SRR1036057 1 0.5762 0.391 0.608 0.352 0.000 0.040
#> SRR1036058 4 0.3143 0.691 0.080 0.008 0.024 0.888
#> SRR1036059 4 0.3143 0.691 0.080 0.008 0.024 0.888
#> SRR1036060 4 0.3143 0.691 0.080 0.008 0.024 0.888
#> SRR1036061 4 0.3143 0.691 0.080 0.008 0.024 0.888
#> SRR1036062 4 0.3143 0.691 0.080 0.008 0.024 0.888
#> SRR1036063 4 0.3143 0.691 0.080 0.008 0.024 0.888
#> SRR1036064 4 0.3143 0.691 0.080 0.008 0.024 0.888
#> SRR1036065 4 0.3143 0.691 0.080 0.008 0.024 0.888
#> SRR1036066 1 0.2266 0.788 0.912 0.000 0.004 0.084
#> SRR1036067 1 0.2266 0.788 0.912 0.000 0.004 0.084
#> SRR1036068 1 0.2266 0.788 0.912 0.000 0.004 0.084
#> SRR1036069 1 0.2266 0.788 0.912 0.000 0.004 0.084
#> SRR1036070 1 0.2266 0.788 0.912 0.000 0.004 0.084
#> SRR1036071 1 0.2266 0.788 0.912 0.000 0.004 0.084
#> SRR1036072 1 0.2266 0.788 0.912 0.000 0.004 0.084
#> SRR1036073 1 0.2266 0.788 0.912 0.000 0.004 0.084
#> SRR1036074 4 0.6098 0.452 0.000 0.316 0.068 0.616
#> SRR1036075 4 0.6098 0.452 0.000 0.316 0.068 0.616
#> SRR1036076 4 0.6098 0.452 0.000 0.316 0.068 0.616
#> SRR1036077 4 0.6098 0.452 0.000 0.316 0.068 0.616
#> SRR1036078 4 0.6098 0.452 0.000 0.316 0.068 0.616
#> SRR1036079 4 0.6098 0.452 0.000 0.316 0.068 0.616
#> SRR1036080 4 0.6098 0.452 0.000 0.316 0.068 0.616
#> SRR1036081 4 0.6098 0.452 0.000 0.316 0.068 0.616
#> SRR1036082 4 0.2714 0.675 0.000 0.112 0.004 0.884
#> SRR1036083 4 0.2714 0.675 0.000 0.112 0.004 0.884
#> SRR1036084 4 0.2714 0.675 0.000 0.112 0.004 0.884
#> SRR1036090 2 0.0524 0.912 0.000 0.988 0.008 0.004
#> SRR1036091 2 0.0524 0.912 0.000 0.988 0.008 0.004
#> SRR1036092 2 0.0524 0.912 0.000 0.988 0.008 0.004
#> SRR1036093 2 0.0524 0.912 0.000 0.988 0.008 0.004
#> SRR1036094 2 0.0524 0.912 0.000 0.988 0.008 0.004
#> SRR1036085 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036095 1 0.5368 0.456 0.636 0.024 0.000 0.340
#> SRR1036096 1 0.5368 0.456 0.636 0.024 0.000 0.340
#> SRR1036097 1 0.5368 0.456 0.636 0.024 0.000 0.340
#> SRR1036098 1 0.5368 0.456 0.636 0.024 0.000 0.340
#> SRR1036099 1 0.5368 0.456 0.636 0.024 0.000 0.340
#> SRR1036100 2 0.3610 0.763 0.000 0.800 0.000 0.200
#> SRR1036101 2 0.3610 0.763 0.000 0.800 0.000 0.200
#> SRR1036102 2 0.3610 0.763 0.000 0.800 0.000 0.200
#> SRR1036103 2 0.3610 0.763 0.000 0.800 0.000 0.200
#> SRR1036104 2 0.3610 0.763 0.000 0.800 0.000 0.200
#> SRR1036105 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.909 0.000 0.000 1.000 0.000
#> SRR1036110 4 0.2704 0.665 0.000 0.000 0.124 0.876
#> SRR1036111 4 0.2704 0.665 0.000 0.000 0.124 0.876
#> SRR1036112 4 0.2704 0.665 0.000 0.000 0.124 0.876
#> SRR1036113 4 0.2704 0.665 0.000 0.000 0.124 0.876
#> SRR1036114 4 0.2704 0.665 0.000 0.000 0.124 0.876
#> SRR1036115 1 0.2704 0.767 0.876 0.000 0.000 0.124
#> SRR1036116 1 0.2704 0.767 0.876 0.000 0.000 0.124
#> SRR1036117 1 0.2704 0.767 0.876 0.000 0.000 0.124
#> SRR1036118 1 0.2704 0.767 0.876 0.000 0.000 0.124
#> SRR1036119 1 0.2704 0.767 0.876 0.000 0.000 0.124
#> SRR1036120 1 0.6121 0.503 0.624 0.004 0.312 0.060
#> SRR1036121 1 0.6121 0.503 0.624 0.004 0.312 0.060
#> SRR1036122 1 0.6121 0.503 0.624 0.004 0.312 0.060
#> SRR1036123 1 0.6121 0.503 0.624 0.004 0.312 0.060
#> SRR1036124 1 0.6121 0.503 0.624 0.004 0.312 0.060
#> SRR1036125 1 0.2363 0.801 0.920 0.000 0.056 0.024
#> SRR1036126 1 0.2363 0.801 0.920 0.000 0.056 0.024
#> SRR1036127 1 0.2363 0.801 0.920 0.000 0.056 0.024
#> SRR1036128 1 0.2363 0.801 0.920 0.000 0.056 0.024
#> SRR1036129 1 0.2363 0.801 0.920 0.000 0.056 0.024
#> SRR1036130 1 0.2363 0.801 0.920 0.000 0.056 0.024
#> SRR1036131 1 0.2363 0.801 0.920 0.000 0.056 0.024
#> SRR1036132 1 0.2363 0.801 0.920 0.000 0.056 0.024
#> SRR1036133 2 0.0188 0.911 0.000 0.996 0.000 0.004
#> SRR1036134 2 0.0188 0.911 0.000 0.996 0.000 0.004
#> SRR1036135 2 0.0188 0.911 0.000 0.996 0.000 0.004
#> SRR1036136 2 0.0188 0.911 0.000 0.996 0.000 0.004
#> SRR1036137 2 0.0188 0.911 0.000 0.996 0.000 0.004
#> SRR1036138 2 0.0336 0.913 0.000 0.992 0.008 0.000
#> SRR1036139 2 0.0336 0.913 0.000 0.992 0.008 0.000
#> SRR1036140 2 0.0336 0.913 0.000 0.992 0.008 0.000
#> SRR1036141 2 0.0336 0.913 0.000 0.992 0.008 0.000
#> SRR1036142 2 0.0336 0.913 0.000 0.992 0.008 0.000
#> SRR1036143 2 0.0336 0.913 0.000 0.992 0.008 0.000
#> SRR1036144 2 0.0336 0.913 0.000 0.992 0.008 0.000
#> SRR1036145 2 0.0336 0.913 0.000 0.992 0.008 0.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.4091 0.767 0.000 0.020 0.804 0.044 0.132
#> SRR1036003 3 0.4091 0.767 0.000 0.020 0.804 0.044 0.132
#> SRR1036004 3 0.4091 0.767 0.000 0.020 0.804 0.044 0.132
#> SRR1036005 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 4 0.7505 0.283 0.048 0.000 0.364 0.380 0.208
#> SRR1036014 4 0.7505 0.283 0.048 0.000 0.364 0.380 0.208
#> SRR1036015 4 0.7505 0.283 0.048 0.000 0.364 0.380 0.208
#> SRR1036016 4 0.7505 0.283 0.048 0.000 0.364 0.380 0.208
#> SRR1036017 4 0.7505 0.283 0.048 0.000 0.364 0.380 0.208
#> SRR1036018 4 0.7505 0.283 0.048 0.000 0.364 0.380 0.208
#> SRR1036010 1 0.2899 0.710 0.872 0.000 0.020 0.008 0.100
#> SRR1036011 1 0.2899 0.710 0.872 0.000 0.020 0.008 0.100
#> SRR1036012 1 0.2899 0.710 0.872 0.000 0.020 0.008 0.100
#> SRR1036019 2 0.4517 0.726 0.012 0.776 0.004 0.064 0.144
#> SRR1036020 2 0.4517 0.726 0.012 0.776 0.004 0.064 0.144
#> SRR1036021 2 0.4517 0.726 0.012 0.776 0.004 0.064 0.144
#> SRR1036022 2 0.4517 0.726 0.012 0.776 0.004 0.064 0.144
#> SRR1036023 2 0.4517 0.726 0.012 0.776 0.004 0.064 0.144
#> SRR1036024 4 0.6678 0.407 0.236 0.004 0.004 0.508 0.248
#> SRR1036025 4 0.6678 0.407 0.236 0.004 0.004 0.508 0.248
#> SRR1036026 4 0.6678 0.407 0.236 0.004 0.004 0.508 0.248
#> SRR1036027 4 0.6678 0.407 0.236 0.004 0.004 0.508 0.248
#> SRR1036028 4 0.6678 0.407 0.236 0.004 0.004 0.508 0.248
#> SRR1036029 4 0.6678 0.407 0.236 0.004 0.004 0.508 0.248
#> SRR1036030 2 0.4618 0.774 0.048 0.748 0.000 0.016 0.188
#> SRR1036031 2 0.4618 0.774 0.048 0.748 0.000 0.016 0.188
#> SRR1036032 2 0.4618 0.774 0.048 0.748 0.000 0.016 0.188
#> SRR1036033 2 0.4618 0.774 0.048 0.748 0.000 0.016 0.188
#> SRR1036034 2 0.4618 0.774 0.048 0.748 0.000 0.016 0.188
#> SRR1036035 2 0.4618 0.774 0.048 0.748 0.000 0.016 0.188
#> SRR1036036 2 0.4618 0.774 0.048 0.748 0.000 0.016 0.188
#> SRR1036037 2 0.4618 0.774 0.048 0.748 0.000 0.016 0.188
#> SRR1036038 1 0.6115 0.615 0.672 0.076 0.136 0.000 0.116
#> SRR1036039 1 0.6115 0.615 0.672 0.076 0.136 0.000 0.116
#> SRR1036040 1 0.6115 0.615 0.672 0.076 0.136 0.000 0.116
#> SRR1036041 1 0.1682 0.716 0.940 0.012 0.000 0.004 0.044
#> SRR1036042 3 0.7196 0.609 0.000 0.068 0.536 0.204 0.192
#> SRR1036043 3 0.7196 0.609 0.000 0.068 0.536 0.204 0.192
#> SRR1036044 3 0.7196 0.609 0.000 0.068 0.536 0.204 0.192
#> SRR1036045 3 0.7196 0.609 0.000 0.068 0.536 0.204 0.192
#> SRR1036046 3 0.7196 0.609 0.000 0.068 0.536 0.204 0.192
#> SRR1036047 3 0.7196 0.609 0.000 0.068 0.536 0.204 0.192
#> SRR1036048 3 0.7196 0.609 0.000 0.068 0.536 0.204 0.192
#> SRR1036049 3 0.7196 0.609 0.000 0.068 0.536 0.204 0.192
#> SRR1036050 1 0.1857 0.715 0.928 0.004 0.000 0.008 0.060
#> SRR1036051 1 0.1857 0.715 0.928 0.004 0.000 0.008 0.060
#> SRR1036052 1 0.1857 0.715 0.928 0.004 0.000 0.008 0.060
#> SRR1036053 1 0.1857 0.715 0.928 0.004 0.000 0.008 0.060
#> SRR1036054 1 0.1857 0.715 0.928 0.004 0.000 0.008 0.060
#> SRR1036055 1 0.6194 0.371 0.576 0.288 0.000 0.016 0.120
#> SRR1036056 1 0.6194 0.371 0.576 0.288 0.000 0.016 0.120
#> SRR1036057 1 0.6194 0.371 0.576 0.288 0.000 0.016 0.120
#> SRR1036058 4 0.4600 0.584 0.044 0.000 0.008 0.728 0.220
#> SRR1036059 4 0.4600 0.584 0.044 0.000 0.008 0.728 0.220
#> SRR1036060 4 0.4600 0.584 0.044 0.000 0.008 0.728 0.220
#> SRR1036061 4 0.4600 0.584 0.044 0.000 0.008 0.728 0.220
#> SRR1036062 4 0.4600 0.584 0.044 0.000 0.008 0.728 0.220
#> SRR1036063 4 0.4600 0.584 0.044 0.000 0.008 0.728 0.220
#> SRR1036064 4 0.4600 0.584 0.044 0.000 0.008 0.728 0.220
#> SRR1036065 4 0.4600 0.584 0.044 0.000 0.008 0.728 0.220
#> SRR1036066 1 0.4612 0.600 0.736 0.000 0.000 0.084 0.180
#> SRR1036067 1 0.4612 0.600 0.736 0.000 0.000 0.084 0.180
#> SRR1036068 1 0.4612 0.600 0.736 0.000 0.000 0.084 0.180
#> SRR1036069 1 0.4612 0.600 0.736 0.000 0.000 0.084 0.180
#> SRR1036070 1 0.4612 0.600 0.736 0.000 0.000 0.084 0.180
#> SRR1036071 1 0.4612 0.600 0.736 0.000 0.000 0.084 0.180
#> SRR1036072 1 0.4612 0.600 0.736 0.000 0.000 0.084 0.180
#> SRR1036073 1 0.4612 0.600 0.736 0.000 0.000 0.084 0.180
#> SRR1036074 4 0.6364 0.436 0.012 0.112 0.008 0.560 0.308
#> SRR1036075 4 0.6364 0.436 0.012 0.112 0.008 0.560 0.308
#> SRR1036076 4 0.6364 0.436 0.012 0.112 0.008 0.560 0.308
#> SRR1036077 4 0.6364 0.436 0.012 0.112 0.008 0.560 0.308
#> SRR1036078 4 0.6364 0.436 0.012 0.112 0.008 0.560 0.308
#> SRR1036079 4 0.6364 0.436 0.012 0.112 0.008 0.560 0.308
#> SRR1036080 4 0.6364 0.436 0.012 0.112 0.008 0.560 0.308
#> SRR1036081 4 0.6364 0.436 0.012 0.112 0.008 0.560 0.308
#> SRR1036082 4 0.4621 0.542 0.012 0.024 0.004 0.720 0.240
#> SRR1036083 4 0.4621 0.542 0.012 0.024 0.004 0.720 0.240
#> SRR1036084 4 0.4621 0.542 0.012 0.024 0.004 0.720 0.240
#> SRR1036090 2 0.1704 0.808 0.000 0.928 0.004 0.000 0.068
#> SRR1036091 2 0.1704 0.808 0.000 0.928 0.004 0.000 0.068
#> SRR1036092 2 0.1704 0.808 0.000 0.928 0.004 0.000 0.068
#> SRR1036093 2 0.1704 0.808 0.000 0.928 0.004 0.000 0.068
#> SRR1036094 2 0.1704 0.808 0.000 0.928 0.004 0.000 0.068
#> SRR1036085 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 1 0.6776 0.398 0.516 0.020 0.000 0.192 0.272
#> SRR1036096 1 0.6776 0.398 0.516 0.020 0.000 0.192 0.272
#> SRR1036097 1 0.6776 0.398 0.516 0.020 0.000 0.192 0.272
#> SRR1036098 1 0.6776 0.398 0.516 0.020 0.000 0.192 0.272
#> SRR1036099 1 0.6776 0.398 0.516 0.020 0.000 0.192 0.272
#> SRR1036100 2 0.6279 0.525 0.000 0.504 0.000 0.168 0.328
#> SRR1036101 2 0.6279 0.525 0.000 0.504 0.000 0.168 0.328
#> SRR1036102 2 0.6279 0.525 0.000 0.504 0.000 0.168 0.328
#> SRR1036103 2 0.6279 0.525 0.000 0.504 0.000 0.168 0.328
#> SRR1036104 2 0.6279 0.525 0.000 0.504 0.000 0.168 0.328
#> SRR1036105 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 0.824 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.1626 0.592 0.000 0.000 0.044 0.940 0.016
#> SRR1036111 4 0.1626 0.592 0.000 0.000 0.044 0.940 0.016
#> SRR1036112 4 0.1626 0.592 0.000 0.000 0.044 0.940 0.016
#> SRR1036113 4 0.1626 0.592 0.000 0.000 0.044 0.940 0.016
#> SRR1036114 4 0.1626 0.592 0.000 0.000 0.044 0.940 0.016
#> SRR1036115 1 0.4847 0.624 0.720 0.004 0.000 0.080 0.196
#> SRR1036116 1 0.4847 0.624 0.720 0.004 0.000 0.080 0.196
#> SRR1036117 1 0.4847 0.624 0.720 0.004 0.000 0.080 0.196
#> SRR1036118 1 0.4847 0.624 0.720 0.004 0.000 0.080 0.196
#> SRR1036119 1 0.4847 0.624 0.720 0.004 0.000 0.080 0.196
#> SRR1036120 1 0.6736 0.363 0.520 0.008 0.316 0.016 0.140
#> SRR1036121 1 0.6736 0.363 0.520 0.008 0.316 0.016 0.140
#> SRR1036122 1 0.6736 0.363 0.520 0.008 0.316 0.016 0.140
#> SRR1036123 1 0.6736 0.363 0.520 0.008 0.316 0.016 0.140
#> SRR1036124 1 0.6736 0.363 0.520 0.008 0.316 0.016 0.140
#> SRR1036125 1 0.3115 0.711 0.876 0.000 0.048 0.020 0.056
#> SRR1036126 1 0.3115 0.711 0.876 0.000 0.048 0.020 0.056
#> SRR1036127 1 0.3115 0.711 0.876 0.000 0.048 0.020 0.056
#> SRR1036128 1 0.3115 0.711 0.876 0.000 0.048 0.020 0.056
#> SRR1036129 1 0.3115 0.711 0.876 0.000 0.048 0.020 0.056
#> SRR1036130 1 0.3115 0.711 0.876 0.000 0.048 0.020 0.056
#> SRR1036131 1 0.3115 0.711 0.876 0.000 0.048 0.020 0.056
#> SRR1036132 1 0.3115 0.711 0.876 0.000 0.048 0.020 0.056
#> SRR1036133 2 0.2338 0.818 0.000 0.884 0.000 0.004 0.112
#> SRR1036134 2 0.2338 0.818 0.000 0.884 0.000 0.004 0.112
#> SRR1036135 2 0.2338 0.818 0.000 0.884 0.000 0.004 0.112
#> SRR1036136 2 0.2338 0.818 0.000 0.884 0.000 0.004 0.112
#> SRR1036137 2 0.2338 0.818 0.000 0.884 0.000 0.004 0.112
#> SRR1036138 2 0.0162 0.824 0.000 0.996 0.004 0.000 0.000
#> SRR1036139 2 0.0162 0.824 0.000 0.996 0.004 0.000 0.000
#> SRR1036140 2 0.0162 0.824 0.000 0.996 0.004 0.000 0.000
#> SRR1036141 2 0.0162 0.824 0.000 0.996 0.004 0.000 0.000
#> SRR1036142 2 0.0162 0.824 0.000 0.996 0.004 0.000 0.000
#> SRR1036143 2 0.0162 0.824 0.000 0.996 0.004 0.000 0.000
#> SRR1036144 2 0.0162 0.824 0.000 0.996 0.004 0.000 0.000
#> SRR1036145 2 0.0162 0.824 0.000 0.996 0.004 0.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.6595 0.6127 0.008 0.020 0.604 0.100 0.100 0.168
#> SRR1036003 3 0.6595 0.6127 0.008 0.020 0.604 0.100 0.100 0.168
#> SRR1036004 3 0.6595 0.6127 0.008 0.020 0.604 0.100 0.100 0.168
#> SRR1036005 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 4 0.7612 0.4537 0.184 0.000 0.256 0.436 0.048 0.076
#> SRR1036014 4 0.7612 0.4537 0.184 0.000 0.256 0.436 0.048 0.076
#> SRR1036015 4 0.7612 0.4537 0.184 0.000 0.256 0.436 0.048 0.076
#> SRR1036016 4 0.7612 0.4537 0.184 0.000 0.256 0.436 0.048 0.076
#> SRR1036017 4 0.7612 0.4537 0.184 0.000 0.256 0.436 0.048 0.076
#> SRR1036018 4 0.7612 0.4537 0.184 0.000 0.256 0.436 0.048 0.076
#> SRR1036010 6 0.4945 0.2230 0.412 0.000 0.004 0.056 0.000 0.528
#> SRR1036011 6 0.4945 0.2230 0.412 0.000 0.004 0.056 0.000 0.528
#> SRR1036012 6 0.4945 0.2230 0.412 0.000 0.004 0.056 0.000 0.528
#> SRR1036019 2 0.5262 0.5695 0.012 0.668 0.000 0.048 0.228 0.044
#> SRR1036020 2 0.5262 0.5695 0.012 0.668 0.000 0.048 0.228 0.044
#> SRR1036021 2 0.5262 0.5695 0.012 0.668 0.000 0.048 0.228 0.044
#> SRR1036022 2 0.5262 0.5695 0.012 0.668 0.000 0.048 0.228 0.044
#> SRR1036023 2 0.5262 0.5695 0.012 0.668 0.000 0.048 0.228 0.044
#> SRR1036024 1 0.5950 0.0418 0.576 0.000 0.000 0.268 0.064 0.092
#> SRR1036025 1 0.5950 0.0418 0.576 0.000 0.000 0.268 0.064 0.092
#> SRR1036026 1 0.5950 0.0418 0.576 0.000 0.000 0.268 0.064 0.092
#> SRR1036027 1 0.5950 0.0418 0.576 0.000 0.000 0.268 0.064 0.092
#> SRR1036028 1 0.5950 0.0418 0.576 0.000 0.000 0.268 0.064 0.092
#> SRR1036029 1 0.5950 0.0418 0.576 0.000 0.000 0.268 0.064 0.092
#> SRR1036030 2 0.5026 0.7016 0.016 0.684 0.000 0.028 0.044 0.228
#> SRR1036031 2 0.5026 0.7016 0.016 0.684 0.000 0.028 0.044 0.228
#> SRR1036032 2 0.5026 0.7016 0.016 0.684 0.000 0.028 0.044 0.228
#> SRR1036033 2 0.5026 0.7016 0.016 0.684 0.000 0.028 0.044 0.228
#> SRR1036034 2 0.5026 0.7016 0.016 0.684 0.000 0.028 0.044 0.228
#> SRR1036035 2 0.5026 0.7016 0.016 0.684 0.000 0.028 0.044 0.228
#> SRR1036036 2 0.5026 0.7016 0.016 0.684 0.000 0.028 0.044 0.228
#> SRR1036037 2 0.5026 0.7016 0.016 0.684 0.000 0.028 0.044 0.228
#> SRR1036038 6 0.6712 0.3548 0.284 0.056 0.108 0.012 0.012 0.528
#> SRR1036039 6 0.6712 0.3548 0.284 0.056 0.108 0.012 0.012 0.528
#> SRR1036040 6 0.6712 0.3548 0.284 0.056 0.108 0.012 0.012 0.528
#> SRR1036041 1 0.4429 0.0035 0.548 0.000 0.000 0.028 0.000 0.424
#> SRR1036042 3 0.8618 0.4235 0.012 0.068 0.320 0.140 0.272 0.188
#> SRR1036043 3 0.8618 0.4235 0.012 0.068 0.320 0.140 0.272 0.188
#> SRR1036044 3 0.8618 0.4235 0.012 0.068 0.320 0.140 0.272 0.188
#> SRR1036045 3 0.8618 0.4235 0.012 0.068 0.320 0.140 0.272 0.188
#> SRR1036046 3 0.8618 0.4235 0.012 0.068 0.320 0.140 0.272 0.188
#> SRR1036047 3 0.8618 0.4235 0.012 0.068 0.320 0.140 0.272 0.188
#> SRR1036048 3 0.8618 0.4235 0.012 0.068 0.320 0.140 0.272 0.188
#> SRR1036049 3 0.8618 0.4235 0.012 0.068 0.320 0.140 0.272 0.188
#> SRR1036050 1 0.5356 -0.1399 0.504 0.000 0.000 0.068 0.016 0.412
#> SRR1036051 1 0.5356 -0.1399 0.504 0.000 0.000 0.068 0.016 0.412
#> SRR1036052 1 0.5356 -0.1399 0.504 0.000 0.000 0.068 0.016 0.412
#> SRR1036053 1 0.5356 -0.1399 0.504 0.000 0.000 0.068 0.016 0.412
#> SRR1036054 1 0.5356 -0.1399 0.504 0.000 0.000 0.068 0.016 0.412
#> SRR1036055 6 0.6911 0.3596 0.236 0.240 0.000 0.024 0.032 0.468
#> SRR1036056 6 0.6911 0.3596 0.236 0.240 0.000 0.024 0.032 0.468
#> SRR1036057 6 0.6911 0.3596 0.236 0.240 0.000 0.024 0.032 0.468
#> SRR1036058 4 0.3973 0.4868 0.036 0.000 0.004 0.728 0.232 0.000
#> SRR1036059 4 0.3973 0.4868 0.036 0.000 0.004 0.728 0.232 0.000
#> SRR1036060 4 0.3973 0.4868 0.036 0.000 0.004 0.728 0.232 0.000
#> SRR1036061 4 0.3973 0.4868 0.036 0.000 0.004 0.728 0.232 0.000
#> SRR1036062 4 0.3973 0.4868 0.036 0.000 0.004 0.728 0.232 0.000
#> SRR1036063 4 0.3973 0.4868 0.036 0.000 0.004 0.728 0.232 0.000
#> SRR1036064 4 0.3973 0.4868 0.036 0.000 0.004 0.728 0.232 0.000
#> SRR1036065 4 0.3973 0.4868 0.036 0.000 0.004 0.728 0.232 0.000
#> SRR1036066 1 0.0458 0.3805 0.984 0.000 0.000 0.016 0.000 0.000
#> SRR1036067 1 0.0458 0.3805 0.984 0.000 0.000 0.016 0.000 0.000
#> SRR1036068 1 0.0458 0.3805 0.984 0.000 0.000 0.016 0.000 0.000
#> SRR1036069 1 0.0458 0.3805 0.984 0.000 0.000 0.016 0.000 0.000
#> SRR1036070 1 0.0458 0.3805 0.984 0.000 0.000 0.016 0.000 0.000
#> SRR1036071 1 0.0458 0.3805 0.984 0.000 0.000 0.016 0.000 0.000
#> SRR1036072 1 0.0458 0.3805 0.984 0.000 0.000 0.016 0.000 0.000
#> SRR1036073 1 0.0458 0.3805 0.984 0.000 0.000 0.016 0.000 0.000
#> SRR1036074 5 0.1307 0.6544 0.008 0.032 0.008 0.000 0.952 0.000
#> SRR1036075 5 0.1307 0.6544 0.008 0.032 0.008 0.000 0.952 0.000
#> SRR1036076 5 0.1307 0.6544 0.008 0.032 0.008 0.000 0.952 0.000
#> SRR1036077 5 0.1307 0.6544 0.008 0.032 0.008 0.000 0.952 0.000
#> SRR1036078 5 0.1307 0.6544 0.008 0.032 0.008 0.000 0.952 0.000
#> SRR1036079 5 0.1307 0.6544 0.008 0.032 0.008 0.000 0.952 0.000
#> SRR1036080 5 0.1307 0.6544 0.008 0.032 0.008 0.000 0.952 0.000
#> SRR1036081 5 0.1307 0.6544 0.008 0.032 0.008 0.000 0.952 0.000
#> SRR1036082 5 0.3826 0.5585 0.004 0.016 0.000 0.156 0.788 0.036
#> SRR1036083 5 0.3826 0.5585 0.004 0.016 0.000 0.156 0.788 0.036
#> SRR1036084 5 0.3826 0.5585 0.004 0.016 0.000 0.156 0.788 0.036
#> SRR1036090 2 0.3654 0.7308 0.008 0.828 0.000 0.048 0.028 0.088
#> SRR1036091 2 0.3654 0.7308 0.008 0.828 0.000 0.048 0.028 0.088
#> SRR1036092 2 0.3654 0.7308 0.008 0.828 0.000 0.048 0.028 0.088
#> SRR1036093 2 0.3654 0.7308 0.008 0.828 0.000 0.048 0.028 0.088
#> SRR1036094 2 0.3654 0.7308 0.008 0.828 0.000 0.048 0.028 0.088
#> SRR1036085 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 4 0.5693 -0.0287 0.132 0.004 0.000 0.516 0.004 0.344
#> SRR1036096 4 0.5693 -0.0287 0.132 0.004 0.000 0.516 0.004 0.344
#> SRR1036097 4 0.5693 -0.0287 0.132 0.004 0.000 0.516 0.004 0.344
#> SRR1036098 4 0.5693 -0.0287 0.132 0.004 0.000 0.516 0.004 0.344
#> SRR1036099 4 0.5693 -0.0287 0.132 0.004 0.000 0.516 0.004 0.344
#> SRR1036100 5 0.5857 0.1746 0.000 0.352 0.000 0.032 0.516 0.100
#> SRR1036101 5 0.5857 0.1746 0.000 0.352 0.000 0.032 0.516 0.100
#> SRR1036102 5 0.5857 0.1746 0.000 0.352 0.000 0.032 0.516 0.100
#> SRR1036103 5 0.5857 0.1746 0.000 0.352 0.000 0.032 0.516 0.100
#> SRR1036104 5 0.5857 0.1746 0.000 0.352 0.000 0.032 0.516 0.100
#> SRR1036105 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 0.7261 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 5 0.5240 0.2093 0.004 0.000 0.032 0.424 0.512 0.028
#> SRR1036111 5 0.5240 0.2093 0.004 0.000 0.032 0.424 0.512 0.028
#> SRR1036112 5 0.5240 0.2093 0.004 0.000 0.032 0.424 0.512 0.028
#> SRR1036113 5 0.5240 0.2093 0.004 0.000 0.032 0.424 0.512 0.028
#> SRR1036114 5 0.5240 0.2093 0.004 0.000 0.032 0.424 0.512 0.028
#> SRR1036115 6 0.6024 0.4090 0.248 0.000 0.000 0.348 0.000 0.404
#> SRR1036116 6 0.6024 0.4090 0.248 0.000 0.000 0.348 0.000 0.404
#> SRR1036117 6 0.6024 0.4090 0.248 0.000 0.000 0.348 0.000 0.404
#> SRR1036118 6 0.6024 0.4090 0.248 0.000 0.000 0.348 0.000 0.404
#> SRR1036119 6 0.6024 0.4090 0.248 0.000 0.000 0.348 0.000 0.404
#> SRR1036120 1 0.7549 0.0475 0.412 0.000 0.164 0.100 0.028 0.296
#> SRR1036121 1 0.7549 0.0475 0.412 0.000 0.164 0.100 0.028 0.296
#> SRR1036122 1 0.7549 0.0475 0.412 0.000 0.164 0.100 0.028 0.296
#> SRR1036123 1 0.7549 0.0475 0.412 0.000 0.164 0.100 0.028 0.296
#> SRR1036124 1 0.7549 0.0475 0.412 0.000 0.164 0.100 0.028 0.296
#> SRR1036125 1 0.5131 0.0733 0.524 0.000 0.064 0.008 0.000 0.404
#> SRR1036126 1 0.5131 0.0733 0.524 0.000 0.064 0.008 0.000 0.404
#> SRR1036127 1 0.5131 0.0733 0.524 0.000 0.064 0.008 0.000 0.404
#> SRR1036128 1 0.5131 0.0733 0.524 0.000 0.064 0.008 0.000 0.404
#> SRR1036129 1 0.5131 0.0733 0.524 0.000 0.064 0.008 0.000 0.404
#> SRR1036130 1 0.5131 0.0733 0.524 0.000 0.064 0.008 0.000 0.404
#> SRR1036131 1 0.5131 0.0733 0.524 0.000 0.064 0.008 0.000 0.404
#> SRR1036132 1 0.5131 0.0733 0.524 0.000 0.064 0.008 0.000 0.404
#> SRR1036133 2 0.2878 0.7746 0.000 0.860 0.000 0.016 0.024 0.100
#> SRR1036134 2 0.2878 0.7746 0.000 0.860 0.000 0.016 0.024 0.100
#> SRR1036135 2 0.2878 0.7746 0.000 0.860 0.000 0.016 0.024 0.100
#> SRR1036136 2 0.2878 0.7746 0.000 0.860 0.000 0.016 0.024 0.100
#> SRR1036137 2 0.2878 0.7746 0.000 0.860 0.000 0.016 0.024 0.100
#> SRR1036138 2 0.0458 0.7905 0.000 0.984 0.000 0.000 0.016 0.000
#> SRR1036139 2 0.0458 0.7905 0.000 0.984 0.000 0.000 0.016 0.000
#> SRR1036140 2 0.0458 0.7905 0.000 0.984 0.000 0.000 0.016 0.000
#> SRR1036141 2 0.0458 0.7905 0.000 0.984 0.000 0.000 0.016 0.000
#> SRR1036142 2 0.0458 0.7905 0.000 0.984 0.000 0.000 0.016 0.000
#> SRR1036143 2 0.0458 0.7905 0.000 0.984 0.000 0.000 0.016 0.000
#> SRR1036144 2 0.0458 0.7905 0.000 0.984 0.000 0.000 0.016 0.000
#> SRR1036145 2 0.0458 0.7905 0.000 0.984 0.000 0.000 0.016 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["SD", "pam"]
# you can also extract it by
# res = res_list["SD:pam"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'SD' method.
#> Subgroups are detected by 'pam' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 5.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.557 0.957 0.964 0.2088 0.812 0.812
#> 3 3 0.602 0.702 0.804 1.2902 0.686 0.614
#> 4 4 0.615 0.832 0.861 0.3169 0.733 0.511
#> 5 5 0.688 0.865 0.867 0.0942 0.937 0.808
#> 6 6 0.768 0.872 0.873 0.0566 0.975 0.906
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 5
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.689 0.829 0.184 0.816
#> SRR1036003 2 0.680 0.832 0.180 0.820
#> SRR1036004 2 0.662 0.841 0.172 0.828
#> SRR1036005 1 0.469 1.000 0.900 0.100
#> SRR1036006 1 0.469 1.000 0.900 0.100
#> SRR1036007 1 0.469 1.000 0.900 0.100
#> SRR1036008 1 0.469 1.000 0.900 0.100
#> SRR1036009 1 0.469 1.000 0.900 0.100
#> SRR1036013 2 0.000 0.969 0.000 1.000
#> SRR1036014 2 0.000 0.969 0.000 1.000
#> SRR1036015 2 0.000 0.969 0.000 1.000
#> SRR1036016 2 0.000 0.969 0.000 1.000
#> SRR1036017 2 0.000 0.969 0.000 1.000
#> SRR1036018 2 0.000 0.969 0.000 1.000
#> SRR1036010 2 0.000 0.969 0.000 1.000
#> SRR1036011 2 0.000 0.969 0.000 1.000
#> SRR1036012 2 0.000 0.969 0.000 1.000
#> SRR1036019 2 0.469 0.913 0.100 0.900
#> SRR1036020 2 0.469 0.913 0.100 0.900
#> SRR1036021 2 0.469 0.913 0.100 0.900
#> SRR1036022 2 0.469 0.913 0.100 0.900
#> SRR1036023 2 0.469 0.913 0.100 0.900
#> SRR1036024 2 0.000 0.969 0.000 1.000
#> SRR1036025 2 0.000 0.969 0.000 1.000
#> SRR1036026 2 0.000 0.969 0.000 1.000
#> SRR1036027 2 0.000 0.969 0.000 1.000
#> SRR1036028 2 0.000 0.969 0.000 1.000
#> SRR1036029 2 0.000 0.969 0.000 1.000
#> SRR1036030 2 0.469 0.913 0.100 0.900
#> SRR1036031 2 0.469 0.913 0.100 0.900
#> SRR1036032 2 0.469 0.913 0.100 0.900
#> SRR1036033 2 0.469 0.913 0.100 0.900
#> SRR1036034 2 0.469 0.913 0.100 0.900
#> SRR1036035 2 0.469 0.913 0.100 0.900
#> SRR1036036 2 0.469 0.913 0.100 0.900
#> SRR1036037 2 0.469 0.913 0.100 0.900
#> SRR1036038 2 0.000 0.969 0.000 1.000
#> SRR1036039 2 0.000 0.969 0.000 1.000
#> SRR1036040 2 0.000 0.969 0.000 1.000
#> SRR1036041 2 0.000 0.969 0.000 1.000
#> SRR1036042 2 0.000 0.969 0.000 1.000
#> SRR1036043 2 0.000 0.969 0.000 1.000
#> SRR1036044 2 0.000 0.969 0.000 1.000
#> SRR1036045 2 0.000 0.969 0.000 1.000
#> SRR1036046 2 0.000 0.969 0.000 1.000
#> SRR1036047 2 0.000 0.969 0.000 1.000
#> SRR1036048 2 0.000 0.969 0.000 1.000
#> SRR1036049 2 0.000 0.969 0.000 1.000
#> SRR1036050 2 0.000 0.969 0.000 1.000
#> SRR1036051 2 0.000 0.969 0.000 1.000
#> SRR1036052 2 0.000 0.969 0.000 1.000
#> SRR1036053 2 0.000 0.969 0.000 1.000
#> SRR1036054 2 0.000 0.969 0.000 1.000
#> SRR1036055 2 0.000 0.969 0.000 1.000
#> SRR1036056 2 0.000 0.969 0.000 1.000
#> SRR1036057 2 0.000 0.969 0.000 1.000
#> SRR1036058 2 0.000 0.969 0.000 1.000
#> SRR1036059 2 0.000 0.969 0.000 1.000
#> SRR1036060 2 0.000 0.969 0.000 1.000
#> SRR1036061 2 0.000 0.969 0.000 1.000
#> SRR1036062 2 0.000 0.969 0.000 1.000
#> SRR1036063 2 0.000 0.969 0.000 1.000
#> SRR1036064 2 0.000 0.969 0.000 1.000
#> SRR1036065 2 0.000 0.969 0.000 1.000
#> SRR1036066 2 0.000 0.969 0.000 1.000
#> SRR1036067 2 0.000 0.969 0.000 1.000
#> SRR1036068 2 0.000 0.969 0.000 1.000
#> SRR1036069 2 0.000 0.969 0.000 1.000
#> SRR1036070 2 0.000 0.969 0.000 1.000
#> SRR1036071 2 0.000 0.969 0.000 1.000
#> SRR1036072 2 0.000 0.969 0.000 1.000
#> SRR1036073 2 0.000 0.969 0.000 1.000
#> SRR1036074 2 0.000 0.969 0.000 1.000
#> SRR1036075 2 0.000 0.969 0.000 1.000
#> SRR1036076 2 0.000 0.969 0.000 1.000
#> SRR1036077 2 0.000 0.969 0.000 1.000
#> SRR1036078 2 0.000 0.969 0.000 1.000
#> SRR1036079 2 0.000 0.969 0.000 1.000
#> SRR1036080 2 0.000 0.969 0.000 1.000
#> SRR1036081 2 0.000 0.969 0.000 1.000
#> SRR1036082 2 0.000 0.969 0.000 1.000
#> SRR1036083 2 0.000 0.969 0.000 1.000
#> SRR1036084 2 0.000 0.969 0.000 1.000
#> SRR1036090 2 0.469 0.913 0.100 0.900
#> SRR1036091 2 0.469 0.913 0.100 0.900
#> SRR1036092 2 0.469 0.913 0.100 0.900
#> SRR1036093 2 0.469 0.913 0.100 0.900
#> SRR1036094 2 0.469 0.913 0.100 0.900
#> SRR1036085 1 0.469 1.000 0.900 0.100
#> SRR1036086 1 0.469 1.000 0.900 0.100
#> SRR1036087 1 0.469 1.000 0.900 0.100
#> SRR1036088 1 0.469 1.000 0.900 0.100
#> SRR1036089 1 0.469 1.000 0.900 0.100
#> SRR1036095 2 0.000 0.969 0.000 1.000
#> SRR1036096 2 0.000 0.969 0.000 1.000
#> SRR1036097 2 0.000 0.969 0.000 1.000
#> SRR1036098 2 0.000 0.969 0.000 1.000
#> SRR1036099 2 0.000 0.969 0.000 1.000
#> SRR1036100 2 0.000 0.969 0.000 1.000
#> SRR1036101 2 0.000 0.969 0.000 1.000
#> SRR1036102 2 0.000 0.969 0.000 1.000
#> SRR1036103 2 0.000 0.969 0.000 1.000
#> SRR1036104 2 0.000 0.969 0.000 1.000
#> SRR1036105 1 0.469 1.000 0.900 0.100
#> SRR1036106 1 0.469 1.000 0.900 0.100
#> SRR1036107 1 0.469 1.000 0.900 0.100
#> SRR1036108 1 0.469 1.000 0.900 0.100
#> SRR1036109 1 0.469 1.000 0.900 0.100
#> SRR1036110 2 0.000 0.969 0.000 1.000
#> SRR1036111 2 0.000 0.969 0.000 1.000
#> SRR1036112 2 0.000 0.969 0.000 1.000
#> SRR1036113 2 0.000 0.969 0.000 1.000
#> SRR1036114 2 0.000 0.969 0.000 1.000
#> SRR1036115 2 0.000 0.969 0.000 1.000
#> SRR1036116 2 0.000 0.969 0.000 1.000
#> SRR1036117 2 0.000 0.969 0.000 1.000
#> SRR1036118 2 0.000 0.969 0.000 1.000
#> SRR1036119 2 0.000 0.969 0.000 1.000
#> SRR1036120 2 0.000 0.969 0.000 1.000
#> SRR1036121 2 0.000 0.969 0.000 1.000
#> SRR1036122 2 0.000 0.969 0.000 1.000
#> SRR1036123 2 0.000 0.969 0.000 1.000
#> SRR1036124 2 0.000 0.969 0.000 1.000
#> SRR1036125 2 0.000 0.969 0.000 1.000
#> SRR1036126 2 0.000 0.969 0.000 1.000
#> SRR1036127 2 0.000 0.969 0.000 1.000
#> SRR1036128 2 0.000 0.969 0.000 1.000
#> SRR1036129 2 0.000 0.969 0.000 1.000
#> SRR1036130 2 0.000 0.969 0.000 1.000
#> SRR1036131 2 0.000 0.969 0.000 1.000
#> SRR1036132 2 0.000 0.969 0.000 1.000
#> SRR1036133 2 0.469 0.913 0.100 0.900
#> SRR1036134 2 0.469 0.913 0.100 0.900
#> SRR1036135 2 0.469 0.913 0.100 0.900
#> SRR1036136 2 0.469 0.913 0.100 0.900
#> SRR1036137 2 0.469 0.913 0.100 0.900
#> SRR1036138 2 0.469 0.913 0.100 0.900
#> SRR1036139 2 0.469 0.913 0.100 0.900
#> SRR1036140 2 0.469 0.913 0.100 0.900
#> SRR1036141 2 0.469 0.913 0.100 0.900
#> SRR1036142 2 0.469 0.913 0.100 0.900
#> SRR1036143 2 0.469 0.913 0.100 0.900
#> SRR1036144 2 0.469 0.913 0.100 0.900
#> SRR1036145 2 0.469 0.913 0.100 0.900
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 2 0.8097 -0.112 0.388 0.540 0.072
#> SRR1036003 2 0.8227 -0.104 0.384 0.536 0.080
#> SRR1036004 2 0.8108 -0.132 0.392 0.536 0.072
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036013 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036014 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036015 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036016 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036017 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036018 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036010 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036011 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036012 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036019 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036020 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036021 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036022 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036023 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036024 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036025 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036026 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036027 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036028 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036029 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036030 2 0.1643 0.826 0.044 0.956 0.000
#> SRR1036031 2 0.1643 0.826 0.044 0.956 0.000
#> SRR1036032 2 0.1753 0.823 0.048 0.952 0.000
#> SRR1036033 2 0.1643 0.826 0.044 0.956 0.000
#> SRR1036034 2 0.1643 0.826 0.044 0.956 0.000
#> SRR1036035 2 0.1753 0.823 0.048 0.952 0.000
#> SRR1036036 2 0.1163 0.835 0.028 0.972 0.000
#> SRR1036037 2 0.1411 0.831 0.036 0.964 0.000
#> SRR1036038 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036039 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036040 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036041 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036042 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036043 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036044 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036045 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036046 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036047 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036048 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036049 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036050 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036051 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036052 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036053 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036054 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036055 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036056 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036057 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036058 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036059 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036060 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036061 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036062 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036063 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036064 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036065 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036066 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036067 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036068 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036069 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036070 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036071 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036072 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036073 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036074 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036075 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036076 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036077 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036078 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036079 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036080 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036081 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036082 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036083 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036084 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036090 2 0.5835 0.210 0.340 0.660 0.000
#> SRR1036091 2 0.5785 0.243 0.332 0.668 0.000
#> SRR1036092 2 0.5760 0.257 0.328 0.672 0.000
#> SRR1036093 2 0.5760 0.257 0.328 0.672 0.000
#> SRR1036094 2 0.5785 0.243 0.332 0.668 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036095 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036096 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036097 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036098 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036099 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036100 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036101 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036102 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036103 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036104 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036110 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036111 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036112 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036113 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036114 1 0.6126 0.715 0.600 0.400 0.000
#> SRR1036115 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036116 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036117 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036118 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036119 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036120 1 0.0747 0.583 0.984 0.016 0.000
#> SRR1036121 1 0.0892 0.583 0.980 0.020 0.000
#> SRR1036122 1 0.0747 0.583 0.984 0.016 0.000
#> SRR1036123 1 0.0237 0.580 0.996 0.004 0.000
#> SRR1036124 1 0.0424 0.581 0.992 0.008 0.000
#> SRR1036125 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036126 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036127 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036128 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036129 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036130 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036131 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036132 1 0.0000 0.579 1.000 0.000 0.000
#> SRR1036133 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036134 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036135 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036136 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036137 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036138 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036139 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036140 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036141 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036142 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036143 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036144 2 0.0000 0.845 0.000 1.000 0.000
#> SRR1036145 2 0.0000 0.845 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036003 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036004 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036005 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036006 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036007 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036008 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036009 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036013 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036014 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036015 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036016 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036017 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036018 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036010 1 0.387 0.739 0.772 0.228 0 0.000
#> SRR1036011 1 0.391 0.742 0.768 0.232 0 0.000
#> SRR1036012 1 0.387 0.738 0.772 0.228 0 0.000
#> SRR1036019 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036020 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036021 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036022 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036023 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036024 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036025 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036026 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036027 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036028 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036029 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036030 4 0.340 0.793 0.000 0.180 0 0.820
#> SRR1036031 4 0.331 0.801 0.000 0.172 0 0.828
#> SRR1036032 4 0.349 0.782 0.000 0.188 0 0.812
#> SRR1036033 4 0.340 0.793 0.000 0.180 0 0.820
#> SRR1036034 4 0.331 0.801 0.000 0.172 0 0.828
#> SRR1036035 4 0.344 0.788 0.000 0.184 0 0.816
#> SRR1036036 4 0.331 0.800 0.000 0.172 0 0.828
#> SRR1036037 4 0.327 0.804 0.000 0.168 0 0.832
#> SRR1036038 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036039 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036040 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036041 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036042 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036043 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036044 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036045 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036046 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036047 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036048 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036049 2 0.490 0.456 0.416 0.584 0 0.000
#> SRR1036050 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036051 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036052 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036053 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036054 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036055 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036056 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036057 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036058 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036059 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036060 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036061 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036062 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036063 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036064 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036065 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036066 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036067 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036068 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036069 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036070 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036071 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036072 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036073 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036074 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036075 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036076 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036077 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036078 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036079 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036080 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036081 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036082 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036083 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036084 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036090 2 0.413 0.560 0.000 0.740 0 0.260
#> SRR1036091 2 0.425 0.541 0.000 0.724 0 0.276
#> SRR1036092 2 0.425 0.541 0.000 0.724 0 0.276
#> SRR1036093 2 0.422 0.546 0.000 0.728 0 0.272
#> SRR1036094 2 0.425 0.541 0.000 0.724 0 0.276
#> SRR1036085 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036086 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036087 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036088 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036089 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036095 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036096 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036097 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036098 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036099 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036100 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036101 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036102 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036103 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036104 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036105 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036106 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036107 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036108 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036109 3 0.000 1.000 0.000 0.000 1 0.000
#> SRR1036110 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036111 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036112 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036113 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036114 2 0.000 0.857 0.000 1.000 0 0.000
#> SRR1036115 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036116 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036117 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036118 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036119 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036120 1 0.445 0.595 0.692 0.308 0 0.000
#> SRR1036121 1 0.464 0.608 0.656 0.344 0 0.000
#> SRR1036122 1 0.460 0.620 0.664 0.336 0 0.000
#> SRR1036123 1 0.454 0.628 0.676 0.324 0 0.000
#> SRR1036124 1 0.452 0.624 0.680 0.320 0 0.000
#> SRR1036125 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036126 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036127 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036128 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036129 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036130 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036131 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036132 1 0.490 0.906 0.584 0.416 0 0.000
#> SRR1036133 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036134 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036135 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036136 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036137 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036138 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036139 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036140 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036141 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036142 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036143 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036144 4 0.000 0.912 0.000 0.000 0 1.000
#> SRR1036145 4 0.000 0.912 0.000 0.000 0 1.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036003 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036004 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036005 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036006 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036007 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036008 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036009 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036013 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036014 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036015 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036016 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036017 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036018 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036010 1 0.590 0.700 0.600 0.000 0 0.212 0.188
#> SRR1036011 1 0.590 0.705 0.600 0.000 0 0.216 0.184
#> SRR1036012 1 0.590 0.699 0.600 0.000 0 0.212 0.188
#> SRR1036019 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036020 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036021 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036022 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036023 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036024 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036025 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036026 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036027 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036028 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036029 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036030 2 0.620 0.618 0.280 0.540 0 0.180 0.000
#> SRR1036031 2 0.614 0.625 0.280 0.548 0 0.172 0.000
#> SRR1036032 2 0.625 0.608 0.280 0.532 0 0.188 0.000
#> SRR1036033 2 0.620 0.618 0.280 0.540 0 0.180 0.000
#> SRR1036034 2 0.614 0.625 0.280 0.548 0 0.172 0.000
#> SRR1036035 2 0.623 0.613 0.280 0.536 0 0.184 0.000
#> SRR1036036 2 0.614 0.625 0.280 0.548 0 0.172 0.000
#> SRR1036037 2 0.611 0.627 0.280 0.552 0 0.168 0.000
#> SRR1036038 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036039 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036040 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036041 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036042 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036043 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036044 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036045 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036046 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036047 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036048 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036049 5 0.000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036050 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036051 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036052 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036053 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036054 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036055 1 0.228 0.546 0.880 0.000 0 0.120 0.000
#> SRR1036056 1 0.228 0.546 0.880 0.000 0 0.120 0.000
#> SRR1036057 1 0.228 0.546 0.880 0.000 0 0.120 0.000
#> SRR1036058 4 0.228 0.820 0.120 0.000 0 0.880 0.000
#> SRR1036059 4 0.228 0.820 0.120 0.000 0 0.880 0.000
#> SRR1036060 4 0.228 0.820 0.120 0.000 0 0.880 0.000
#> SRR1036061 4 0.228 0.820 0.120 0.000 0 0.880 0.000
#> SRR1036062 4 0.228 0.820 0.120 0.000 0 0.880 0.000
#> SRR1036063 4 0.228 0.820 0.120 0.000 0 0.880 0.000
#> SRR1036064 4 0.228 0.820 0.120 0.000 0 0.880 0.000
#> SRR1036065 4 0.228 0.820 0.120 0.000 0 0.880 0.000
#> SRR1036066 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036067 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036068 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036069 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036070 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036071 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036072 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036073 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036074 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036075 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036076 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036077 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036078 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036079 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036080 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036081 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036082 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036083 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036084 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036090 4 0.356 0.593 0.000 0.260 0 0.740 0.000
#> SRR1036091 4 0.366 0.570 0.000 0.276 0 0.724 0.000
#> SRR1036092 4 0.366 0.570 0.000 0.276 0 0.724 0.000
#> SRR1036093 4 0.364 0.576 0.000 0.272 0 0.728 0.000
#> SRR1036094 4 0.364 0.576 0.000 0.272 0 0.728 0.000
#> SRR1036085 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036086 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036087 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036088 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036089 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036095 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036096 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036097 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036098 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036099 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036100 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036101 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036102 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036103 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036104 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036105 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036106 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036107 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036108 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036109 3 0.000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036110 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036111 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036112 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036113 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036114 4 0.000 0.936 0.000 0.000 0 1.000 0.000
#> SRR1036115 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036116 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036117 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036118 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036119 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036120 1 0.664 0.587 0.444 0.000 0 0.308 0.248
#> SRR1036121 1 0.660 0.623 0.436 0.000 0 0.344 0.220
#> SRR1036122 1 0.659 0.629 0.444 0.000 0 0.336 0.220
#> SRR1036123 1 0.657 0.632 0.456 0.000 0 0.320 0.224
#> SRR1036124 1 0.659 0.624 0.452 0.000 0 0.320 0.228
#> SRR1036125 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036126 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036127 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036128 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036129 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036130 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036131 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036132 1 0.418 0.865 0.600 0.000 0 0.400 0.000
#> SRR1036133 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036134 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036135 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036136 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036137 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036138 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036139 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036140 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036141 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036142 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036143 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036144 2 0.000 0.848 0.000 1.000 0 0.000 0.000
#> SRR1036145 2 0.000 0.848 0.000 1.000 0 0.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036003 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036004 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036013 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036014 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036015 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036016 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036017 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036018 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036010 1 0.2697 0.701 0.812 0.000 0 0.000 0.000 0.188
#> SRR1036011 1 0.2664 0.707 0.816 0.000 0 0.000 0.000 0.184
#> SRR1036012 1 0.2697 0.700 0.812 0.000 0 0.000 0.000 0.188
#> SRR1036019 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036020 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036021 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036022 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036023 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036024 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036025 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036026 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036027 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036028 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036029 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036030 5 0.1265 0.976 0.000 0.044 0 0.008 0.948 0.000
#> SRR1036031 5 0.1265 0.976 0.000 0.044 0 0.008 0.948 0.000
#> SRR1036032 5 0.1265 0.976 0.000 0.044 0 0.008 0.948 0.000
#> SRR1036033 5 0.1265 0.976 0.000 0.044 0 0.008 0.948 0.000
#> SRR1036034 5 0.1265 0.976 0.000 0.044 0 0.008 0.948 0.000
#> SRR1036035 5 0.1265 0.976 0.000 0.044 0 0.008 0.948 0.000
#> SRR1036036 5 0.1219 0.971 0.000 0.048 0 0.004 0.948 0.000
#> SRR1036037 5 0.1265 0.976 0.000 0.044 0 0.008 0.948 0.000
#> SRR1036038 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036039 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036040 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036041 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036042 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036043 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036044 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036045 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036046 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036047 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036048 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036049 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036050 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036051 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036052 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036053 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036054 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036055 5 0.1141 0.936 0.052 0.000 0 0.000 0.948 0.000
#> SRR1036056 5 0.1141 0.936 0.052 0.000 0 0.000 0.948 0.000
#> SRR1036057 5 0.1141 0.936 0.052 0.000 0 0.000 0.948 0.000
#> SRR1036058 4 0.1141 0.425 0.000 0.000 0 0.948 0.052 0.000
#> SRR1036059 4 0.1141 0.425 0.000 0.000 0 0.948 0.052 0.000
#> SRR1036060 4 0.1141 0.425 0.000 0.000 0 0.948 0.052 0.000
#> SRR1036061 4 0.1141 0.425 0.000 0.000 0 0.948 0.052 0.000
#> SRR1036062 4 0.1141 0.425 0.000 0.000 0 0.948 0.052 0.000
#> SRR1036063 4 0.1141 0.425 0.000 0.000 0 0.948 0.052 0.000
#> SRR1036064 4 0.1141 0.425 0.000 0.000 0 0.948 0.052 0.000
#> SRR1036065 4 0.1141 0.425 0.000 0.000 0 0.948 0.052 0.000
#> SRR1036066 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036067 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036068 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036069 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036070 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036071 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036072 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036073 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036074 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036075 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036076 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036077 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036078 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036079 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036080 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036081 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036082 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036083 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036084 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036090 4 0.5265 0.572 0.148 0.260 0 0.592 0.000 0.000
#> SRR1036091 4 0.5272 0.554 0.140 0.276 0 0.584 0.000 0.000
#> SRR1036092 4 0.5240 0.555 0.136 0.276 0 0.588 0.000 0.000
#> SRR1036093 4 0.5223 0.560 0.136 0.272 0 0.592 0.000 0.000
#> SRR1036094 4 0.5240 0.555 0.136 0.276 0 0.588 0.000 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036095 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036096 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036097 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036098 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036099 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036100 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036101 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036102 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036103 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036104 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036110 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036111 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036112 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036113 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036114 4 0.3756 0.863 0.400 0.000 0 0.600 0.000 0.000
#> SRR1036115 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036116 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036117 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036118 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036119 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036120 1 0.5298 0.586 0.592 0.000 0 0.160 0.000 0.248
#> SRR1036121 1 0.5186 0.633 0.616 0.000 0 0.168 0.000 0.216
#> SRR1036122 1 0.5126 0.639 0.624 0.000 0 0.160 0.000 0.216
#> SRR1036123 1 0.5023 0.644 0.636 0.000 0 0.144 0.000 0.220
#> SRR1036124 1 0.5079 0.635 0.628 0.000 0 0.148 0.000 0.224
#> SRR1036125 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.899 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036133 2 0.0146 0.997 0.000 0.996 0 0.000 0.004 0.000
#> SRR1036134 2 0.0146 0.997 0.000 0.996 0 0.000 0.004 0.000
#> SRR1036135 2 0.0146 0.997 0.000 0.996 0 0.000 0.004 0.000
#> SRR1036136 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036137 2 0.0146 0.997 0.000 0.996 0 0.000 0.004 0.000
#> SRR1036138 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036139 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036140 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036141 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036142 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036143 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036144 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036145 2 0.0000 0.999 0.000 1.000 0 0.000 0.000 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["SD", "mclust"]
# you can also extract it by
# res = res_list["SD:mclust"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'SD' method.
#> Subgroups are detected by 'mclust' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 5.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.416 0.733 0.833 0.3443 0.812 0.812
#> 3 3 0.412 0.637 0.824 0.6903 0.600 0.507
#> 4 4 0.486 0.344 0.675 0.1574 0.668 0.364
#> 5 5 0.654 0.760 0.845 0.1096 0.773 0.414
#> 6 6 0.679 0.768 0.817 0.0675 0.963 0.850
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 5
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.4022 0.610 0.080 0.920
#> SRR1036003 2 0.4022 0.610 0.080 0.920
#> SRR1036004 2 0.4022 0.610 0.080 0.920
#> SRR1036005 1 0.9209 1.000 0.664 0.336
#> SRR1036006 1 0.9209 1.000 0.664 0.336
#> SRR1036007 1 0.9209 1.000 0.664 0.336
#> SRR1036008 1 0.9209 1.000 0.664 0.336
#> SRR1036009 1 0.9209 1.000 0.664 0.336
#> SRR1036013 2 0.9608 0.766 0.384 0.616
#> SRR1036014 2 0.9608 0.766 0.384 0.616
#> SRR1036015 2 0.9608 0.766 0.384 0.616
#> SRR1036016 2 0.9608 0.766 0.384 0.616
#> SRR1036017 2 0.9608 0.766 0.384 0.616
#> SRR1036018 2 0.9608 0.766 0.384 0.616
#> SRR1036010 2 0.0376 0.655 0.004 0.996
#> SRR1036011 2 0.0376 0.655 0.004 0.996
#> SRR1036012 2 0.0376 0.655 0.004 0.996
#> SRR1036019 2 0.9209 0.773 0.336 0.664
#> SRR1036020 2 0.9209 0.773 0.336 0.664
#> SRR1036021 2 0.9209 0.773 0.336 0.664
#> SRR1036022 2 0.9209 0.773 0.336 0.664
#> SRR1036023 2 0.9209 0.773 0.336 0.664
#> SRR1036024 2 0.8955 0.776 0.312 0.688
#> SRR1036025 2 0.8955 0.776 0.312 0.688
#> SRR1036026 2 0.8955 0.776 0.312 0.688
#> SRR1036027 2 0.8955 0.776 0.312 0.688
#> SRR1036028 2 0.8955 0.776 0.312 0.688
#> SRR1036029 2 0.8955 0.776 0.312 0.688
#> SRR1036030 2 0.9686 0.755 0.396 0.604
#> SRR1036031 2 0.9686 0.755 0.396 0.604
#> SRR1036032 2 0.9686 0.755 0.396 0.604
#> SRR1036033 2 0.9686 0.755 0.396 0.604
#> SRR1036034 2 0.9686 0.755 0.396 0.604
#> SRR1036035 2 0.9686 0.755 0.396 0.604
#> SRR1036036 2 0.9686 0.755 0.396 0.604
#> SRR1036037 2 0.9686 0.755 0.396 0.604
#> SRR1036038 2 0.0938 0.657 0.012 0.988
#> SRR1036039 2 0.0672 0.658 0.008 0.992
#> SRR1036040 2 0.0938 0.657 0.012 0.988
#> SRR1036041 2 0.0376 0.655 0.004 0.996
#> SRR1036042 2 0.9732 0.762 0.404 0.596
#> SRR1036043 2 0.9732 0.762 0.404 0.596
#> SRR1036044 2 0.9732 0.762 0.404 0.596
#> SRR1036045 2 0.9732 0.762 0.404 0.596
#> SRR1036046 2 0.9732 0.762 0.404 0.596
#> SRR1036047 2 0.9732 0.762 0.404 0.596
#> SRR1036048 2 0.9732 0.762 0.404 0.596
#> SRR1036049 2 0.9732 0.762 0.404 0.596
#> SRR1036050 2 0.0376 0.655 0.004 0.996
#> SRR1036051 2 0.0376 0.655 0.004 0.996
#> SRR1036052 2 0.0376 0.655 0.004 0.996
#> SRR1036053 2 0.0376 0.655 0.004 0.996
#> SRR1036054 2 0.0376 0.655 0.004 0.996
#> SRR1036055 2 0.2423 0.676 0.040 0.960
#> SRR1036056 2 0.2423 0.676 0.040 0.960
#> SRR1036057 2 0.2423 0.676 0.040 0.960
#> SRR1036058 2 0.9552 0.425 0.376 0.624
#> SRR1036059 2 0.9552 0.425 0.376 0.624
#> SRR1036060 2 0.9552 0.425 0.376 0.624
#> SRR1036061 2 0.9552 0.425 0.376 0.624
#> SRR1036062 2 0.9552 0.425 0.376 0.624
#> SRR1036063 2 0.9552 0.425 0.376 0.624
#> SRR1036064 2 0.9552 0.425 0.376 0.624
#> SRR1036065 2 0.9552 0.425 0.376 0.624
#> SRR1036066 2 0.0000 0.659 0.000 1.000
#> SRR1036067 2 0.0000 0.659 0.000 1.000
#> SRR1036068 2 0.0000 0.659 0.000 1.000
#> SRR1036069 2 0.0000 0.659 0.000 1.000
#> SRR1036070 2 0.0000 0.659 0.000 1.000
#> SRR1036071 2 0.0000 0.659 0.000 1.000
#> SRR1036072 2 0.0000 0.659 0.000 1.000
#> SRR1036073 2 0.0000 0.659 0.000 1.000
#> SRR1036074 2 0.9795 0.759 0.416 0.584
#> SRR1036075 2 0.9795 0.759 0.416 0.584
#> SRR1036076 2 0.9795 0.759 0.416 0.584
#> SRR1036077 2 0.9795 0.759 0.416 0.584
#> SRR1036078 2 0.9795 0.759 0.416 0.584
#> SRR1036079 2 0.9795 0.759 0.416 0.584
#> SRR1036080 2 0.9795 0.759 0.416 0.584
#> SRR1036081 2 0.9795 0.759 0.416 0.584
#> SRR1036082 2 0.9491 0.772 0.368 0.632
#> SRR1036083 2 0.9552 0.770 0.376 0.624
#> SRR1036084 2 0.9491 0.772 0.368 0.632
#> SRR1036090 2 0.9248 0.774 0.340 0.660
#> SRR1036091 2 0.9248 0.774 0.340 0.660
#> SRR1036092 2 0.9248 0.774 0.340 0.660
#> SRR1036093 2 0.9248 0.774 0.340 0.660
#> SRR1036094 2 0.9248 0.774 0.340 0.660
#> SRR1036085 1 0.9209 1.000 0.664 0.336
#> SRR1036086 1 0.9209 1.000 0.664 0.336
#> SRR1036087 1 0.9209 1.000 0.664 0.336
#> SRR1036088 1 0.9209 1.000 0.664 0.336
#> SRR1036089 1 0.9209 1.000 0.664 0.336
#> SRR1036095 2 0.5519 0.717 0.128 0.872
#> SRR1036096 2 0.5519 0.717 0.128 0.872
#> SRR1036097 2 0.5519 0.717 0.128 0.872
#> SRR1036098 2 0.5519 0.717 0.128 0.872
#> SRR1036099 2 0.5519 0.717 0.128 0.872
#> SRR1036100 2 0.9129 0.774 0.328 0.672
#> SRR1036101 2 0.9129 0.774 0.328 0.672
#> SRR1036102 2 0.9129 0.774 0.328 0.672
#> SRR1036103 2 0.9129 0.774 0.328 0.672
#> SRR1036104 2 0.9129 0.774 0.328 0.672
#> SRR1036105 1 0.9209 1.000 0.664 0.336
#> SRR1036106 1 0.9209 1.000 0.664 0.336
#> SRR1036107 1 0.9209 1.000 0.664 0.336
#> SRR1036108 1 0.9209 1.000 0.664 0.336
#> SRR1036109 1 0.9209 1.000 0.664 0.336
#> SRR1036110 2 0.9732 0.760 0.404 0.596
#> SRR1036111 2 0.9732 0.760 0.404 0.596
#> SRR1036112 2 0.9732 0.760 0.404 0.596
#> SRR1036113 2 0.9732 0.760 0.404 0.596
#> SRR1036114 2 0.9732 0.760 0.404 0.596
#> SRR1036115 2 0.1184 0.647 0.016 0.984
#> SRR1036116 2 0.1184 0.647 0.016 0.984
#> SRR1036117 2 0.1184 0.647 0.016 0.984
#> SRR1036118 2 0.1184 0.647 0.016 0.984
#> SRR1036119 2 0.1184 0.647 0.016 0.984
#> SRR1036120 2 0.0938 0.648 0.012 0.988
#> SRR1036121 2 0.0672 0.652 0.008 0.992
#> SRR1036122 2 0.0938 0.648 0.012 0.988
#> SRR1036123 2 0.0672 0.652 0.008 0.992
#> SRR1036124 2 0.0938 0.648 0.012 0.988
#> SRR1036125 2 0.1843 0.634 0.028 0.972
#> SRR1036126 2 0.1843 0.634 0.028 0.972
#> SRR1036127 2 0.1843 0.634 0.028 0.972
#> SRR1036128 2 0.1843 0.634 0.028 0.972
#> SRR1036129 2 0.1843 0.634 0.028 0.972
#> SRR1036130 2 0.1843 0.634 0.028 0.972
#> SRR1036131 2 0.1843 0.634 0.028 0.972
#> SRR1036132 2 0.1843 0.634 0.028 0.972
#> SRR1036133 2 0.9710 0.753 0.400 0.600
#> SRR1036134 2 0.9710 0.753 0.400 0.600
#> SRR1036135 2 0.9710 0.753 0.400 0.600
#> SRR1036136 2 0.9710 0.753 0.400 0.600
#> SRR1036137 2 0.9710 0.753 0.400 0.600
#> SRR1036138 2 0.9732 0.751 0.404 0.596
#> SRR1036139 2 0.9732 0.751 0.404 0.596
#> SRR1036140 2 0.9732 0.751 0.404 0.596
#> SRR1036141 2 0.9732 0.751 0.404 0.596
#> SRR1036142 2 0.9732 0.751 0.404 0.596
#> SRR1036143 2 0.9732 0.751 0.404 0.596
#> SRR1036144 2 0.9732 0.751 0.404 0.596
#> SRR1036145 2 0.9732 0.751 0.404 0.596
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 2 0.8920 0.2311 0.408 0.468 0.124
#> SRR1036003 2 0.8920 0.2311 0.408 0.468 0.124
#> SRR1036004 2 0.8920 0.2311 0.408 0.468 0.124
#> SRR1036005 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036006 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036007 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036008 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036009 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036013 1 0.7661 -0.0723 0.504 0.452 0.044
#> SRR1036014 1 0.7657 -0.0594 0.508 0.448 0.044
#> SRR1036015 1 0.7652 -0.0468 0.512 0.444 0.044
#> SRR1036016 1 0.7661 -0.0723 0.504 0.452 0.044
#> SRR1036017 1 0.7665 -0.0865 0.500 0.456 0.044
#> SRR1036018 1 0.7661 -0.0723 0.504 0.452 0.044
#> SRR1036010 1 0.2689 0.7540 0.932 0.032 0.036
#> SRR1036011 1 0.2689 0.7540 0.932 0.032 0.036
#> SRR1036012 1 0.2689 0.7540 0.932 0.032 0.036
#> SRR1036019 2 0.1525 0.7779 0.032 0.964 0.004
#> SRR1036020 2 0.1525 0.7779 0.032 0.964 0.004
#> SRR1036021 2 0.1525 0.7779 0.032 0.964 0.004
#> SRR1036022 2 0.1525 0.7779 0.032 0.964 0.004
#> SRR1036023 2 0.1525 0.7779 0.032 0.964 0.004
#> SRR1036024 1 0.6299 -0.0844 0.524 0.476 0.000
#> SRR1036025 1 0.6299 -0.0844 0.524 0.476 0.000
#> SRR1036026 1 0.6299 -0.0844 0.524 0.476 0.000
#> SRR1036027 1 0.6299 -0.0844 0.524 0.476 0.000
#> SRR1036028 1 0.6299 -0.0844 0.524 0.476 0.000
#> SRR1036029 1 0.6299 -0.0844 0.524 0.476 0.000
#> SRR1036030 2 0.3141 0.7597 0.020 0.912 0.068
#> SRR1036031 2 0.3141 0.7597 0.020 0.912 0.068
#> SRR1036032 2 0.3141 0.7597 0.020 0.912 0.068
#> SRR1036033 2 0.3141 0.7597 0.020 0.912 0.068
#> SRR1036034 2 0.3141 0.7597 0.020 0.912 0.068
#> SRR1036035 2 0.3141 0.7597 0.020 0.912 0.068
#> SRR1036036 2 0.3141 0.7597 0.020 0.912 0.068
#> SRR1036037 2 0.3141 0.7597 0.020 0.912 0.068
#> SRR1036038 1 0.5285 0.6907 0.824 0.112 0.064
#> SRR1036039 1 0.5285 0.6907 0.824 0.112 0.064
#> SRR1036040 1 0.5285 0.6907 0.824 0.112 0.064
#> SRR1036041 1 0.4821 0.7194 0.840 0.120 0.040
#> SRR1036042 2 0.6106 0.7141 0.200 0.756 0.044
#> SRR1036043 2 0.6106 0.7141 0.200 0.756 0.044
#> SRR1036044 2 0.6106 0.7141 0.200 0.756 0.044
#> SRR1036045 2 0.6106 0.7141 0.200 0.756 0.044
#> SRR1036046 2 0.6106 0.7141 0.200 0.756 0.044
#> SRR1036047 2 0.6106 0.7141 0.200 0.756 0.044
#> SRR1036048 2 0.6106 0.7141 0.200 0.756 0.044
#> SRR1036049 2 0.6106 0.7141 0.200 0.756 0.044
#> SRR1036050 1 0.4712 0.7258 0.848 0.108 0.044
#> SRR1036051 1 0.4712 0.7258 0.848 0.108 0.044
#> SRR1036052 1 0.4712 0.7258 0.848 0.108 0.044
#> SRR1036053 1 0.4712 0.7258 0.848 0.108 0.044
#> SRR1036054 1 0.4712 0.7258 0.848 0.108 0.044
#> SRR1036055 1 0.7919 0.3379 0.556 0.380 0.064
#> SRR1036056 1 0.7919 0.3379 0.556 0.380 0.064
#> SRR1036057 1 0.7919 0.3379 0.556 0.380 0.064
#> SRR1036058 2 0.8440 0.1732 0.420 0.492 0.088
#> SRR1036059 2 0.8440 0.1732 0.420 0.492 0.088
#> SRR1036060 2 0.8440 0.1732 0.420 0.492 0.088
#> SRR1036061 2 0.8440 0.1732 0.420 0.492 0.088
#> SRR1036062 2 0.8440 0.1732 0.420 0.492 0.088
#> SRR1036063 2 0.8440 0.1732 0.420 0.492 0.088
#> SRR1036064 2 0.8440 0.1732 0.420 0.492 0.088
#> SRR1036065 2 0.8440 0.1732 0.420 0.492 0.088
#> SRR1036066 1 0.2165 0.7502 0.936 0.064 0.000
#> SRR1036067 1 0.2165 0.7502 0.936 0.064 0.000
#> SRR1036068 1 0.2165 0.7502 0.936 0.064 0.000
#> SRR1036069 1 0.2165 0.7502 0.936 0.064 0.000
#> SRR1036070 1 0.2165 0.7502 0.936 0.064 0.000
#> SRR1036071 1 0.2165 0.7502 0.936 0.064 0.000
#> SRR1036072 1 0.2165 0.7502 0.936 0.064 0.000
#> SRR1036073 1 0.2165 0.7502 0.936 0.064 0.000
#> SRR1036074 2 0.5109 0.7071 0.212 0.780 0.008
#> SRR1036075 2 0.5109 0.7071 0.212 0.780 0.008
#> SRR1036076 2 0.5109 0.7071 0.212 0.780 0.008
#> SRR1036077 2 0.5109 0.7071 0.212 0.780 0.008
#> SRR1036078 2 0.5109 0.7071 0.212 0.780 0.008
#> SRR1036079 2 0.5109 0.7071 0.212 0.780 0.008
#> SRR1036080 2 0.5109 0.7071 0.212 0.780 0.008
#> SRR1036081 2 0.5109 0.7071 0.212 0.780 0.008
#> SRR1036082 2 0.4521 0.7261 0.180 0.816 0.004
#> SRR1036083 2 0.4521 0.7261 0.180 0.816 0.004
#> SRR1036084 2 0.4521 0.7261 0.180 0.816 0.004
#> SRR1036090 2 0.2550 0.7760 0.024 0.936 0.040
#> SRR1036091 2 0.2550 0.7760 0.024 0.936 0.040
#> SRR1036092 2 0.2550 0.7760 0.024 0.936 0.040
#> SRR1036093 2 0.2550 0.7760 0.024 0.936 0.040
#> SRR1036094 2 0.2550 0.7760 0.024 0.936 0.040
#> SRR1036085 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036086 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036087 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036088 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036089 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036095 1 0.4452 0.6078 0.808 0.192 0.000
#> SRR1036096 1 0.4452 0.6078 0.808 0.192 0.000
#> SRR1036097 1 0.4452 0.6078 0.808 0.192 0.000
#> SRR1036098 1 0.4452 0.6078 0.808 0.192 0.000
#> SRR1036099 1 0.4452 0.6078 0.808 0.192 0.000
#> SRR1036100 2 0.1163 0.7772 0.028 0.972 0.000
#> SRR1036101 2 0.1163 0.7772 0.028 0.972 0.000
#> SRR1036102 2 0.1163 0.7772 0.028 0.972 0.000
#> SRR1036103 2 0.1163 0.7772 0.028 0.972 0.000
#> SRR1036104 2 0.1163 0.7772 0.028 0.972 0.000
#> SRR1036105 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036106 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036107 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036108 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036109 3 0.0000 1.0000 0.000 0.000 1.000
#> SRR1036110 2 0.7756 0.4225 0.380 0.564 0.056
#> SRR1036111 2 0.7756 0.4225 0.380 0.564 0.056
#> SRR1036112 2 0.7741 0.4320 0.376 0.568 0.056
#> SRR1036113 2 0.7741 0.4320 0.376 0.568 0.056
#> SRR1036114 2 0.7756 0.4225 0.380 0.564 0.056
#> SRR1036115 1 0.1163 0.7504 0.972 0.028 0.000
#> SRR1036116 1 0.1163 0.7504 0.972 0.028 0.000
#> SRR1036117 1 0.1163 0.7504 0.972 0.028 0.000
#> SRR1036118 1 0.1163 0.7504 0.972 0.028 0.000
#> SRR1036119 1 0.1163 0.7504 0.972 0.028 0.000
#> SRR1036120 1 0.4281 0.7312 0.872 0.056 0.072
#> SRR1036121 1 0.4281 0.7312 0.872 0.056 0.072
#> SRR1036122 1 0.4281 0.7312 0.872 0.056 0.072
#> SRR1036123 1 0.4281 0.7312 0.872 0.056 0.072
#> SRR1036124 1 0.4281 0.7312 0.872 0.056 0.072
#> SRR1036125 1 0.1860 0.7497 0.948 0.000 0.052
#> SRR1036126 1 0.1860 0.7497 0.948 0.000 0.052
#> SRR1036127 1 0.1860 0.7497 0.948 0.000 0.052
#> SRR1036128 1 0.1860 0.7497 0.948 0.000 0.052
#> SRR1036129 1 0.1860 0.7497 0.948 0.000 0.052
#> SRR1036130 1 0.1860 0.7497 0.948 0.000 0.052
#> SRR1036131 1 0.1860 0.7497 0.948 0.000 0.052
#> SRR1036132 1 0.1860 0.7497 0.948 0.000 0.052
#> SRR1036133 2 0.3045 0.7614 0.020 0.916 0.064
#> SRR1036134 2 0.3045 0.7614 0.020 0.916 0.064
#> SRR1036135 2 0.3045 0.7614 0.020 0.916 0.064
#> SRR1036136 2 0.3045 0.7614 0.020 0.916 0.064
#> SRR1036137 2 0.3045 0.7614 0.020 0.916 0.064
#> SRR1036138 2 0.0424 0.7710 0.008 0.992 0.000
#> SRR1036139 2 0.0424 0.7710 0.008 0.992 0.000
#> SRR1036140 2 0.0424 0.7710 0.008 0.992 0.000
#> SRR1036141 2 0.0424 0.7710 0.008 0.992 0.000
#> SRR1036142 2 0.0424 0.7710 0.008 0.992 0.000
#> SRR1036143 2 0.0424 0.7710 0.008 0.992 0.000
#> SRR1036144 2 0.0424 0.7710 0.008 0.992 0.000
#> SRR1036145 2 0.0424 0.7710 0.008 0.992 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 1 0.9292 -0.4733 0.368 0.128 0.156 0.348
#> SRR1036003 1 0.9292 -0.4733 0.368 0.128 0.156 0.348
#> SRR1036004 1 0.9292 -0.4733 0.368 0.128 0.156 0.348
#> SRR1036005 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036013 1 0.3266 0.2011 0.832 0.000 0.000 0.168
#> SRR1036014 1 0.3266 0.2011 0.832 0.000 0.000 0.168
#> SRR1036015 1 0.3266 0.2011 0.832 0.000 0.000 0.168
#> SRR1036016 1 0.3266 0.2011 0.832 0.000 0.000 0.168
#> SRR1036017 1 0.3266 0.2011 0.832 0.000 0.000 0.168
#> SRR1036018 1 0.3266 0.2011 0.832 0.000 0.000 0.168
#> SRR1036010 2 0.5406 -0.4015 0.480 0.508 0.012 0.000
#> SRR1036011 2 0.5406 -0.4015 0.480 0.508 0.012 0.000
#> SRR1036012 2 0.5406 -0.4015 0.480 0.508 0.012 0.000
#> SRR1036019 2 0.8171 0.2491 0.368 0.424 0.024 0.184
#> SRR1036020 2 0.8171 0.2491 0.368 0.424 0.024 0.184
#> SRR1036021 2 0.8171 0.2491 0.368 0.424 0.024 0.184
#> SRR1036022 2 0.8171 0.2491 0.368 0.424 0.024 0.184
#> SRR1036023 2 0.8171 0.2491 0.368 0.424 0.024 0.184
#> SRR1036024 1 0.1545 0.3794 0.952 0.040 0.000 0.008
#> SRR1036025 1 0.1545 0.3794 0.952 0.040 0.000 0.008
#> SRR1036026 1 0.1545 0.3794 0.952 0.040 0.000 0.008
#> SRR1036027 1 0.1545 0.3794 0.952 0.040 0.000 0.008
#> SRR1036028 1 0.1545 0.3794 0.952 0.040 0.000 0.008
#> SRR1036029 1 0.1545 0.3794 0.952 0.040 0.000 0.008
#> SRR1036030 2 0.7585 0.4030 0.336 0.536 0.056 0.072
#> SRR1036031 2 0.7585 0.4030 0.336 0.536 0.056 0.072
#> SRR1036032 2 0.7585 0.4030 0.336 0.536 0.056 0.072
#> SRR1036033 2 0.7585 0.4030 0.336 0.536 0.056 0.072
#> SRR1036034 2 0.7585 0.4030 0.336 0.536 0.056 0.072
#> SRR1036035 2 0.7585 0.4030 0.336 0.536 0.056 0.072
#> SRR1036036 2 0.7585 0.4030 0.336 0.536 0.056 0.072
#> SRR1036037 2 0.7585 0.4030 0.336 0.536 0.056 0.072
#> SRR1036038 2 0.6580 -0.3513 0.416 0.504 0.080 0.000
#> SRR1036039 2 0.6580 -0.3513 0.416 0.504 0.080 0.000
#> SRR1036040 2 0.6580 -0.3513 0.416 0.504 0.080 0.000
#> SRR1036041 2 0.5957 -0.3666 0.420 0.540 0.040 0.000
#> SRR1036042 4 0.5994 0.7082 0.368 0.004 0.040 0.588
#> SRR1036043 4 0.5994 0.7082 0.368 0.004 0.040 0.588
#> SRR1036044 4 0.5994 0.7082 0.368 0.004 0.040 0.588
#> SRR1036045 4 0.5994 0.7082 0.368 0.004 0.040 0.588
#> SRR1036046 4 0.5994 0.7082 0.368 0.004 0.040 0.588
#> SRR1036047 4 0.5994 0.7082 0.368 0.004 0.040 0.588
#> SRR1036048 4 0.5994 0.7082 0.368 0.004 0.040 0.588
#> SRR1036049 4 0.5994 0.7082 0.368 0.004 0.040 0.588
#> SRR1036050 2 0.6207 -0.3694 0.424 0.528 0.044 0.004
#> SRR1036051 2 0.6207 -0.3694 0.424 0.528 0.044 0.004
#> SRR1036052 2 0.6207 -0.3694 0.424 0.528 0.044 0.004
#> SRR1036053 2 0.6207 -0.3694 0.424 0.528 0.044 0.004
#> SRR1036054 2 0.6207 -0.3694 0.424 0.528 0.044 0.004
#> SRR1036055 2 0.4199 0.0181 0.096 0.836 0.060 0.008
#> SRR1036056 2 0.4199 0.0181 0.096 0.836 0.060 0.008
#> SRR1036057 2 0.4199 0.0181 0.096 0.836 0.060 0.008
#> SRR1036058 4 0.5410 0.4710 0.192 0.080 0.000 0.728
#> SRR1036059 4 0.5410 0.4710 0.192 0.080 0.000 0.728
#> SRR1036060 4 0.5410 0.4710 0.192 0.080 0.000 0.728
#> SRR1036061 4 0.5410 0.4710 0.192 0.080 0.000 0.728
#> SRR1036062 4 0.5410 0.4710 0.192 0.080 0.000 0.728
#> SRR1036063 4 0.5410 0.4710 0.192 0.080 0.000 0.728
#> SRR1036064 4 0.5410 0.4710 0.192 0.080 0.000 0.728
#> SRR1036065 4 0.5410 0.4710 0.192 0.080 0.000 0.728
#> SRR1036066 1 0.5330 0.4097 0.516 0.476 0.004 0.004
#> SRR1036067 1 0.5330 0.4097 0.516 0.476 0.004 0.004
#> SRR1036068 1 0.5330 0.4097 0.516 0.476 0.004 0.004
#> SRR1036069 1 0.5330 0.4097 0.516 0.476 0.004 0.004
#> SRR1036070 1 0.5330 0.4097 0.516 0.476 0.004 0.004
#> SRR1036071 1 0.5330 0.4097 0.516 0.476 0.004 0.004
#> SRR1036072 1 0.5330 0.4097 0.516 0.476 0.004 0.004
#> SRR1036073 1 0.5330 0.4097 0.516 0.476 0.004 0.004
#> SRR1036074 4 0.4964 0.7140 0.380 0.004 0.000 0.616
#> SRR1036075 4 0.4964 0.7140 0.380 0.004 0.000 0.616
#> SRR1036076 4 0.4964 0.7140 0.380 0.004 0.000 0.616
#> SRR1036077 4 0.4964 0.7140 0.380 0.004 0.000 0.616
#> SRR1036078 4 0.4964 0.7140 0.380 0.004 0.000 0.616
#> SRR1036079 4 0.4964 0.7140 0.380 0.004 0.000 0.616
#> SRR1036080 4 0.4964 0.7140 0.380 0.004 0.000 0.616
#> SRR1036081 4 0.4964 0.7140 0.380 0.004 0.000 0.616
#> SRR1036082 1 0.6330 -0.0519 0.656 0.144 0.000 0.200
#> SRR1036083 1 0.6330 -0.0519 0.656 0.144 0.000 0.200
#> SRR1036084 1 0.6330 -0.0519 0.656 0.144 0.000 0.200
#> SRR1036090 2 0.6661 0.3972 0.376 0.552 0.016 0.056
#> SRR1036091 2 0.6661 0.3972 0.376 0.552 0.016 0.056
#> SRR1036092 2 0.6661 0.3972 0.376 0.552 0.016 0.056
#> SRR1036093 2 0.6546 0.3948 0.384 0.552 0.016 0.048
#> SRR1036094 2 0.6605 0.3964 0.380 0.552 0.016 0.052
#> SRR1036085 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036095 1 0.0336 0.3948 0.992 0.000 0.000 0.008
#> SRR1036096 1 0.0336 0.3948 0.992 0.000 0.000 0.008
#> SRR1036097 1 0.0336 0.3948 0.992 0.000 0.000 0.008
#> SRR1036098 1 0.0336 0.3948 0.992 0.000 0.000 0.008
#> SRR1036099 1 0.0336 0.3948 0.992 0.000 0.000 0.008
#> SRR1036100 2 0.6344 0.3878 0.392 0.552 0.008 0.048
#> SRR1036101 2 0.6344 0.3878 0.392 0.552 0.008 0.048
#> SRR1036102 2 0.6344 0.3878 0.392 0.552 0.008 0.048
#> SRR1036103 2 0.6344 0.3878 0.392 0.552 0.008 0.048
#> SRR1036104 2 0.6344 0.3878 0.392 0.552 0.008 0.048
#> SRR1036105 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036110 1 0.5105 -0.1364 0.696 0.028 0.000 0.276
#> SRR1036111 1 0.5105 -0.1364 0.696 0.028 0.000 0.276
#> SRR1036112 1 0.5105 -0.1364 0.696 0.028 0.000 0.276
#> SRR1036113 1 0.5105 -0.1364 0.696 0.028 0.000 0.276
#> SRR1036114 1 0.5010 -0.1316 0.700 0.024 0.000 0.276
#> SRR1036115 1 0.5212 0.4239 0.572 0.420 0.000 0.008
#> SRR1036116 1 0.5212 0.4239 0.572 0.420 0.000 0.008
#> SRR1036117 1 0.5212 0.4239 0.572 0.420 0.000 0.008
#> SRR1036118 1 0.5212 0.4239 0.572 0.420 0.000 0.008
#> SRR1036119 1 0.5212 0.4239 0.572 0.420 0.000 0.008
#> SRR1036120 2 0.8781 -0.3415 0.348 0.428 0.092 0.132
#> SRR1036121 2 0.8753 -0.3444 0.352 0.428 0.092 0.128
#> SRR1036122 2 0.8781 -0.3415 0.348 0.428 0.092 0.132
#> SRR1036123 2 0.8753 -0.3445 0.352 0.428 0.092 0.128
#> SRR1036124 2 0.8781 -0.3415 0.348 0.428 0.092 0.132
#> SRR1036125 1 0.6933 0.4045 0.488 0.420 0.084 0.008
#> SRR1036126 1 0.6933 0.4045 0.488 0.420 0.084 0.008
#> SRR1036127 1 0.6933 0.4045 0.488 0.420 0.084 0.008
#> SRR1036128 1 0.6933 0.4045 0.488 0.420 0.084 0.008
#> SRR1036129 1 0.6933 0.4045 0.488 0.420 0.084 0.008
#> SRR1036130 1 0.6933 0.4045 0.488 0.420 0.084 0.008
#> SRR1036131 1 0.6933 0.4045 0.488 0.420 0.084 0.008
#> SRR1036132 1 0.6933 0.4045 0.488 0.420 0.084 0.008
#> SRR1036133 2 0.6938 0.4116 0.336 0.568 0.020 0.076
#> SRR1036134 2 0.6938 0.4116 0.336 0.568 0.020 0.076
#> SRR1036135 2 0.6938 0.4116 0.336 0.568 0.020 0.076
#> SRR1036136 2 0.6938 0.4116 0.336 0.568 0.020 0.076
#> SRR1036137 2 0.7032 0.4107 0.336 0.564 0.024 0.076
#> SRR1036138 2 0.6176 0.4072 0.368 0.572 0.000 0.060
#> SRR1036139 2 0.6176 0.4072 0.368 0.572 0.000 0.060
#> SRR1036140 2 0.6176 0.4072 0.368 0.572 0.000 0.060
#> SRR1036141 2 0.6176 0.4072 0.368 0.572 0.000 0.060
#> SRR1036142 2 0.6176 0.4072 0.368 0.572 0.000 0.060
#> SRR1036143 2 0.6176 0.4072 0.368 0.572 0.000 0.060
#> SRR1036144 2 0.6176 0.4072 0.368 0.572 0.000 0.060
#> SRR1036145 2 0.6176 0.4072 0.368 0.572 0.000 0.060
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 4 0.5265 0.440 0.016 0.400 0.008 0.564 0.012
#> SRR1036003 4 0.5265 0.440 0.016 0.400 0.008 0.564 0.012
#> SRR1036004 4 0.5265 0.440 0.016 0.400 0.008 0.564 0.012
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 4 0.4333 0.517 0.212 0.000 0.000 0.740 0.048
#> SRR1036014 4 0.4333 0.517 0.212 0.000 0.000 0.740 0.048
#> SRR1036015 4 0.4333 0.517 0.212 0.000 0.000 0.740 0.048
#> SRR1036016 4 0.4333 0.517 0.212 0.000 0.000 0.740 0.048
#> SRR1036017 4 0.4333 0.517 0.212 0.000 0.000 0.740 0.048
#> SRR1036018 4 0.4333 0.517 0.212 0.000 0.000 0.740 0.048
#> SRR1036010 1 0.1588 0.777 0.948 0.028 0.000 0.008 0.016
#> SRR1036011 1 0.1588 0.777 0.948 0.028 0.000 0.008 0.016
#> SRR1036012 1 0.1673 0.777 0.944 0.032 0.000 0.008 0.016
#> SRR1036019 2 0.2771 0.842 0.012 0.860 0.000 0.128 0.000
#> SRR1036020 2 0.2771 0.842 0.012 0.860 0.000 0.128 0.000
#> SRR1036021 2 0.2771 0.842 0.012 0.860 0.000 0.128 0.000
#> SRR1036022 2 0.2771 0.842 0.012 0.860 0.000 0.128 0.000
#> SRR1036023 2 0.2771 0.842 0.012 0.860 0.000 0.128 0.000
#> SRR1036024 4 0.5191 0.343 0.408 0.004 0.000 0.552 0.036
#> SRR1036025 4 0.5191 0.343 0.408 0.004 0.000 0.552 0.036
#> SRR1036026 4 0.5191 0.343 0.408 0.004 0.000 0.552 0.036
#> SRR1036027 4 0.5191 0.343 0.408 0.004 0.000 0.552 0.036
#> SRR1036028 4 0.5191 0.343 0.408 0.004 0.000 0.552 0.036
#> SRR1036029 4 0.5191 0.343 0.408 0.004 0.000 0.552 0.036
#> SRR1036030 2 0.0162 0.963 0.000 0.996 0.004 0.000 0.000
#> SRR1036031 2 0.0162 0.963 0.000 0.996 0.004 0.000 0.000
#> SRR1036032 2 0.0162 0.963 0.000 0.996 0.004 0.000 0.000
#> SRR1036033 2 0.0162 0.963 0.000 0.996 0.004 0.000 0.000
#> SRR1036034 2 0.0162 0.963 0.000 0.996 0.004 0.000 0.000
#> SRR1036035 2 0.0162 0.963 0.000 0.996 0.004 0.000 0.000
#> SRR1036036 2 0.0162 0.963 0.000 0.996 0.004 0.000 0.000
#> SRR1036037 2 0.0162 0.963 0.000 0.996 0.004 0.000 0.000
#> SRR1036038 1 0.3517 0.736 0.812 0.168 0.004 0.004 0.012
#> SRR1036039 1 0.3517 0.736 0.812 0.168 0.004 0.004 0.012
#> SRR1036040 1 0.3517 0.736 0.812 0.168 0.004 0.004 0.012
#> SRR1036041 1 0.3205 0.738 0.816 0.176 0.004 0.004 0.000
#> SRR1036042 4 0.4029 0.536 0.000 0.316 0.004 0.680 0.000
#> SRR1036043 4 0.4029 0.536 0.000 0.316 0.004 0.680 0.000
#> SRR1036044 4 0.4029 0.536 0.000 0.316 0.004 0.680 0.000
#> SRR1036045 4 0.4029 0.536 0.000 0.316 0.004 0.680 0.000
#> SRR1036046 4 0.4029 0.536 0.000 0.316 0.004 0.680 0.000
#> SRR1036047 4 0.4029 0.536 0.000 0.316 0.004 0.680 0.000
#> SRR1036048 4 0.4029 0.536 0.000 0.316 0.004 0.680 0.000
#> SRR1036049 4 0.4029 0.536 0.000 0.316 0.004 0.680 0.000
#> SRR1036050 1 0.1788 0.782 0.932 0.056 0.008 0.000 0.004
#> SRR1036051 1 0.1788 0.782 0.932 0.056 0.008 0.000 0.004
#> SRR1036052 1 0.1788 0.782 0.932 0.056 0.008 0.000 0.004
#> SRR1036053 1 0.1788 0.782 0.932 0.056 0.008 0.000 0.004
#> SRR1036054 1 0.1788 0.782 0.932 0.056 0.008 0.000 0.004
#> SRR1036055 1 0.4438 0.477 0.608 0.384 0.004 0.004 0.000
#> SRR1036056 1 0.4438 0.477 0.608 0.384 0.004 0.004 0.000
#> SRR1036057 1 0.4438 0.477 0.608 0.384 0.004 0.004 0.000
#> SRR1036058 5 0.2471 1.000 0.136 0.000 0.000 0.000 0.864
#> SRR1036059 5 0.2471 1.000 0.136 0.000 0.000 0.000 0.864
#> SRR1036060 5 0.2471 1.000 0.136 0.000 0.000 0.000 0.864
#> SRR1036061 5 0.2471 1.000 0.136 0.000 0.000 0.000 0.864
#> SRR1036062 5 0.2471 1.000 0.136 0.000 0.000 0.000 0.864
#> SRR1036063 5 0.2471 1.000 0.136 0.000 0.000 0.000 0.864
#> SRR1036064 5 0.2471 1.000 0.136 0.000 0.000 0.000 0.864
#> SRR1036065 5 0.2471 1.000 0.136 0.000 0.000 0.000 0.864
#> SRR1036066 1 0.1393 0.771 0.956 0.012 0.000 0.008 0.024
#> SRR1036067 1 0.1393 0.771 0.956 0.012 0.000 0.008 0.024
#> SRR1036068 1 0.1393 0.771 0.956 0.012 0.000 0.008 0.024
#> SRR1036069 1 0.1393 0.771 0.956 0.012 0.000 0.008 0.024
#> SRR1036070 1 0.1393 0.771 0.956 0.012 0.000 0.008 0.024
#> SRR1036071 1 0.1393 0.771 0.956 0.012 0.000 0.008 0.024
#> SRR1036072 1 0.1393 0.771 0.956 0.012 0.000 0.008 0.024
#> SRR1036073 1 0.1393 0.771 0.956 0.012 0.000 0.008 0.024
#> SRR1036074 4 0.3430 0.610 0.000 0.220 0.000 0.776 0.004
#> SRR1036075 4 0.3430 0.610 0.000 0.220 0.000 0.776 0.004
#> SRR1036076 4 0.3430 0.610 0.000 0.220 0.000 0.776 0.004
#> SRR1036077 4 0.3430 0.610 0.000 0.220 0.000 0.776 0.004
#> SRR1036078 4 0.3430 0.610 0.000 0.220 0.000 0.776 0.004
#> SRR1036079 4 0.3430 0.610 0.000 0.220 0.000 0.776 0.004
#> SRR1036080 4 0.3430 0.610 0.000 0.220 0.000 0.776 0.004
#> SRR1036081 4 0.3430 0.610 0.000 0.220 0.000 0.776 0.004
#> SRR1036082 4 0.6056 0.545 0.220 0.144 0.000 0.620 0.016
#> SRR1036083 4 0.6056 0.545 0.220 0.144 0.000 0.620 0.016
#> SRR1036084 4 0.6056 0.545 0.220 0.144 0.000 0.620 0.016
#> SRR1036090 2 0.0671 0.957 0.016 0.980 0.000 0.000 0.004
#> SRR1036091 2 0.0671 0.957 0.016 0.980 0.000 0.000 0.004
#> SRR1036092 2 0.0671 0.957 0.016 0.980 0.000 0.000 0.004
#> SRR1036093 2 0.0671 0.957 0.016 0.980 0.000 0.000 0.004
#> SRR1036094 2 0.0671 0.957 0.016 0.980 0.000 0.000 0.004
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 1 0.6343 0.459 0.516 0.000 0.000 0.284 0.200
#> SRR1036096 1 0.6343 0.459 0.516 0.000 0.000 0.284 0.200
#> SRR1036097 1 0.6343 0.459 0.516 0.000 0.000 0.284 0.200
#> SRR1036098 1 0.6343 0.459 0.516 0.000 0.000 0.284 0.200
#> SRR1036099 1 0.6343 0.459 0.516 0.000 0.000 0.284 0.200
#> SRR1036100 2 0.1443 0.933 0.044 0.948 0.000 0.004 0.004
#> SRR1036101 2 0.1443 0.933 0.044 0.948 0.000 0.004 0.004
#> SRR1036102 2 0.1443 0.933 0.044 0.948 0.000 0.004 0.004
#> SRR1036103 2 0.1443 0.933 0.044 0.948 0.000 0.004 0.004
#> SRR1036104 2 0.1443 0.933 0.044 0.948 0.000 0.004 0.004
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.4345 0.528 0.212 0.012 0.000 0.748 0.028
#> SRR1036111 4 0.4345 0.528 0.212 0.012 0.000 0.748 0.028
#> SRR1036112 4 0.4345 0.528 0.212 0.012 0.000 0.748 0.028
#> SRR1036113 4 0.4345 0.528 0.212 0.012 0.000 0.748 0.028
#> SRR1036114 4 0.4345 0.528 0.212 0.012 0.000 0.748 0.028
#> SRR1036115 1 0.3353 0.762 0.796 0.000 0.000 0.008 0.196
#> SRR1036116 1 0.3353 0.762 0.796 0.000 0.000 0.008 0.196
#> SRR1036117 1 0.3353 0.762 0.796 0.000 0.000 0.008 0.196
#> SRR1036118 1 0.3353 0.762 0.796 0.000 0.000 0.008 0.196
#> SRR1036119 1 0.3353 0.762 0.796 0.000 0.000 0.008 0.196
#> SRR1036120 1 0.3935 0.714 0.760 0.000 0.008 0.220 0.012
#> SRR1036121 1 0.3935 0.714 0.760 0.000 0.008 0.220 0.012
#> SRR1036122 1 0.3935 0.714 0.760 0.000 0.008 0.220 0.012
#> SRR1036123 1 0.3935 0.714 0.760 0.000 0.008 0.220 0.012
#> SRR1036124 1 0.3935 0.714 0.760 0.000 0.008 0.220 0.012
#> SRR1036125 1 0.3013 0.776 0.832 0.000 0.008 0.000 0.160
#> SRR1036126 1 0.3013 0.776 0.832 0.000 0.008 0.000 0.160
#> SRR1036127 1 0.3013 0.776 0.832 0.000 0.008 0.000 0.160
#> SRR1036128 1 0.3013 0.776 0.832 0.000 0.008 0.000 0.160
#> SRR1036129 1 0.3013 0.776 0.832 0.000 0.008 0.000 0.160
#> SRR1036130 1 0.3013 0.776 0.832 0.000 0.008 0.000 0.160
#> SRR1036131 1 0.3013 0.776 0.832 0.000 0.008 0.000 0.160
#> SRR1036132 1 0.3013 0.776 0.832 0.000 0.008 0.000 0.160
#> SRR1036133 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036134 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036135 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036136 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036137 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036138 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036139 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036140 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036141 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036142 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036143 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036144 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
#> SRR1036145 2 0.0000 0.964 0.000 1.000 0.000 0.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.4949 0.729 0.044 0.064 0.016 0.052 0.052 0.772
#> SRR1036003 6 0.4949 0.729 0.044 0.064 0.016 0.052 0.052 0.772
#> SRR1036004 6 0.4949 0.729 0.044 0.064 0.016 0.052 0.052 0.772
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 4 0.2066 0.874 0.000 0.000 0.000 0.908 0.040 0.052
#> SRR1036014 4 0.2066 0.874 0.000 0.000 0.000 0.908 0.040 0.052
#> SRR1036015 4 0.2066 0.874 0.000 0.000 0.000 0.908 0.040 0.052
#> SRR1036016 4 0.2066 0.874 0.000 0.000 0.000 0.908 0.040 0.052
#> SRR1036017 4 0.2066 0.874 0.000 0.000 0.000 0.908 0.040 0.052
#> SRR1036018 4 0.2066 0.874 0.000 0.000 0.000 0.908 0.040 0.052
#> SRR1036010 1 0.4129 0.730 0.764 0.080 0.000 0.144 0.012 0.000
#> SRR1036011 1 0.4129 0.730 0.764 0.080 0.000 0.144 0.012 0.000
#> SRR1036012 1 0.4129 0.730 0.764 0.080 0.000 0.144 0.012 0.000
#> SRR1036019 2 0.4903 0.567 0.004 0.500 0.000 0.004 0.040 0.452
#> SRR1036020 2 0.4903 0.567 0.004 0.500 0.000 0.004 0.040 0.452
#> SRR1036021 2 0.4903 0.567 0.004 0.500 0.000 0.004 0.040 0.452
#> SRR1036022 2 0.4903 0.567 0.004 0.500 0.000 0.004 0.040 0.452
#> SRR1036023 2 0.4903 0.567 0.004 0.500 0.000 0.004 0.040 0.452
#> SRR1036024 4 0.1275 0.825 0.016 0.000 0.000 0.956 0.012 0.016
#> SRR1036025 4 0.1251 0.832 0.008 0.000 0.000 0.956 0.012 0.024
#> SRR1036026 4 0.1251 0.832 0.008 0.000 0.000 0.956 0.012 0.024
#> SRR1036027 4 0.1251 0.832 0.008 0.000 0.000 0.956 0.012 0.024
#> SRR1036028 4 0.1251 0.832 0.008 0.000 0.000 0.956 0.012 0.024
#> SRR1036029 4 0.1251 0.832 0.008 0.000 0.000 0.956 0.012 0.024
#> SRR1036030 2 0.0000 0.793 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036031 2 0.0000 0.793 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036032 2 0.0000 0.793 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036033 2 0.0000 0.793 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036034 2 0.0000 0.793 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036035 2 0.0000 0.793 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036036 2 0.0000 0.793 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036037 2 0.0000 0.793 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036038 1 0.4352 0.676 0.752 0.144 0.000 0.020 0.084 0.000
#> SRR1036039 1 0.4352 0.676 0.752 0.144 0.000 0.020 0.084 0.000
#> SRR1036040 1 0.4352 0.676 0.752 0.144 0.000 0.020 0.084 0.000
#> SRR1036041 1 0.5078 0.717 0.732 0.116 0.008 0.080 0.060 0.004
#> SRR1036042 6 0.1930 0.821 0.000 0.000 0.036 0.048 0.000 0.916
#> SRR1036043 6 0.1930 0.821 0.000 0.000 0.036 0.048 0.000 0.916
#> SRR1036044 6 0.1930 0.821 0.000 0.000 0.036 0.048 0.000 0.916
#> SRR1036045 6 0.1930 0.821 0.000 0.000 0.036 0.048 0.000 0.916
#> SRR1036046 6 0.1930 0.821 0.000 0.000 0.036 0.048 0.000 0.916
#> SRR1036047 6 0.1930 0.821 0.000 0.000 0.036 0.048 0.000 0.916
#> SRR1036048 6 0.1930 0.821 0.000 0.000 0.036 0.048 0.000 0.916
#> SRR1036049 6 0.1930 0.821 0.000 0.000 0.036 0.048 0.000 0.916
#> SRR1036050 1 0.4238 0.727 0.740 0.008 0.000 0.200 0.044 0.008
#> SRR1036051 1 0.4238 0.727 0.740 0.008 0.000 0.200 0.044 0.008
#> SRR1036052 1 0.4238 0.727 0.740 0.008 0.000 0.200 0.044 0.008
#> SRR1036053 1 0.4238 0.727 0.740 0.008 0.000 0.200 0.044 0.008
#> SRR1036054 1 0.4238 0.727 0.740 0.008 0.000 0.200 0.044 0.008
#> SRR1036055 1 0.5150 0.414 0.580 0.332 0.000 0.008 0.080 0.000
#> SRR1036056 1 0.5150 0.414 0.580 0.332 0.000 0.008 0.080 0.000
#> SRR1036057 1 0.5150 0.414 0.580 0.332 0.000 0.008 0.080 0.000
#> SRR1036058 5 0.1802 1.000 0.012 0.000 0.000 0.072 0.916 0.000
#> SRR1036059 5 0.1802 1.000 0.012 0.000 0.000 0.072 0.916 0.000
#> SRR1036060 5 0.1802 1.000 0.012 0.000 0.000 0.072 0.916 0.000
#> SRR1036061 5 0.1802 1.000 0.012 0.000 0.000 0.072 0.916 0.000
#> SRR1036062 5 0.1802 1.000 0.012 0.000 0.000 0.072 0.916 0.000
#> SRR1036063 5 0.1802 1.000 0.012 0.000 0.000 0.072 0.916 0.000
#> SRR1036064 5 0.1802 1.000 0.012 0.000 0.000 0.072 0.916 0.000
#> SRR1036065 5 0.1802 1.000 0.012 0.000 0.000 0.072 0.916 0.000
#> SRR1036066 1 0.4199 0.683 0.640 0.000 0.004 0.336 0.020 0.000
#> SRR1036067 1 0.4199 0.683 0.640 0.000 0.004 0.336 0.020 0.000
#> SRR1036068 1 0.4199 0.683 0.640 0.000 0.004 0.336 0.020 0.000
#> SRR1036069 1 0.4199 0.683 0.640 0.000 0.004 0.336 0.020 0.000
#> SRR1036070 1 0.4199 0.683 0.640 0.000 0.004 0.336 0.020 0.000
#> SRR1036071 1 0.4199 0.683 0.640 0.000 0.004 0.336 0.020 0.000
#> SRR1036072 1 0.4199 0.683 0.640 0.000 0.004 0.336 0.020 0.000
#> SRR1036073 1 0.4199 0.683 0.640 0.000 0.004 0.336 0.020 0.000
#> SRR1036074 6 0.4516 0.761 0.000 0.112 0.000 0.188 0.000 0.700
#> SRR1036075 6 0.4516 0.761 0.000 0.112 0.000 0.188 0.000 0.700
#> SRR1036076 6 0.4516 0.761 0.000 0.112 0.000 0.188 0.000 0.700
#> SRR1036077 6 0.4516 0.761 0.000 0.112 0.000 0.188 0.000 0.700
#> SRR1036078 6 0.4516 0.761 0.000 0.112 0.000 0.188 0.000 0.700
#> SRR1036079 6 0.4516 0.761 0.000 0.112 0.000 0.188 0.000 0.700
#> SRR1036080 6 0.4516 0.761 0.000 0.112 0.000 0.188 0.000 0.700
#> SRR1036081 6 0.4516 0.761 0.000 0.112 0.000 0.188 0.000 0.700
#> SRR1036082 4 0.5052 0.364 0.004 0.084 0.000 0.592 0.000 0.320
#> SRR1036083 4 0.5052 0.364 0.004 0.084 0.000 0.592 0.000 0.320
#> SRR1036084 4 0.5052 0.364 0.004 0.084 0.000 0.592 0.000 0.320
#> SRR1036090 2 0.4208 0.787 0.028 0.792 0.000 0.012 0.084 0.084
#> SRR1036091 2 0.4208 0.787 0.028 0.792 0.000 0.012 0.084 0.084
#> SRR1036092 2 0.4208 0.787 0.028 0.792 0.000 0.012 0.084 0.084
#> SRR1036093 2 0.4258 0.787 0.028 0.788 0.000 0.012 0.084 0.088
#> SRR1036094 2 0.4258 0.787 0.028 0.788 0.000 0.012 0.084 0.088
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 1 0.4763 0.493 0.620 0.000 0.000 0.320 0.052 0.008
#> SRR1036096 1 0.4763 0.493 0.620 0.000 0.000 0.320 0.052 0.008
#> SRR1036097 1 0.4763 0.493 0.620 0.000 0.000 0.320 0.052 0.008
#> SRR1036098 1 0.4763 0.493 0.620 0.000 0.000 0.320 0.052 0.008
#> SRR1036099 1 0.4763 0.493 0.620 0.000 0.000 0.320 0.052 0.008
#> SRR1036100 2 0.4390 0.794 0.004 0.776 0.012 0.016 0.084 0.108
#> SRR1036101 2 0.4390 0.794 0.004 0.776 0.012 0.016 0.084 0.108
#> SRR1036102 2 0.4390 0.794 0.004 0.776 0.012 0.016 0.084 0.108
#> SRR1036103 2 0.4390 0.794 0.004 0.776 0.012 0.016 0.084 0.108
#> SRR1036104 2 0.4390 0.794 0.004 0.776 0.012 0.016 0.084 0.108
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 4 0.2384 0.870 0.000 0.000 0.000 0.888 0.048 0.064
#> SRR1036111 4 0.2384 0.870 0.000 0.000 0.000 0.888 0.048 0.064
#> SRR1036112 4 0.2384 0.870 0.000 0.000 0.000 0.888 0.048 0.064
#> SRR1036113 4 0.2384 0.870 0.000 0.000 0.000 0.888 0.048 0.064
#> SRR1036114 4 0.2384 0.870 0.000 0.000 0.000 0.888 0.048 0.064
#> SRR1036115 1 0.2981 0.706 0.852 0.000 0.000 0.100 0.040 0.008
#> SRR1036116 1 0.2981 0.706 0.852 0.000 0.000 0.100 0.040 0.008
#> SRR1036117 1 0.2981 0.706 0.852 0.000 0.000 0.100 0.040 0.008
#> SRR1036118 1 0.2981 0.706 0.852 0.000 0.000 0.100 0.040 0.008
#> SRR1036119 1 0.2981 0.706 0.852 0.000 0.000 0.100 0.040 0.008
#> SRR1036120 1 0.5554 0.590 0.624 0.000 0.024 0.172 0.000 0.180
#> SRR1036121 1 0.5554 0.590 0.624 0.000 0.024 0.172 0.000 0.180
#> SRR1036122 1 0.5554 0.590 0.624 0.000 0.024 0.172 0.000 0.180
#> SRR1036123 1 0.5554 0.590 0.624 0.000 0.024 0.172 0.000 0.180
#> SRR1036124 1 0.5554 0.590 0.624 0.000 0.024 0.172 0.000 0.180
#> SRR1036125 1 0.0508 0.728 0.984 0.000 0.004 0.012 0.000 0.000
#> SRR1036126 1 0.0508 0.728 0.984 0.000 0.004 0.012 0.000 0.000
#> SRR1036127 1 0.0508 0.728 0.984 0.000 0.004 0.012 0.000 0.000
#> SRR1036128 1 0.0508 0.728 0.984 0.000 0.004 0.012 0.000 0.000
#> SRR1036129 1 0.0508 0.728 0.984 0.000 0.004 0.012 0.000 0.000
#> SRR1036130 1 0.0508 0.728 0.984 0.000 0.004 0.012 0.000 0.000
#> SRR1036131 1 0.0508 0.728 0.984 0.000 0.004 0.012 0.000 0.000
#> SRR1036132 1 0.0508 0.728 0.984 0.000 0.004 0.012 0.000 0.000
#> SRR1036133 2 0.1204 0.809 0.000 0.944 0.000 0.000 0.000 0.056
#> SRR1036134 2 0.1204 0.809 0.000 0.944 0.000 0.000 0.000 0.056
#> SRR1036135 2 0.1204 0.809 0.000 0.944 0.000 0.000 0.000 0.056
#> SRR1036136 2 0.1204 0.809 0.000 0.944 0.000 0.000 0.000 0.056
#> SRR1036137 2 0.1204 0.809 0.000 0.944 0.000 0.000 0.000 0.056
#> SRR1036138 2 0.3499 0.740 0.000 0.680 0.000 0.000 0.000 0.320
#> SRR1036139 2 0.3499 0.740 0.000 0.680 0.000 0.000 0.000 0.320
#> SRR1036140 2 0.3499 0.740 0.000 0.680 0.000 0.000 0.000 0.320
#> SRR1036141 2 0.3499 0.740 0.000 0.680 0.000 0.000 0.000 0.320
#> SRR1036142 2 0.3499 0.740 0.000 0.680 0.000 0.000 0.000 0.320
#> SRR1036143 2 0.3499 0.740 0.000 0.680 0.000 0.000 0.000 0.320
#> SRR1036144 2 0.3499 0.740 0.000 0.680 0.000 0.000 0.000 0.320
#> SRR1036145 2 0.3499 0.740 0.000 0.680 0.000 0.000 0.000 0.320
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["SD", "NMF"]
# you can also extract it by
# res = res_list["SD:NMF"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'SD' method.
#> Subgroups are detected by 'NMF' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 3.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.739 0.916 0.953 0.4113 0.615 0.615
#> 3 3 0.678 0.809 0.917 0.5394 0.667 0.489
#> 4 4 0.699 0.782 0.889 0.1570 0.806 0.524
#> 5 5 0.777 0.786 0.868 0.0743 0.883 0.606
#> 6 6 0.810 0.719 0.828 0.0414 0.935 0.716
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 3
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.0000 0.987 1.000 0.000
#> SRR1036003 1 0.0000 0.987 1.000 0.000
#> SRR1036004 1 0.0000 0.987 1.000 0.000
#> SRR1036005 1 0.0000 0.987 1.000 0.000
#> SRR1036006 1 0.0000 0.987 1.000 0.000
#> SRR1036007 1 0.0000 0.987 1.000 0.000
#> SRR1036008 1 0.0000 0.987 1.000 0.000
#> SRR1036009 1 0.0000 0.987 1.000 0.000
#> SRR1036013 1 0.3114 0.944 0.944 0.056
#> SRR1036014 1 0.3431 0.937 0.936 0.064
#> SRR1036015 1 0.3431 0.937 0.936 0.064
#> SRR1036016 1 0.3274 0.941 0.940 0.060
#> SRR1036017 1 0.3431 0.937 0.936 0.064
#> SRR1036018 1 0.3274 0.941 0.940 0.060
#> SRR1036010 2 0.0000 0.938 0.000 1.000
#> SRR1036011 2 0.0000 0.938 0.000 1.000
#> SRR1036012 2 0.0000 0.938 0.000 1.000
#> SRR1036019 2 0.7950 0.751 0.240 0.760
#> SRR1036020 2 0.7883 0.757 0.236 0.764
#> SRR1036021 2 0.7883 0.757 0.236 0.764
#> SRR1036022 2 0.7883 0.757 0.236 0.764
#> SRR1036023 2 0.7883 0.757 0.236 0.764
#> SRR1036024 2 0.0000 0.938 0.000 1.000
#> SRR1036025 2 0.0000 0.938 0.000 1.000
#> SRR1036026 2 0.0000 0.938 0.000 1.000
#> SRR1036027 2 0.0000 0.938 0.000 1.000
#> SRR1036028 2 0.0000 0.938 0.000 1.000
#> SRR1036029 2 0.0000 0.938 0.000 1.000
#> SRR1036030 2 0.0000 0.938 0.000 1.000
#> SRR1036031 2 0.0000 0.938 0.000 1.000
#> SRR1036032 2 0.0000 0.938 0.000 1.000
#> SRR1036033 2 0.0000 0.938 0.000 1.000
#> SRR1036034 2 0.0000 0.938 0.000 1.000
#> SRR1036035 2 0.0000 0.938 0.000 1.000
#> SRR1036036 2 0.0000 0.938 0.000 1.000
#> SRR1036037 2 0.0000 0.938 0.000 1.000
#> SRR1036038 2 0.0376 0.937 0.004 0.996
#> SRR1036039 2 0.0376 0.937 0.004 0.996
#> SRR1036040 2 0.0376 0.937 0.004 0.996
#> SRR1036041 2 0.0000 0.938 0.000 1.000
#> SRR1036042 1 0.0000 0.987 1.000 0.000
#> SRR1036043 1 0.0000 0.987 1.000 0.000
#> SRR1036044 1 0.0000 0.987 1.000 0.000
#> SRR1036045 1 0.0000 0.987 1.000 0.000
#> SRR1036046 1 0.0000 0.987 1.000 0.000
#> SRR1036047 1 0.0000 0.987 1.000 0.000
#> SRR1036048 1 0.0000 0.987 1.000 0.000
#> SRR1036049 1 0.0000 0.987 1.000 0.000
#> SRR1036050 2 0.0000 0.938 0.000 1.000
#> SRR1036051 2 0.0000 0.938 0.000 1.000
#> SRR1036052 2 0.0000 0.938 0.000 1.000
#> SRR1036053 2 0.0000 0.938 0.000 1.000
#> SRR1036054 2 0.0000 0.938 0.000 1.000
#> SRR1036055 2 0.0000 0.938 0.000 1.000
#> SRR1036056 2 0.0000 0.938 0.000 1.000
#> SRR1036057 2 0.0000 0.938 0.000 1.000
#> SRR1036058 2 0.0000 0.938 0.000 1.000
#> SRR1036059 2 0.0000 0.938 0.000 1.000
#> SRR1036060 2 0.0000 0.938 0.000 1.000
#> SRR1036061 2 0.0000 0.938 0.000 1.000
#> SRR1036062 2 0.0000 0.938 0.000 1.000
#> SRR1036063 2 0.0000 0.938 0.000 1.000
#> SRR1036064 2 0.0000 0.938 0.000 1.000
#> SRR1036065 2 0.0000 0.938 0.000 1.000
#> SRR1036066 2 0.0000 0.938 0.000 1.000
#> SRR1036067 2 0.0000 0.938 0.000 1.000
#> SRR1036068 2 0.0000 0.938 0.000 1.000
#> SRR1036069 2 0.0000 0.938 0.000 1.000
#> SRR1036070 2 0.0000 0.938 0.000 1.000
#> SRR1036071 2 0.0000 0.938 0.000 1.000
#> SRR1036072 2 0.0000 0.938 0.000 1.000
#> SRR1036073 2 0.0000 0.938 0.000 1.000
#> SRR1036074 2 0.5519 0.864 0.128 0.872
#> SRR1036075 2 0.5519 0.864 0.128 0.872
#> SRR1036076 2 0.5519 0.864 0.128 0.872
#> SRR1036077 2 0.5519 0.864 0.128 0.872
#> SRR1036078 2 0.5519 0.864 0.128 0.872
#> SRR1036079 2 0.5519 0.864 0.128 0.872
#> SRR1036080 2 0.5519 0.864 0.128 0.872
#> SRR1036081 2 0.5519 0.864 0.128 0.872
#> SRR1036082 2 0.0938 0.934 0.012 0.988
#> SRR1036083 2 0.0938 0.934 0.012 0.988
#> SRR1036084 2 0.0938 0.934 0.012 0.988
#> SRR1036090 2 0.3114 0.914 0.056 0.944
#> SRR1036091 2 0.3114 0.914 0.056 0.944
#> SRR1036092 2 0.3114 0.914 0.056 0.944
#> SRR1036093 2 0.3114 0.914 0.056 0.944
#> SRR1036094 2 0.2948 0.916 0.052 0.948
#> SRR1036085 1 0.0000 0.987 1.000 0.000
#> SRR1036086 1 0.0000 0.987 1.000 0.000
#> SRR1036087 1 0.0000 0.987 1.000 0.000
#> SRR1036088 1 0.0000 0.987 1.000 0.000
#> SRR1036089 1 0.0000 0.987 1.000 0.000
#> SRR1036095 2 0.0000 0.938 0.000 1.000
#> SRR1036096 2 0.0000 0.938 0.000 1.000
#> SRR1036097 2 0.0000 0.938 0.000 1.000
#> SRR1036098 2 0.0000 0.938 0.000 1.000
#> SRR1036099 2 0.0000 0.938 0.000 1.000
#> SRR1036100 2 0.0000 0.938 0.000 1.000
#> SRR1036101 2 0.0000 0.938 0.000 1.000
#> SRR1036102 2 0.0000 0.938 0.000 1.000
#> SRR1036103 2 0.0000 0.938 0.000 1.000
#> SRR1036104 2 0.0000 0.938 0.000 1.000
#> SRR1036105 1 0.0000 0.987 1.000 0.000
#> SRR1036106 1 0.0000 0.987 1.000 0.000
#> SRR1036107 1 0.0000 0.987 1.000 0.000
#> SRR1036108 1 0.0000 0.987 1.000 0.000
#> SRR1036109 1 0.0000 0.987 1.000 0.000
#> SRR1036110 2 0.9209 0.594 0.336 0.664
#> SRR1036111 2 0.9209 0.594 0.336 0.664
#> SRR1036112 2 0.9209 0.594 0.336 0.664
#> SRR1036113 2 0.9209 0.594 0.336 0.664
#> SRR1036114 2 0.9209 0.594 0.336 0.664
#> SRR1036115 2 0.0000 0.938 0.000 1.000
#> SRR1036116 2 0.0000 0.938 0.000 1.000
#> SRR1036117 2 0.0000 0.938 0.000 1.000
#> SRR1036118 2 0.0000 0.938 0.000 1.000
#> SRR1036119 2 0.0000 0.938 0.000 1.000
#> SRR1036120 1 0.0938 0.982 0.988 0.012
#> SRR1036121 1 0.0672 0.983 0.992 0.008
#> SRR1036122 1 0.0938 0.982 0.988 0.012
#> SRR1036123 1 0.0938 0.982 0.988 0.012
#> SRR1036124 1 0.0938 0.982 0.988 0.012
#> SRR1036125 2 0.2778 0.912 0.048 0.952
#> SRR1036126 2 0.2778 0.912 0.048 0.952
#> SRR1036127 2 0.3114 0.906 0.056 0.944
#> SRR1036128 2 0.2778 0.912 0.048 0.952
#> SRR1036129 2 0.2778 0.912 0.048 0.952
#> SRR1036130 2 0.2948 0.909 0.052 0.948
#> SRR1036131 2 0.2778 0.912 0.048 0.952
#> SRR1036132 2 0.2778 0.912 0.048 0.952
#> SRR1036133 2 0.0376 0.937 0.004 0.996
#> SRR1036134 2 0.0376 0.937 0.004 0.996
#> SRR1036135 2 0.0376 0.937 0.004 0.996
#> SRR1036136 2 0.0376 0.937 0.004 0.996
#> SRR1036137 2 0.0376 0.937 0.004 0.996
#> SRR1036138 2 0.7376 0.790 0.208 0.792
#> SRR1036139 2 0.7376 0.790 0.208 0.792
#> SRR1036140 2 0.7376 0.790 0.208 0.792
#> SRR1036141 2 0.7376 0.790 0.208 0.792
#> SRR1036142 2 0.7376 0.790 0.208 0.792
#> SRR1036143 2 0.7376 0.790 0.208 0.792
#> SRR1036144 2 0.7376 0.790 0.208 0.792
#> SRR1036145 2 0.7376 0.790 0.208 0.792
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.2878 0.881 0.000 0.096 0.904
#> SRR1036003 3 0.2625 0.891 0.000 0.084 0.916
#> SRR1036004 3 0.2878 0.881 0.000 0.096 0.904
#> SRR1036005 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036006 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036007 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036008 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036009 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036013 3 0.4062 0.822 0.164 0.000 0.836
#> SRR1036014 3 0.4452 0.787 0.192 0.000 0.808
#> SRR1036015 3 0.4346 0.799 0.184 0.000 0.816
#> SRR1036016 3 0.4178 0.813 0.172 0.000 0.828
#> SRR1036017 3 0.4235 0.809 0.176 0.000 0.824
#> SRR1036018 3 0.4235 0.809 0.176 0.000 0.824
#> SRR1036010 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036011 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036012 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036019 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036020 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036021 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036022 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036023 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036024 1 0.6008 0.491 0.628 0.372 0.000
#> SRR1036025 1 0.6008 0.491 0.628 0.372 0.000
#> SRR1036026 1 0.6008 0.491 0.628 0.372 0.000
#> SRR1036027 1 0.6008 0.491 0.628 0.372 0.000
#> SRR1036028 1 0.6008 0.491 0.628 0.372 0.000
#> SRR1036029 1 0.6008 0.491 0.628 0.372 0.000
#> SRR1036030 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036031 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036032 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036033 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036034 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036035 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036036 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036037 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036038 1 0.5968 0.442 0.636 0.364 0.000
#> SRR1036039 1 0.5968 0.442 0.636 0.364 0.000
#> SRR1036040 1 0.5968 0.442 0.636 0.364 0.000
#> SRR1036041 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036042 2 0.0237 0.946 0.000 0.996 0.004
#> SRR1036043 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036044 2 0.0237 0.946 0.000 0.996 0.004
#> SRR1036045 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036046 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036047 2 0.0237 0.946 0.000 0.996 0.004
#> SRR1036048 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036049 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036050 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036051 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036052 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036053 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036054 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036055 1 0.5926 0.457 0.644 0.356 0.000
#> SRR1036056 1 0.5988 0.433 0.632 0.368 0.000
#> SRR1036057 1 0.5882 0.471 0.652 0.348 0.000
#> SRR1036058 1 0.4555 0.723 0.800 0.200 0.000
#> SRR1036059 1 0.4555 0.723 0.800 0.200 0.000
#> SRR1036060 1 0.4555 0.723 0.800 0.200 0.000
#> SRR1036061 1 0.4555 0.723 0.800 0.200 0.000
#> SRR1036062 1 0.4555 0.723 0.800 0.200 0.000
#> SRR1036063 1 0.4555 0.723 0.800 0.200 0.000
#> SRR1036064 1 0.4555 0.723 0.800 0.200 0.000
#> SRR1036065 1 0.4555 0.723 0.800 0.200 0.000
#> SRR1036066 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036067 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036068 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036069 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036070 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036071 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036072 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036073 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036074 2 0.3267 0.835 0.116 0.884 0.000
#> SRR1036075 2 0.3038 0.849 0.104 0.896 0.000
#> SRR1036076 2 0.3116 0.844 0.108 0.892 0.000
#> SRR1036077 2 0.3340 0.830 0.120 0.880 0.000
#> SRR1036078 2 0.3340 0.830 0.120 0.880 0.000
#> SRR1036079 2 0.3340 0.830 0.120 0.880 0.000
#> SRR1036080 2 0.3267 0.835 0.116 0.884 0.000
#> SRR1036081 2 0.3412 0.825 0.124 0.876 0.000
#> SRR1036082 2 0.6111 0.218 0.396 0.604 0.000
#> SRR1036083 2 0.6111 0.218 0.396 0.604 0.000
#> SRR1036084 2 0.6111 0.218 0.396 0.604 0.000
#> SRR1036090 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036091 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036092 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036093 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036094 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036085 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036086 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036087 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036088 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036089 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036095 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036096 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036097 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036098 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036099 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036100 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036101 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036102 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036103 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036104 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036105 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036106 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036107 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036108 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036109 3 0.0000 0.946 0.000 0.000 1.000
#> SRR1036110 1 0.6518 0.205 0.512 0.484 0.004
#> SRR1036111 1 0.6680 0.198 0.508 0.484 0.008
#> SRR1036112 1 0.6305 0.210 0.516 0.484 0.000
#> SRR1036113 1 0.6305 0.210 0.516 0.484 0.000
#> SRR1036114 1 0.6518 0.205 0.512 0.484 0.004
#> SRR1036115 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036116 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036117 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036118 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036119 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036120 3 0.0424 0.944 0.008 0.000 0.992
#> SRR1036121 3 0.0424 0.944 0.008 0.000 0.992
#> SRR1036122 3 0.0424 0.944 0.008 0.000 0.992
#> SRR1036123 3 0.0424 0.944 0.008 0.000 0.992
#> SRR1036124 3 0.0424 0.944 0.008 0.000 0.992
#> SRR1036125 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036126 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036127 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036128 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036129 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036130 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036131 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036132 1 0.0000 0.818 1.000 0.000 0.000
#> SRR1036133 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036134 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036135 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036136 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036137 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036138 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036139 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036140 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036141 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036142 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036143 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036144 2 0.0000 0.949 0.000 1.000 0.000
#> SRR1036145 2 0.0000 0.949 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.2882 0.899 0.000 0.024 0.892 0.084
#> SRR1036003 3 0.2882 0.899 0.000 0.024 0.892 0.084
#> SRR1036004 3 0.2882 0.899 0.000 0.024 0.892 0.084
#> SRR1036005 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036013 4 0.4462 0.712 0.044 0.000 0.164 0.792
#> SRR1036014 4 0.4322 0.721 0.044 0.000 0.152 0.804
#> SRR1036015 4 0.4370 0.718 0.044 0.000 0.156 0.800
#> SRR1036016 4 0.4370 0.718 0.044 0.000 0.156 0.800
#> SRR1036017 4 0.4274 0.724 0.044 0.000 0.148 0.808
#> SRR1036018 4 0.4274 0.724 0.044 0.000 0.148 0.808
#> SRR1036010 1 0.1940 0.835 0.924 0.000 0.000 0.076
#> SRR1036011 1 0.1940 0.835 0.924 0.000 0.000 0.076
#> SRR1036012 1 0.1940 0.835 0.924 0.000 0.000 0.076
#> SRR1036019 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036020 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036021 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036022 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036023 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036024 4 0.4511 0.608 0.268 0.008 0.000 0.724
#> SRR1036025 4 0.4594 0.590 0.280 0.008 0.000 0.712
#> SRR1036026 4 0.4621 0.584 0.284 0.008 0.000 0.708
#> SRR1036027 4 0.4647 0.577 0.288 0.008 0.000 0.704
#> SRR1036028 4 0.4621 0.584 0.284 0.008 0.000 0.708
#> SRR1036029 4 0.4621 0.584 0.284 0.008 0.000 0.708
#> SRR1036030 2 0.0188 0.911 0.004 0.996 0.000 0.000
#> SRR1036031 2 0.0188 0.911 0.004 0.996 0.000 0.000
#> SRR1036032 2 0.0188 0.911 0.004 0.996 0.000 0.000
#> SRR1036033 2 0.0188 0.911 0.004 0.996 0.000 0.000
#> SRR1036034 2 0.0188 0.911 0.004 0.996 0.000 0.000
#> SRR1036035 2 0.0188 0.911 0.004 0.996 0.000 0.000
#> SRR1036036 2 0.0188 0.911 0.004 0.996 0.000 0.000
#> SRR1036037 2 0.0188 0.911 0.004 0.996 0.000 0.000
#> SRR1036038 1 0.3545 0.766 0.828 0.164 0.008 0.000
#> SRR1036039 1 0.3545 0.766 0.828 0.164 0.008 0.000
#> SRR1036040 1 0.3545 0.766 0.828 0.164 0.008 0.000
#> SRR1036041 1 0.0000 0.871 1.000 0.000 0.000 0.000
#> SRR1036042 2 0.4855 0.401 0.000 0.600 0.000 0.400
#> SRR1036043 2 0.4855 0.401 0.000 0.600 0.000 0.400
#> SRR1036044 2 0.4855 0.401 0.000 0.600 0.000 0.400
#> SRR1036045 2 0.4855 0.401 0.000 0.600 0.000 0.400
#> SRR1036046 2 0.4855 0.401 0.000 0.600 0.000 0.400
#> SRR1036047 2 0.4855 0.401 0.000 0.600 0.000 0.400
#> SRR1036048 2 0.4855 0.401 0.000 0.600 0.000 0.400
#> SRR1036049 2 0.4855 0.401 0.000 0.600 0.000 0.400
#> SRR1036050 1 0.0000 0.871 1.000 0.000 0.000 0.000
#> SRR1036051 1 0.0000 0.871 1.000 0.000 0.000 0.000
#> SRR1036052 1 0.0000 0.871 1.000 0.000 0.000 0.000
#> SRR1036053 1 0.0000 0.871 1.000 0.000 0.000 0.000
#> SRR1036054 1 0.0000 0.871 1.000 0.000 0.000 0.000
#> SRR1036055 1 0.4103 0.669 0.744 0.256 0.000 0.000
#> SRR1036056 1 0.4134 0.664 0.740 0.260 0.000 0.000
#> SRR1036057 1 0.4072 0.675 0.748 0.252 0.000 0.000
#> SRR1036058 4 0.2081 0.780 0.084 0.000 0.000 0.916
#> SRR1036059 4 0.2081 0.780 0.084 0.000 0.000 0.916
#> SRR1036060 4 0.2081 0.780 0.084 0.000 0.000 0.916
#> SRR1036061 4 0.2081 0.780 0.084 0.000 0.000 0.916
#> SRR1036062 4 0.2081 0.780 0.084 0.000 0.000 0.916
#> SRR1036063 4 0.2081 0.780 0.084 0.000 0.000 0.916
#> SRR1036064 4 0.2081 0.780 0.084 0.000 0.000 0.916
#> SRR1036065 4 0.2081 0.780 0.084 0.000 0.000 0.916
#> SRR1036066 1 0.2921 0.798 0.860 0.000 0.000 0.140
#> SRR1036067 1 0.2814 0.805 0.868 0.000 0.000 0.132
#> SRR1036068 1 0.3074 0.789 0.848 0.000 0.000 0.152
#> SRR1036069 1 0.2973 0.796 0.856 0.000 0.000 0.144
#> SRR1036070 1 0.3024 0.792 0.852 0.000 0.000 0.148
#> SRR1036071 1 0.2921 0.798 0.860 0.000 0.000 0.140
#> SRR1036072 1 0.2704 0.812 0.876 0.000 0.000 0.124
#> SRR1036073 1 0.2814 0.805 0.868 0.000 0.000 0.132
#> SRR1036074 4 0.4222 0.538 0.000 0.272 0.000 0.728
#> SRR1036075 4 0.4222 0.538 0.000 0.272 0.000 0.728
#> SRR1036076 4 0.4250 0.531 0.000 0.276 0.000 0.724
#> SRR1036077 4 0.4222 0.538 0.000 0.272 0.000 0.728
#> SRR1036078 4 0.4222 0.538 0.000 0.272 0.000 0.728
#> SRR1036079 4 0.4164 0.549 0.000 0.264 0.000 0.736
#> SRR1036080 4 0.4193 0.544 0.000 0.268 0.000 0.732
#> SRR1036081 4 0.4193 0.544 0.000 0.268 0.000 0.732
#> SRR1036082 4 0.1389 0.780 0.048 0.000 0.000 0.952
#> SRR1036083 4 0.1389 0.780 0.048 0.000 0.000 0.952
#> SRR1036084 4 0.1389 0.780 0.048 0.000 0.000 0.952
#> SRR1036090 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036091 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036092 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036093 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036094 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036085 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036095 1 0.4250 0.637 0.724 0.000 0.000 0.276
#> SRR1036096 1 0.4222 0.642 0.728 0.000 0.000 0.272
#> SRR1036097 1 0.4222 0.642 0.728 0.000 0.000 0.272
#> SRR1036098 1 0.4222 0.642 0.728 0.000 0.000 0.272
#> SRR1036099 1 0.4250 0.637 0.724 0.000 0.000 0.276
#> SRR1036100 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036101 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036102 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036103 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036104 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036105 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.981 0.000 0.000 1.000 0.000
#> SRR1036110 4 0.1557 0.782 0.056 0.000 0.000 0.944
#> SRR1036111 4 0.1557 0.782 0.056 0.000 0.000 0.944
#> SRR1036112 4 0.1557 0.782 0.056 0.000 0.000 0.944
#> SRR1036113 4 0.1557 0.782 0.056 0.000 0.000 0.944
#> SRR1036114 4 0.1474 0.781 0.052 0.000 0.000 0.948
#> SRR1036115 1 0.1211 0.865 0.960 0.000 0.000 0.040
#> SRR1036116 1 0.1211 0.865 0.960 0.000 0.000 0.040
#> SRR1036117 1 0.1211 0.865 0.960 0.000 0.000 0.040
#> SRR1036118 1 0.1211 0.865 0.960 0.000 0.000 0.040
#> SRR1036119 1 0.1211 0.865 0.960 0.000 0.000 0.040
#> SRR1036120 4 0.4817 0.301 0.000 0.000 0.388 0.612
#> SRR1036121 4 0.4804 0.310 0.000 0.000 0.384 0.616
#> SRR1036122 4 0.4817 0.301 0.000 0.000 0.388 0.612
#> SRR1036123 4 0.4817 0.301 0.000 0.000 0.388 0.612
#> SRR1036124 4 0.4817 0.301 0.000 0.000 0.388 0.612
#> SRR1036125 1 0.0336 0.871 0.992 0.000 0.008 0.000
#> SRR1036126 1 0.0336 0.871 0.992 0.000 0.008 0.000
#> SRR1036127 1 0.0469 0.870 0.988 0.000 0.012 0.000
#> SRR1036128 1 0.0336 0.871 0.992 0.000 0.008 0.000
#> SRR1036129 1 0.0336 0.871 0.992 0.000 0.008 0.000
#> SRR1036130 1 0.0336 0.871 0.992 0.000 0.008 0.000
#> SRR1036131 1 0.0336 0.871 0.992 0.000 0.008 0.000
#> SRR1036132 1 0.0336 0.871 0.992 0.000 0.008 0.000
#> SRR1036133 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036134 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036135 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036136 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036137 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036138 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036139 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036140 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036141 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036142 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036143 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036144 2 0.0000 0.914 0.000 1.000 0.000 0.000
#> SRR1036145 2 0.0000 0.914 0.000 1.000 0.000 0.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 5 0.3328 0.685 0.000 0.008 0.176 0.004 0.812
#> SRR1036003 5 0.3328 0.685 0.000 0.008 0.176 0.004 0.812
#> SRR1036004 5 0.3328 0.685 0.000 0.008 0.176 0.004 0.812
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 4 0.4224 0.711 0.024 0.000 0.136 0.796 0.044
#> SRR1036014 4 0.4015 0.718 0.024 0.000 0.124 0.812 0.040
#> SRR1036015 4 0.4220 0.714 0.028 0.000 0.128 0.800 0.044
#> SRR1036016 4 0.4135 0.715 0.024 0.000 0.128 0.804 0.044
#> SRR1036017 4 0.4135 0.716 0.024 0.000 0.128 0.804 0.044
#> SRR1036018 4 0.4089 0.717 0.024 0.000 0.124 0.808 0.044
#> SRR1036010 1 0.3579 0.668 0.756 0.000 0.000 0.004 0.240
#> SRR1036011 1 0.3579 0.668 0.756 0.000 0.000 0.004 0.240
#> SRR1036012 1 0.3607 0.666 0.752 0.000 0.000 0.004 0.244
#> SRR1036019 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036020 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036021 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036022 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036023 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036024 5 0.5329 0.497 0.336 0.000 0.000 0.068 0.596
#> SRR1036025 5 0.5329 0.497 0.336 0.000 0.000 0.068 0.596
#> SRR1036026 5 0.5343 0.490 0.340 0.000 0.000 0.068 0.592
#> SRR1036027 5 0.5343 0.490 0.340 0.000 0.000 0.068 0.592
#> SRR1036028 5 0.5329 0.497 0.336 0.000 0.000 0.068 0.596
#> SRR1036029 5 0.5343 0.490 0.340 0.000 0.000 0.068 0.592
#> SRR1036030 2 0.0671 0.982 0.016 0.980 0.000 0.000 0.004
#> SRR1036031 2 0.0566 0.985 0.012 0.984 0.000 0.000 0.004
#> SRR1036032 2 0.0671 0.982 0.016 0.980 0.000 0.000 0.004
#> SRR1036033 2 0.0566 0.985 0.012 0.984 0.000 0.000 0.004
#> SRR1036034 2 0.0671 0.982 0.016 0.980 0.000 0.000 0.004
#> SRR1036035 2 0.0566 0.985 0.012 0.984 0.000 0.000 0.004
#> SRR1036036 2 0.0566 0.985 0.012 0.984 0.000 0.000 0.004
#> SRR1036037 2 0.0671 0.982 0.016 0.980 0.000 0.000 0.004
#> SRR1036038 1 0.2228 0.785 0.900 0.092 0.004 0.000 0.004
#> SRR1036039 1 0.2170 0.787 0.904 0.088 0.004 0.000 0.004
#> SRR1036040 1 0.2170 0.787 0.904 0.088 0.004 0.000 0.004
#> SRR1036041 1 0.0000 0.821 1.000 0.000 0.000 0.000 0.000
#> SRR1036042 5 0.2844 0.767 0.000 0.092 0.004 0.028 0.876
#> SRR1036043 5 0.2844 0.767 0.000 0.092 0.004 0.028 0.876
#> SRR1036044 5 0.2812 0.765 0.000 0.096 0.004 0.024 0.876
#> SRR1036045 5 0.2844 0.767 0.000 0.092 0.004 0.028 0.876
#> SRR1036046 5 0.2812 0.765 0.000 0.096 0.004 0.024 0.876
#> SRR1036047 5 0.2844 0.767 0.000 0.092 0.004 0.028 0.876
#> SRR1036048 5 0.2844 0.767 0.000 0.092 0.004 0.028 0.876
#> SRR1036049 5 0.2844 0.767 0.000 0.092 0.004 0.028 0.876
#> SRR1036050 1 0.1168 0.817 0.960 0.000 0.000 0.008 0.032
#> SRR1036051 1 0.1168 0.817 0.960 0.000 0.000 0.008 0.032
#> SRR1036052 1 0.1168 0.817 0.960 0.000 0.000 0.008 0.032
#> SRR1036053 1 0.1168 0.817 0.960 0.000 0.000 0.008 0.032
#> SRR1036054 1 0.1168 0.817 0.960 0.000 0.000 0.008 0.032
#> SRR1036055 1 0.4151 0.494 0.652 0.344 0.000 0.000 0.004
#> SRR1036056 1 0.4182 0.476 0.644 0.352 0.000 0.000 0.004
#> SRR1036057 1 0.4135 0.502 0.656 0.340 0.000 0.000 0.004
#> SRR1036058 4 0.0000 0.748 0.000 0.000 0.000 1.000 0.000
#> SRR1036059 4 0.0000 0.748 0.000 0.000 0.000 1.000 0.000
#> SRR1036060 4 0.0000 0.748 0.000 0.000 0.000 1.000 0.000
#> SRR1036061 4 0.0000 0.748 0.000 0.000 0.000 1.000 0.000
#> SRR1036062 4 0.0000 0.748 0.000 0.000 0.000 1.000 0.000
#> SRR1036063 4 0.0000 0.748 0.000 0.000 0.000 1.000 0.000
#> SRR1036064 4 0.0000 0.748 0.000 0.000 0.000 1.000 0.000
#> SRR1036065 4 0.0000 0.748 0.000 0.000 0.000 1.000 0.000
#> SRR1036066 1 0.3164 0.769 0.852 0.000 0.000 0.044 0.104
#> SRR1036067 1 0.3216 0.766 0.848 0.000 0.000 0.044 0.108
#> SRR1036068 1 0.3267 0.762 0.844 0.000 0.000 0.044 0.112
#> SRR1036069 1 0.3267 0.763 0.844 0.000 0.000 0.044 0.112
#> SRR1036070 1 0.3267 0.763 0.844 0.000 0.000 0.044 0.112
#> SRR1036071 1 0.3058 0.774 0.860 0.000 0.000 0.044 0.096
#> SRR1036072 1 0.3112 0.771 0.856 0.000 0.000 0.044 0.100
#> SRR1036073 1 0.3058 0.774 0.860 0.000 0.000 0.044 0.096
#> SRR1036074 5 0.3994 0.722 0.000 0.040 0.000 0.188 0.772
#> SRR1036075 5 0.3994 0.722 0.000 0.040 0.000 0.188 0.772
#> SRR1036076 5 0.3994 0.722 0.000 0.040 0.000 0.188 0.772
#> SRR1036077 5 0.3994 0.722 0.000 0.040 0.000 0.188 0.772
#> SRR1036078 5 0.3994 0.722 0.000 0.040 0.000 0.188 0.772
#> SRR1036079 5 0.4028 0.719 0.000 0.040 0.000 0.192 0.768
#> SRR1036080 5 0.3994 0.722 0.000 0.040 0.000 0.188 0.772
#> SRR1036081 5 0.4028 0.719 0.000 0.040 0.000 0.192 0.768
#> SRR1036082 4 0.2852 0.694 0.000 0.000 0.000 0.828 0.172
#> SRR1036083 4 0.2852 0.694 0.000 0.000 0.000 0.828 0.172
#> SRR1036084 4 0.2813 0.697 0.000 0.000 0.000 0.832 0.168
#> SRR1036090 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036091 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036092 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036093 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036094 2 0.0162 0.991 0.000 0.996 0.000 0.000 0.004
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 4 0.4576 0.500 0.268 0.000 0.000 0.692 0.040
#> SRR1036096 4 0.4576 0.500 0.268 0.000 0.000 0.692 0.040
#> SRR1036097 4 0.4576 0.500 0.268 0.000 0.000 0.692 0.040
#> SRR1036098 4 0.4576 0.500 0.268 0.000 0.000 0.692 0.040
#> SRR1036099 4 0.4576 0.500 0.268 0.000 0.000 0.692 0.040
#> SRR1036100 2 0.0771 0.981 0.004 0.976 0.000 0.000 0.020
#> SRR1036101 2 0.0771 0.981 0.004 0.976 0.000 0.000 0.020
#> SRR1036102 2 0.0771 0.981 0.004 0.976 0.000 0.000 0.020
#> SRR1036103 2 0.0771 0.981 0.004 0.976 0.000 0.000 0.020
#> SRR1036104 2 0.0771 0.981 0.004 0.976 0.000 0.000 0.020
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.3074 0.656 0.000 0.000 0.000 0.804 0.196
#> SRR1036111 4 0.3143 0.648 0.000 0.000 0.000 0.796 0.204
#> SRR1036112 4 0.3074 0.657 0.000 0.000 0.000 0.804 0.196
#> SRR1036113 4 0.3074 0.657 0.000 0.000 0.000 0.804 0.196
#> SRR1036114 4 0.3074 0.657 0.000 0.000 0.000 0.804 0.196
#> SRR1036115 1 0.4840 0.519 0.640 0.000 0.000 0.320 0.040
#> SRR1036116 1 0.4820 0.501 0.632 0.000 0.000 0.332 0.036
#> SRR1036117 1 0.4770 0.522 0.644 0.000 0.000 0.320 0.036
#> SRR1036118 1 0.4787 0.515 0.640 0.000 0.000 0.324 0.036
#> SRR1036119 1 0.4840 0.519 0.640 0.000 0.000 0.320 0.040
#> SRR1036120 4 0.6195 0.299 0.000 0.000 0.368 0.488 0.144
#> SRR1036121 4 0.6180 0.315 0.000 0.000 0.360 0.496 0.144
#> SRR1036122 4 0.6195 0.299 0.000 0.000 0.368 0.488 0.144
#> SRR1036123 4 0.6195 0.299 0.000 0.000 0.368 0.488 0.144
#> SRR1036124 4 0.6195 0.299 0.000 0.000 0.368 0.488 0.144
#> SRR1036125 1 0.0807 0.821 0.976 0.000 0.012 0.000 0.012
#> SRR1036126 1 0.0693 0.821 0.980 0.000 0.012 0.000 0.008
#> SRR1036127 1 0.0807 0.821 0.976 0.000 0.012 0.000 0.012
#> SRR1036128 1 0.0693 0.821 0.980 0.000 0.008 0.000 0.012
#> SRR1036129 1 0.0807 0.821 0.976 0.000 0.012 0.000 0.012
#> SRR1036130 1 0.0807 0.821 0.976 0.000 0.012 0.000 0.012
#> SRR1036131 1 0.0693 0.821 0.980 0.000 0.012 0.000 0.008
#> SRR1036132 1 0.0807 0.821 0.976 0.000 0.012 0.000 0.012
#> SRR1036133 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036134 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036135 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036136 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036137 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036138 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036139 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036140 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036141 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036142 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036143 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036144 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
#> SRR1036145 2 0.0000 0.992 0.000 1.000 0.000 0.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.2144 0.664 0.000 0.004 0.048 0.000 0.040 0.908
#> SRR1036003 6 0.2144 0.664 0.000 0.004 0.048 0.000 0.040 0.908
#> SRR1036004 6 0.2144 0.664 0.000 0.004 0.048 0.000 0.040 0.908
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 4 0.5488 0.617 0.060 0.000 0.076 0.708 0.120 0.036
#> SRR1036014 4 0.5501 0.619 0.060 0.000 0.068 0.704 0.132 0.036
#> SRR1036015 4 0.5479 0.618 0.068 0.000 0.064 0.708 0.124 0.036
#> SRR1036016 4 0.5479 0.618 0.068 0.000 0.064 0.708 0.124 0.036
#> SRR1036017 4 0.5479 0.618 0.068 0.000 0.064 0.708 0.124 0.036
#> SRR1036018 4 0.5465 0.618 0.064 0.000 0.064 0.708 0.128 0.036
#> SRR1036010 1 0.3925 0.468 0.656 0.000 0.000 0.008 0.004 0.332
#> SRR1036011 1 0.3925 0.468 0.656 0.000 0.000 0.008 0.004 0.332
#> SRR1036012 1 0.3925 0.468 0.656 0.000 0.000 0.008 0.004 0.332
#> SRR1036019 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036020 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036021 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036022 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036023 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036024 6 0.6428 0.316 0.364 0.000 0.000 0.064 0.116 0.456
#> SRR1036025 6 0.6428 0.316 0.364 0.000 0.000 0.064 0.116 0.456
#> SRR1036026 6 0.6428 0.316 0.364 0.000 0.000 0.064 0.116 0.456
#> SRR1036027 6 0.6428 0.316 0.364 0.000 0.000 0.064 0.116 0.456
#> SRR1036028 6 0.6428 0.316 0.364 0.000 0.000 0.064 0.116 0.456
#> SRR1036029 6 0.6428 0.316 0.364 0.000 0.000 0.064 0.116 0.456
#> SRR1036030 2 0.1526 0.921 0.004 0.944 0.000 0.008 0.036 0.008
#> SRR1036031 2 0.1526 0.921 0.004 0.944 0.000 0.008 0.036 0.008
#> SRR1036032 2 0.1526 0.921 0.004 0.944 0.000 0.008 0.036 0.008
#> SRR1036033 2 0.1526 0.921 0.004 0.944 0.000 0.008 0.036 0.008
#> SRR1036034 2 0.1526 0.921 0.004 0.944 0.000 0.008 0.036 0.008
#> SRR1036035 2 0.1526 0.921 0.004 0.944 0.000 0.008 0.036 0.008
#> SRR1036036 2 0.1526 0.921 0.004 0.944 0.000 0.008 0.036 0.008
#> SRR1036037 2 0.1526 0.921 0.004 0.944 0.000 0.008 0.036 0.008
#> SRR1036038 1 0.3224 0.719 0.856 0.040 0.004 0.080 0.012 0.008
#> SRR1036039 1 0.3224 0.719 0.856 0.040 0.004 0.080 0.012 0.008
#> SRR1036040 1 0.3224 0.719 0.856 0.040 0.004 0.080 0.012 0.008
#> SRR1036041 1 0.0713 0.742 0.972 0.000 0.000 0.028 0.000 0.000
#> SRR1036042 6 0.1549 0.683 0.000 0.020 0.000 0.000 0.044 0.936
#> SRR1036043 6 0.1549 0.683 0.000 0.020 0.000 0.000 0.044 0.936
#> SRR1036044 6 0.1564 0.682 0.000 0.024 0.000 0.000 0.040 0.936
#> SRR1036045 6 0.1549 0.683 0.000 0.020 0.000 0.000 0.044 0.936
#> SRR1036046 6 0.1564 0.682 0.000 0.024 0.000 0.000 0.040 0.936
#> SRR1036047 6 0.1549 0.683 0.000 0.020 0.000 0.000 0.044 0.936
#> SRR1036048 6 0.1549 0.683 0.000 0.020 0.000 0.000 0.044 0.936
#> SRR1036049 6 0.1549 0.683 0.000 0.020 0.000 0.000 0.044 0.936
#> SRR1036050 1 0.3563 0.690 0.796 0.000 0.000 0.132 0.072 0.000
#> SRR1036051 1 0.3563 0.690 0.796 0.000 0.000 0.132 0.072 0.000
#> SRR1036052 1 0.3563 0.690 0.796 0.000 0.000 0.132 0.072 0.000
#> SRR1036053 1 0.3508 0.692 0.800 0.000 0.000 0.132 0.068 0.000
#> SRR1036054 1 0.3616 0.688 0.792 0.000 0.000 0.132 0.076 0.000
#> SRR1036055 1 0.5055 0.512 0.656 0.264 0.000 0.032 0.040 0.008
#> SRR1036056 1 0.5094 0.502 0.648 0.272 0.000 0.032 0.040 0.008
#> SRR1036057 1 0.4970 0.520 0.664 0.260 0.000 0.032 0.036 0.008
#> SRR1036058 4 0.3175 0.624 0.000 0.000 0.000 0.744 0.256 0.000
#> SRR1036059 4 0.3175 0.624 0.000 0.000 0.000 0.744 0.256 0.000
#> SRR1036060 4 0.3175 0.624 0.000 0.000 0.000 0.744 0.256 0.000
#> SRR1036061 4 0.3175 0.624 0.000 0.000 0.000 0.744 0.256 0.000
#> SRR1036062 4 0.3175 0.624 0.000 0.000 0.000 0.744 0.256 0.000
#> SRR1036063 4 0.3175 0.624 0.000 0.000 0.000 0.744 0.256 0.000
#> SRR1036064 4 0.3175 0.624 0.000 0.000 0.000 0.744 0.256 0.000
#> SRR1036065 4 0.3175 0.624 0.000 0.000 0.000 0.744 0.256 0.000
#> SRR1036066 1 0.5304 0.534 0.688 0.000 0.000 0.064 0.116 0.132
#> SRR1036067 1 0.5304 0.534 0.688 0.000 0.000 0.064 0.116 0.132
#> SRR1036068 1 0.5304 0.534 0.688 0.000 0.000 0.064 0.116 0.132
#> SRR1036069 1 0.5304 0.534 0.688 0.000 0.000 0.064 0.116 0.132
#> SRR1036070 1 0.5304 0.534 0.688 0.000 0.000 0.064 0.116 0.132
#> SRR1036071 1 0.5304 0.534 0.688 0.000 0.000 0.064 0.116 0.132
#> SRR1036072 1 0.5304 0.534 0.688 0.000 0.000 0.064 0.116 0.132
#> SRR1036073 1 0.5304 0.534 0.688 0.000 0.000 0.064 0.116 0.132
#> SRR1036074 5 0.3572 0.835 0.000 0.032 0.000 0.000 0.764 0.204
#> SRR1036075 5 0.3630 0.830 0.000 0.032 0.000 0.000 0.756 0.212
#> SRR1036076 5 0.3572 0.835 0.000 0.032 0.000 0.000 0.764 0.204
#> SRR1036077 5 0.3586 0.828 0.000 0.028 0.000 0.000 0.756 0.216
#> SRR1036078 5 0.3558 0.832 0.000 0.028 0.000 0.000 0.760 0.212
#> SRR1036079 5 0.3529 0.835 0.000 0.028 0.000 0.000 0.764 0.208
#> SRR1036080 5 0.3529 0.835 0.000 0.028 0.000 0.000 0.764 0.208
#> SRR1036081 5 0.3454 0.835 0.000 0.024 0.000 0.000 0.768 0.208
#> SRR1036082 5 0.1866 0.776 0.000 0.000 0.000 0.084 0.908 0.008
#> SRR1036083 5 0.1918 0.774 0.000 0.000 0.000 0.088 0.904 0.008
#> SRR1036084 5 0.1918 0.774 0.000 0.000 0.000 0.088 0.904 0.008
#> SRR1036090 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036091 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036092 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036093 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036094 2 0.0146 0.936 0.000 0.996 0.000 0.000 0.004 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 4 0.2412 0.634 0.092 0.000 0.000 0.880 0.028 0.000
#> SRR1036096 4 0.2412 0.634 0.092 0.000 0.000 0.880 0.028 0.000
#> SRR1036097 4 0.2412 0.634 0.092 0.000 0.000 0.880 0.028 0.000
#> SRR1036098 4 0.2412 0.634 0.092 0.000 0.000 0.880 0.028 0.000
#> SRR1036099 4 0.2412 0.634 0.092 0.000 0.000 0.880 0.028 0.000
#> SRR1036100 2 0.4489 0.578 0.000 0.656 0.000 0.008 0.296 0.040
#> SRR1036101 2 0.4489 0.578 0.000 0.656 0.000 0.008 0.296 0.040
#> SRR1036102 2 0.4452 0.592 0.000 0.664 0.000 0.008 0.288 0.040
#> SRR1036103 2 0.4452 0.592 0.000 0.664 0.000 0.008 0.288 0.040
#> SRR1036104 2 0.4607 0.580 0.004 0.656 0.000 0.008 0.292 0.040
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 4 0.6097 0.222 0.000 0.000 0.000 0.372 0.344 0.284
#> SRR1036111 4 0.6103 0.216 0.000 0.000 0.000 0.368 0.344 0.288
#> SRR1036112 4 0.6103 0.216 0.000 0.000 0.000 0.368 0.344 0.288
#> SRR1036113 4 0.6084 0.232 0.000 0.000 0.000 0.380 0.344 0.276
#> SRR1036114 4 0.6103 0.215 0.000 0.000 0.000 0.368 0.344 0.288
#> SRR1036115 4 0.3883 0.377 0.332 0.000 0.000 0.656 0.012 0.000
#> SRR1036116 4 0.3867 0.383 0.328 0.000 0.000 0.660 0.012 0.000
#> SRR1036117 4 0.3883 0.377 0.332 0.000 0.000 0.656 0.012 0.000
#> SRR1036118 4 0.3883 0.377 0.332 0.000 0.000 0.656 0.012 0.000
#> SRR1036119 4 0.3883 0.377 0.332 0.000 0.000 0.656 0.012 0.000
#> SRR1036120 5 0.3150 0.800 0.000 0.000 0.096 0.024 0.848 0.032
#> SRR1036121 5 0.3129 0.801 0.000 0.000 0.088 0.028 0.852 0.032
#> SRR1036122 5 0.3150 0.800 0.000 0.000 0.096 0.024 0.848 0.032
#> SRR1036123 5 0.3101 0.802 0.000 0.000 0.092 0.024 0.852 0.032
#> SRR1036124 5 0.3150 0.800 0.000 0.000 0.096 0.024 0.848 0.032
#> SRR1036125 1 0.0000 0.745 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.745 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.745 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.745 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.745 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.745 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.745 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.745 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036133 2 0.0520 0.934 0.000 0.984 0.000 0.000 0.008 0.008
#> SRR1036134 2 0.0405 0.935 0.000 0.988 0.000 0.000 0.008 0.004
#> SRR1036135 2 0.0520 0.934 0.000 0.984 0.000 0.000 0.008 0.008
#> SRR1036136 2 0.0405 0.935 0.000 0.988 0.000 0.000 0.008 0.004
#> SRR1036137 2 0.0405 0.935 0.000 0.988 0.000 0.000 0.008 0.004
#> SRR1036138 2 0.0000 0.936 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036139 2 0.0000 0.936 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036140 2 0.0000 0.936 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036141 2 0.0000 0.936 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036142 2 0.0000 0.936 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036143 2 0.0000 0.936 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036144 2 0.0000 0.936 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036145 2 0.0000 0.936 0.000 1.000 0.000 0.000 0.000 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["CV", "hclust"]
# you can also extract it by
# res = res_list["CV:hclust"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'CV' method.
#> Subgroups are detected by 'hclust' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 3.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.422 0.847 0.920 0.1864 0.894 0.894
#> 3 3 0.559 0.836 0.925 1.0216 0.708 0.676
#> 4 4 0.341 0.458 0.677 0.5711 0.816 0.703
#> 5 5 0.483 0.428 0.610 0.1060 0.738 0.557
#> 6 6 0.582 0.501 0.706 0.0802 0.660 0.381
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 3
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.4690 0.856 0.100 0.900
#> SRR1036003 2 0.4690 0.856 0.100 0.900
#> SRR1036004 2 0.4690 0.856 0.100 0.900
#> SRR1036005 2 0.7950 0.710 0.240 0.760
#> SRR1036006 2 0.7950 0.710 0.240 0.760
#> SRR1036007 2 0.7950 0.710 0.240 0.760
#> SRR1036008 2 0.7950 0.710 0.240 0.760
#> SRR1036009 2 0.7950 0.710 0.240 0.760
#> SRR1036013 2 0.3733 0.851 0.072 0.928
#> SRR1036014 2 0.3733 0.851 0.072 0.928
#> SRR1036015 2 0.3733 0.851 0.072 0.928
#> SRR1036016 2 0.3733 0.851 0.072 0.928
#> SRR1036017 2 0.3733 0.851 0.072 0.928
#> SRR1036018 2 0.3733 0.851 0.072 0.928
#> SRR1036010 2 0.4690 0.856 0.100 0.900
#> SRR1036011 2 0.4690 0.856 0.100 0.900
#> SRR1036012 2 0.4690 0.856 0.100 0.900
#> SRR1036019 2 0.0000 0.907 0.000 1.000
#> SRR1036020 2 0.0000 0.907 0.000 1.000
#> SRR1036021 2 0.0000 0.907 0.000 1.000
#> SRR1036022 2 0.0000 0.907 0.000 1.000
#> SRR1036023 2 0.0000 0.907 0.000 1.000
#> SRR1036024 2 0.0000 0.907 0.000 1.000
#> SRR1036025 2 0.0000 0.907 0.000 1.000
#> SRR1036026 2 0.0000 0.907 0.000 1.000
#> SRR1036027 2 0.0000 0.907 0.000 1.000
#> SRR1036028 2 0.0000 0.907 0.000 1.000
#> SRR1036029 2 0.0000 0.907 0.000 1.000
#> SRR1036030 2 0.0000 0.907 0.000 1.000
#> SRR1036031 2 0.0000 0.907 0.000 1.000
#> SRR1036032 2 0.0000 0.907 0.000 1.000
#> SRR1036033 2 0.0000 0.907 0.000 1.000
#> SRR1036034 2 0.0000 0.907 0.000 1.000
#> SRR1036035 2 0.0000 0.907 0.000 1.000
#> SRR1036036 2 0.0000 0.907 0.000 1.000
#> SRR1036037 2 0.0000 0.907 0.000 1.000
#> SRR1036038 2 0.0000 0.907 0.000 1.000
#> SRR1036039 2 0.0000 0.907 0.000 1.000
#> SRR1036040 2 0.0000 0.907 0.000 1.000
#> SRR1036041 2 0.0000 0.907 0.000 1.000
#> SRR1036042 2 0.4690 0.856 0.100 0.900
#> SRR1036043 2 0.4690 0.856 0.100 0.900
#> SRR1036044 2 0.4690 0.856 0.100 0.900
#> SRR1036045 2 0.4690 0.856 0.100 0.900
#> SRR1036046 2 0.4690 0.856 0.100 0.900
#> SRR1036047 2 0.4690 0.856 0.100 0.900
#> SRR1036048 2 0.4690 0.856 0.100 0.900
#> SRR1036049 2 0.4690 0.856 0.100 0.900
#> SRR1036050 2 0.0938 0.903 0.012 0.988
#> SRR1036051 2 0.0938 0.903 0.012 0.988
#> SRR1036052 2 0.0938 0.903 0.012 0.988
#> SRR1036053 2 0.0938 0.903 0.012 0.988
#> SRR1036054 2 0.0938 0.903 0.012 0.988
#> SRR1036055 2 0.0000 0.907 0.000 1.000
#> SRR1036056 2 0.0000 0.907 0.000 1.000
#> SRR1036057 2 0.0000 0.907 0.000 1.000
#> SRR1036058 1 0.7950 1.000 0.760 0.240
#> SRR1036059 1 0.7950 1.000 0.760 0.240
#> SRR1036060 1 0.7950 1.000 0.760 0.240
#> SRR1036061 1 0.7950 1.000 0.760 0.240
#> SRR1036062 1 0.7950 1.000 0.760 0.240
#> SRR1036063 1 0.7950 1.000 0.760 0.240
#> SRR1036064 1 0.7950 1.000 0.760 0.240
#> SRR1036065 1 0.7950 1.000 0.760 0.240
#> SRR1036066 2 0.0000 0.907 0.000 1.000
#> SRR1036067 2 0.0000 0.907 0.000 1.000
#> SRR1036068 2 0.0000 0.907 0.000 1.000
#> SRR1036069 2 0.0000 0.907 0.000 1.000
#> SRR1036070 2 0.0000 0.907 0.000 1.000
#> SRR1036071 2 0.0000 0.907 0.000 1.000
#> SRR1036072 2 0.0000 0.907 0.000 1.000
#> SRR1036073 2 0.0000 0.907 0.000 1.000
#> SRR1036074 2 0.0000 0.907 0.000 1.000
#> SRR1036075 2 0.0000 0.907 0.000 1.000
#> SRR1036076 2 0.0000 0.907 0.000 1.000
#> SRR1036077 2 0.0000 0.907 0.000 1.000
#> SRR1036078 2 0.0000 0.907 0.000 1.000
#> SRR1036079 2 0.0000 0.907 0.000 1.000
#> SRR1036080 2 0.0000 0.907 0.000 1.000
#> SRR1036081 2 0.0000 0.907 0.000 1.000
#> SRR1036082 2 0.1184 0.898 0.016 0.984
#> SRR1036083 2 0.1184 0.898 0.016 0.984
#> SRR1036084 2 0.1184 0.898 0.016 0.984
#> SRR1036090 2 0.0000 0.907 0.000 1.000
#> SRR1036091 2 0.0000 0.907 0.000 1.000
#> SRR1036092 2 0.0000 0.907 0.000 1.000
#> SRR1036093 2 0.0000 0.907 0.000 1.000
#> SRR1036094 2 0.0000 0.907 0.000 1.000
#> SRR1036085 2 0.7950 0.710 0.240 0.760
#> SRR1036086 2 0.7950 0.710 0.240 0.760
#> SRR1036087 2 0.7950 0.710 0.240 0.760
#> SRR1036088 2 0.7950 0.710 0.240 0.760
#> SRR1036089 2 0.7950 0.710 0.240 0.760
#> SRR1036095 2 0.8763 0.424 0.296 0.704
#> SRR1036096 2 0.8763 0.424 0.296 0.704
#> SRR1036097 2 0.8763 0.424 0.296 0.704
#> SRR1036098 2 0.8763 0.424 0.296 0.704
#> SRR1036099 2 0.8763 0.424 0.296 0.704
#> SRR1036100 2 0.0000 0.907 0.000 1.000
#> SRR1036101 2 0.0000 0.907 0.000 1.000
#> SRR1036102 2 0.0000 0.907 0.000 1.000
#> SRR1036103 2 0.0000 0.907 0.000 1.000
#> SRR1036104 2 0.0000 0.907 0.000 1.000
#> SRR1036105 2 0.7950 0.710 0.240 0.760
#> SRR1036106 2 0.7950 0.710 0.240 0.760
#> SRR1036107 2 0.7950 0.710 0.240 0.760
#> SRR1036108 2 0.7950 0.710 0.240 0.760
#> SRR1036109 2 0.7950 0.710 0.240 0.760
#> SRR1036110 2 0.4690 0.856 0.100 0.900
#> SRR1036111 2 0.4690 0.856 0.100 0.900
#> SRR1036112 2 0.4690 0.856 0.100 0.900
#> SRR1036113 2 0.4690 0.856 0.100 0.900
#> SRR1036114 2 0.4690 0.856 0.100 0.900
#> SRR1036115 2 0.8763 0.424 0.296 0.704
#> SRR1036116 2 0.8763 0.424 0.296 0.704
#> SRR1036117 2 0.8763 0.424 0.296 0.704
#> SRR1036118 2 0.8763 0.424 0.296 0.704
#> SRR1036119 2 0.8763 0.424 0.296 0.704
#> SRR1036120 2 0.4939 0.851 0.108 0.892
#> SRR1036121 2 0.4939 0.851 0.108 0.892
#> SRR1036122 2 0.4939 0.851 0.108 0.892
#> SRR1036123 2 0.4939 0.851 0.108 0.892
#> SRR1036124 2 0.4939 0.851 0.108 0.892
#> SRR1036125 2 0.0000 0.907 0.000 1.000
#> SRR1036126 2 0.0000 0.907 0.000 1.000
#> SRR1036127 2 0.0000 0.907 0.000 1.000
#> SRR1036128 2 0.0000 0.907 0.000 1.000
#> SRR1036129 2 0.0000 0.907 0.000 1.000
#> SRR1036130 2 0.0000 0.907 0.000 1.000
#> SRR1036131 2 0.0000 0.907 0.000 1.000
#> SRR1036132 2 0.0000 0.907 0.000 1.000
#> SRR1036133 2 0.0000 0.907 0.000 1.000
#> SRR1036134 2 0.0000 0.907 0.000 1.000
#> SRR1036135 2 0.0000 0.907 0.000 1.000
#> SRR1036136 2 0.0000 0.907 0.000 1.000
#> SRR1036137 2 0.0000 0.907 0.000 1.000
#> SRR1036138 2 0.0000 0.907 0.000 1.000
#> SRR1036139 2 0.0000 0.907 0.000 1.000
#> SRR1036140 2 0.0000 0.907 0.000 1.000
#> SRR1036141 2 0.0000 0.907 0.000 1.000
#> SRR1036142 2 0.0000 0.907 0.000 1.000
#> SRR1036143 2 0.0000 0.907 0.000 1.000
#> SRR1036144 2 0.0000 0.907 0.000 1.000
#> SRR1036145 2 0.0000 0.907 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036003 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036004 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036013 2 0.5816 0.568 0.224 0.752 0.024
#> SRR1036014 2 0.5816 0.568 0.224 0.752 0.024
#> SRR1036015 2 0.5816 0.568 0.224 0.752 0.024
#> SRR1036016 2 0.5816 0.568 0.224 0.752 0.024
#> SRR1036017 2 0.5816 0.568 0.224 0.752 0.024
#> SRR1036018 2 0.5816 0.568 0.224 0.752 0.024
#> SRR1036010 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036011 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036012 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036019 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036020 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036021 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036022 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036023 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036024 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036025 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036026 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036027 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036028 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036029 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036030 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036031 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036032 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036033 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036034 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036035 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036036 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036037 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036038 2 0.0237 0.924 0.000 0.996 0.004
#> SRR1036039 2 0.0237 0.924 0.000 0.996 0.004
#> SRR1036040 2 0.0237 0.924 0.000 0.996 0.004
#> SRR1036041 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036042 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036043 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036044 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036045 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036046 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036047 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036048 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036049 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036050 2 0.0829 0.917 0.004 0.984 0.012
#> SRR1036051 2 0.0829 0.917 0.004 0.984 0.012
#> SRR1036052 2 0.0829 0.917 0.004 0.984 0.012
#> SRR1036053 2 0.0829 0.917 0.004 0.984 0.012
#> SRR1036054 2 0.0829 0.917 0.004 0.984 0.012
#> SRR1036055 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036056 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036057 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036058 1 0.0237 0.391 0.996 0.004 0.000
#> SRR1036059 1 0.0237 0.391 0.996 0.004 0.000
#> SRR1036060 1 0.0237 0.391 0.996 0.004 0.000
#> SRR1036061 1 0.0237 0.391 0.996 0.004 0.000
#> SRR1036062 1 0.0237 0.391 0.996 0.004 0.000
#> SRR1036063 1 0.0237 0.391 0.996 0.004 0.000
#> SRR1036064 1 0.0237 0.391 0.996 0.004 0.000
#> SRR1036065 1 0.0237 0.391 0.996 0.004 0.000
#> SRR1036066 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036067 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036068 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036069 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036070 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036071 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036072 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036073 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036074 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036075 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036076 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036077 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036078 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036079 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036080 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036081 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036082 2 0.1964 0.886 0.056 0.944 0.000
#> SRR1036083 2 0.1964 0.886 0.056 0.944 0.000
#> SRR1036084 2 0.1964 0.886 0.056 0.944 0.000
#> SRR1036090 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036091 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036092 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036093 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036094 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036095 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036096 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036097 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036098 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036099 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036100 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036101 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036102 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036103 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036104 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000
#> SRR1036110 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036111 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036112 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036113 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036114 2 0.4062 0.792 0.000 0.836 0.164
#> SRR1036115 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036116 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036117 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036118 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036119 1 0.6305 0.514 0.516 0.484 0.000
#> SRR1036120 2 0.4465 0.774 0.004 0.820 0.176
#> SRR1036121 2 0.4465 0.774 0.004 0.820 0.176
#> SRR1036122 2 0.4465 0.774 0.004 0.820 0.176
#> SRR1036123 2 0.4465 0.774 0.004 0.820 0.176
#> SRR1036124 2 0.4465 0.774 0.004 0.820 0.176
#> SRR1036125 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036126 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036127 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036128 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036129 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036130 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036131 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036132 2 0.0000 0.925 0.000 1.000 0.000
#> SRR1036133 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036134 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036135 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036136 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036137 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036138 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036139 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036140 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036141 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036142 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036143 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036144 2 0.0237 0.925 0.004 0.996 0.000
#> SRR1036145 2 0.0237 0.925 0.004 0.996 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036003 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036004 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036005 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036013 1 0.6727 0.5719 0.624 0.144 0.004 0.228
#> SRR1036014 1 0.6727 0.5719 0.624 0.144 0.004 0.228
#> SRR1036015 1 0.6727 0.5719 0.624 0.144 0.004 0.228
#> SRR1036016 1 0.6727 0.5719 0.624 0.144 0.004 0.228
#> SRR1036017 1 0.6727 0.5719 0.624 0.144 0.004 0.228
#> SRR1036018 1 0.6727 0.5719 0.624 0.144 0.004 0.228
#> SRR1036010 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036011 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036012 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036019 2 0.4585 0.2871 0.332 0.668 0.000 0.000
#> SRR1036020 2 0.4585 0.2871 0.332 0.668 0.000 0.000
#> SRR1036021 2 0.4585 0.2871 0.332 0.668 0.000 0.000
#> SRR1036022 2 0.4585 0.2871 0.332 0.668 0.000 0.000
#> SRR1036023 2 0.4585 0.2871 0.332 0.668 0.000 0.000
#> SRR1036024 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036025 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036026 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036027 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036028 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036029 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036030 2 0.0592 0.4748 0.016 0.984 0.000 0.000
#> SRR1036031 2 0.0592 0.4748 0.016 0.984 0.000 0.000
#> SRR1036032 2 0.0592 0.4748 0.016 0.984 0.000 0.000
#> SRR1036033 2 0.0592 0.4748 0.016 0.984 0.000 0.000
#> SRR1036034 2 0.0592 0.4748 0.016 0.984 0.000 0.000
#> SRR1036035 2 0.0592 0.4748 0.016 0.984 0.000 0.000
#> SRR1036036 2 0.0592 0.4748 0.016 0.984 0.000 0.000
#> SRR1036037 2 0.0592 0.4748 0.016 0.984 0.000 0.000
#> SRR1036038 2 0.3494 0.4735 0.172 0.824 0.004 0.000
#> SRR1036039 2 0.3494 0.4735 0.172 0.824 0.004 0.000
#> SRR1036040 2 0.3494 0.4735 0.172 0.824 0.004 0.000
#> SRR1036041 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036042 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036043 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036044 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036045 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036046 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036047 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036048 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036049 2 0.7151 0.1034 0.420 0.448 0.132 0.000
#> SRR1036050 1 0.3610 0.5594 0.800 0.200 0.000 0.000
#> SRR1036051 1 0.3610 0.5594 0.800 0.200 0.000 0.000
#> SRR1036052 1 0.3610 0.5594 0.800 0.200 0.000 0.000
#> SRR1036053 1 0.3610 0.5594 0.800 0.200 0.000 0.000
#> SRR1036054 1 0.3610 0.5594 0.800 0.200 0.000 0.000
#> SRR1036055 2 0.1211 0.4812 0.040 0.960 0.000 0.000
#> SRR1036056 2 0.1211 0.4812 0.040 0.960 0.000 0.000
#> SRR1036057 2 0.1211 0.4812 0.040 0.960 0.000 0.000
#> SRR1036058 4 0.0000 0.6316 0.000 0.000 0.000 1.000
#> SRR1036059 4 0.0000 0.6316 0.000 0.000 0.000 1.000
#> SRR1036060 4 0.0000 0.6316 0.000 0.000 0.000 1.000
#> SRR1036061 4 0.0000 0.6316 0.000 0.000 0.000 1.000
#> SRR1036062 4 0.0000 0.6316 0.000 0.000 0.000 1.000
#> SRR1036063 4 0.0000 0.6316 0.000 0.000 0.000 1.000
#> SRR1036064 4 0.0000 0.6316 0.000 0.000 0.000 1.000
#> SRR1036065 4 0.0000 0.6316 0.000 0.000 0.000 1.000
#> SRR1036066 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036067 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036068 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036069 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036070 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036071 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036072 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036073 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036074 2 0.4866 0.2433 0.404 0.596 0.000 0.000
#> SRR1036075 2 0.4866 0.2433 0.404 0.596 0.000 0.000
#> SRR1036076 2 0.4866 0.2433 0.404 0.596 0.000 0.000
#> SRR1036077 2 0.4866 0.2433 0.404 0.596 0.000 0.000
#> SRR1036078 2 0.4866 0.2433 0.404 0.596 0.000 0.000
#> SRR1036079 2 0.4866 0.2433 0.404 0.596 0.000 0.000
#> SRR1036080 2 0.4866 0.2433 0.404 0.596 0.000 0.000
#> SRR1036081 2 0.4866 0.2433 0.404 0.596 0.000 0.000
#> SRR1036082 2 0.6121 0.1651 0.396 0.552 0.000 0.052
#> SRR1036083 2 0.6121 0.1651 0.396 0.552 0.000 0.052
#> SRR1036084 2 0.6121 0.1651 0.396 0.552 0.000 0.052
#> SRR1036090 2 0.4713 0.4211 0.360 0.640 0.000 0.000
#> SRR1036091 2 0.4713 0.4211 0.360 0.640 0.000 0.000
#> SRR1036092 2 0.4713 0.4211 0.360 0.640 0.000 0.000
#> SRR1036093 2 0.4713 0.4211 0.360 0.640 0.000 0.000
#> SRR1036094 2 0.4713 0.4211 0.360 0.640 0.000 0.000
#> SRR1036085 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036095 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036096 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036097 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036098 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036099 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036100 2 0.2530 0.4771 0.112 0.888 0.000 0.000
#> SRR1036101 2 0.2530 0.4771 0.112 0.888 0.000 0.000
#> SRR1036102 2 0.2530 0.4771 0.112 0.888 0.000 0.000
#> SRR1036103 2 0.2530 0.4771 0.112 0.888 0.000 0.000
#> SRR1036104 2 0.2530 0.4771 0.112 0.888 0.000 0.000
#> SRR1036105 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036110 1 0.7153 -0.0356 0.444 0.424 0.132 0.000
#> SRR1036111 1 0.7153 -0.0356 0.444 0.424 0.132 0.000
#> SRR1036112 1 0.7153 -0.0356 0.444 0.424 0.132 0.000
#> SRR1036113 1 0.7153 -0.0356 0.444 0.424 0.132 0.000
#> SRR1036114 1 0.7153 -0.0356 0.444 0.424 0.132 0.000
#> SRR1036115 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036116 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036117 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036118 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036119 4 0.7377 0.6425 0.264 0.216 0.000 0.520
#> SRR1036120 1 0.4656 0.5925 0.792 0.072 0.136 0.000
#> SRR1036121 1 0.4656 0.5925 0.792 0.072 0.136 0.000
#> SRR1036122 1 0.4656 0.5925 0.792 0.072 0.136 0.000
#> SRR1036123 1 0.4656 0.5925 0.792 0.072 0.136 0.000
#> SRR1036124 1 0.4656 0.5925 0.792 0.072 0.136 0.000
#> SRR1036125 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036126 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036127 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036128 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036129 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036130 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036131 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036132 2 0.4925 0.3811 0.428 0.572 0.000 0.000
#> SRR1036133 2 0.1211 0.4708 0.040 0.960 0.000 0.000
#> SRR1036134 2 0.1211 0.4708 0.040 0.960 0.000 0.000
#> SRR1036135 2 0.1211 0.4708 0.040 0.960 0.000 0.000
#> SRR1036136 2 0.1211 0.4708 0.040 0.960 0.000 0.000
#> SRR1036137 2 0.1211 0.4708 0.040 0.960 0.000 0.000
#> SRR1036138 2 0.4103 0.3534 0.256 0.744 0.000 0.000
#> SRR1036139 2 0.4103 0.3534 0.256 0.744 0.000 0.000
#> SRR1036140 2 0.4103 0.3534 0.256 0.744 0.000 0.000
#> SRR1036141 2 0.4103 0.3534 0.256 0.744 0.000 0.000
#> SRR1036142 2 0.4103 0.3534 0.256 0.744 0.000 0.000
#> SRR1036143 2 0.4103 0.3534 0.256 0.744 0.000 0.000
#> SRR1036144 2 0.4103 0.3534 0.256 0.744 0.000 0.000
#> SRR1036145 2 0.4103 0.3534 0.256 0.744 0.000 0.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036003 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036004 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036005 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 1 0.788 0.0946 0.400 0.224 0.004 0.068 0.304
#> SRR1036014 1 0.788 0.0946 0.400 0.224 0.004 0.068 0.304
#> SRR1036015 1 0.788 0.0946 0.400 0.224 0.004 0.068 0.304
#> SRR1036016 1 0.788 0.0946 0.400 0.224 0.004 0.068 0.304
#> SRR1036017 1 0.788 0.0946 0.400 0.224 0.004 0.068 0.304
#> SRR1036018 1 0.788 0.0946 0.400 0.224 0.004 0.068 0.304
#> SRR1036010 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036011 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036012 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036019 2 0.520 0.7721 0.304 0.628 0.000 0.068 0.000
#> SRR1036020 2 0.520 0.7721 0.304 0.628 0.000 0.068 0.000
#> SRR1036021 2 0.520 0.7721 0.304 0.628 0.000 0.068 0.000
#> SRR1036022 2 0.520 0.7721 0.304 0.628 0.000 0.068 0.000
#> SRR1036023 2 0.520 0.7721 0.304 0.628 0.000 0.068 0.000
#> SRR1036024 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036025 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036026 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036027 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036028 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036029 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036030 1 0.460 -0.2400 0.564 0.424 0.000 0.000 0.012
#> SRR1036031 1 0.460 -0.2400 0.564 0.424 0.000 0.000 0.012
#> SRR1036032 1 0.460 -0.2400 0.564 0.424 0.000 0.000 0.012
#> SRR1036033 1 0.460 -0.2400 0.564 0.424 0.000 0.000 0.012
#> SRR1036034 1 0.460 -0.2400 0.564 0.424 0.000 0.000 0.012
#> SRR1036035 1 0.460 -0.2400 0.564 0.424 0.000 0.000 0.012
#> SRR1036036 1 0.460 -0.2400 0.564 0.424 0.000 0.000 0.012
#> SRR1036037 1 0.460 -0.2400 0.564 0.424 0.000 0.000 0.012
#> SRR1036038 1 0.387 -0.0724 0.732 0.260 0.000 0.004 0.004
#> SRR1036039 1 0.387 -0.0724 0.732 0.260 0.000 0.004 0.004
#> SRR1036040 1 0.387 -0.0724 0.732 0.260 0.000 0.004 0.004
#> SRR1036041 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036042 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036043 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036044 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036045 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036046 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036047 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036048 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036049 1 0.249 0.4211 0.872 0.004 0.000 0.124 0.000
#> SRR1036050 1 0.742 0.1533 0.508 0.228 0.000 0.184 0.080
#> SRR1036051 1 0.742 0.1533 0.508 0.228 0.000 0.184 0.080
#> SRR1036052 1 0.742 0.1533 0.508 0.228 0.000 0.184 0.080
#> SRR1036053 1 0.742 0.1533 0.508 0.228 0.000 0.184 0.080
#> SRR1036054 1 0.742 0.1533 0.508 0.228 0.000 0.184 0.080
#> SRR1036055 1 0.441 -0.1956 0.604 0.388 0.000 0.000 0.008
#> SRR1036056 1 0.441 -0.1956 0.604 0.388 0.000 0.000 0.008
#> SRR1036057 1 0.441 -0.1956 0.604 0.388 0.000 0.000 0.008
#> SRR1036058 4 0.414 1.0000 0.000 0.000 0.000 0.616 0.384
#> SRR1036059 4 0.414 1.0000 0.000 0.000 0.000 0.616 0.384
#> SRR1036060 4 0.414 1.0000 0.000 0.000 0.000 0.616 0.384
#> SRR1036061 4 0.414 1.0000 0.000 0.000 0.000 0.616 0.384
#> SRR1036062 4 0.414 1.0000 0.000 0.000 0.000 0.616 0.384
#> SRR1036063 4 0.414 1.0000 0.000 0.000 0.000 0.616 0.384
#> SRR1036064 4 0.414 1.0000 0.000 0.000 0.000 0.616 0.384
#> SRR1036065 4 0.414 1.0000 0.000 0.000 0.000 0.616 0.384
#> SRR1036066 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036067 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036068 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036069 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036070 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036071 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036072 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036073 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036074 1 0.608 0.1773 0.460 0.448 0.000 0.016 0.076
#> SRR1036075 1 0.608 0.1773 0.460 0.448 0.000 0.016 0.076
#> SRR1036076 1 0.608 0.1773 0.460 0.448 0.000 0.016 0.076
#> SRR1036077 1 0.608 0.1773 0.460 0.448 0.000 0.016 0.076
#> SRR1036078 1 0.608 0.1773 0.460 0.448 0.000 0.016 0.076
#> SRR1036079 1 0.608 0.1773 0.460 0.448 0.000 0.016 0.076
#> SRR1036080 1 0.608 0.1773 0.460 0.448 0.000 0.016 0.076
#> SRR1036081 1 0.608 0.1773 0.460 0.448 0.000 0.016 0.076
#> SRR1036082 1 0.681 0.1794 0.452 0.404 0.000 0.048 0.096
#> SRR1036083 1 0.681 0.1794 0.452 0.404 0.000 0.048 0.096
#> SRR1036084 1 0.681 0.1794 0.452 0.404 0.000 0.048 0.096
#> SRR1036090 1 0.386 0.2280 0.796 0.152 0.000 0.052 0.000
#> SRR1036091 1 0.386 0.2280 0.796 0.152 0.000 0.052 0.000
#> SRR1036092 1 0.386 0.2280 0.796 0.152 0.000 0.052 0.000
#> SRR1036093 1 0.386 0.2280 0.796 0.152 0.000 0.052 0.000
#> SRR1036094 1 0.386 0.2280 0.796 0.152 0.000 0.052 0.000
#> SRR1036085 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036096 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036097 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036098 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036099 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036100 1 0.488 -0.1571 0.516 0.464 0.000 0.004 0.016
#> SRR1036101 1 0.488 -0.1571 0.516 0.464 0.000 0.004 0.016
#> SRR1036102 1 0.488 -0.1571 0.516 0.464 0.000 0.004 0.016
#> SRR1036103 1 0.488 -0.1571 0.516 0.464 0.000 0.004 0.016
#> SRR1036104 1 0.488 -0.1571 0.516 0.464 0.000 0.004 0.016
#> SRR1036105 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 1 0.341 0.4156 0.832 0.044 0.000 0.124 0.000
#> SRR1036111 1 0.341 0.4156 0.832 0.044 0.000 0.124 0.000
#> SRR1036112 1 0.341 0.4156 0.832 0.044 0.000 0.124 0.000
#> SRR1036113 1 0.341 0.4156 0.832 0.044 0.000 0.124 0.000
#> SRR1036114 1 0.341 0.4156 0.832 0.044 0.000 0.124 0.000
#> SRR1036115 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036116 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036117 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036118 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036119 5 0.125 1.0000 0.036 0.008 0.000 0.000 0.956
#> SRR1036120 1 0.735 0.1316 0.436 0.228 0.004 0.304 0.028
#> SRR1036121 1 0.735 0.1316 0.436 0.228 0.004 0.304 0.028
#> SRR1036122 1 0.735 0.1316 0.436 0.228 0.004 0.304 0.028
#> SRR1036123 1 0.735 0.1316 0.436 0.228 0.004 0.304 0.028
#> SRR1036124 1 0.735 0.1316 0.436 0.228 0.004 0.304 0.028
#> SRR1036125 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036126 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036127 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036128 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036129 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036130 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036131 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036132 1 0.120 0.4473 0.952 0.000 0.000 0.000 0.048
#> SRR1036133 1 0.444 -0.3584 0.528 0.468 0.000 0.000 0.004
#> SRR1036134 1 0.444 -0.3584 0.528 0.468 0.000 0.000 0.004
#> SRR1036135 1 0.444 -0.3584 0.528 0.468 0.000 0.000 0.004
#> SRR1036136 1 0.444 -0.3584 0.528 0.468 0.000 0.000 0.004
#> SRR1036137 1 0.444 -0.3584 0.528 0.468 0.000 0.000 0.004
#> SRR1036138 2 0.535 0.8394 0.456 0.492 0.000 0.052 0.000
#> SRR1036139 2 0.535 0.8394 0.456 0.492 0.000 0.052 0.000
#> SRR1036140 2 0.535 0.8394 0.456 0.492 0.000 0.052 0.000
#> SRR1036141 2 0.535 0.8394 0.456 0.492 0.000 0.052 0.000
#> SRR1036142 2 0.535 0.8394 0.456 0.492 0.000 0.052 0.000
#> SRR1036143 2 0.535 0.8394 0.456 0.492 0.000 0.052 0.000
#> SRR1036144 2 0.535 0.8394 0.456 0.492 0.000 0.052 0.000
#> SRR1036145 2 0.535 0.8394 0.456 0.492 0.000 0.052 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036003 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036004 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036005 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 6 0.5292 0.3721 0.276 0.064 0.004 0.008 0.016 0.632
#> SRR1036014 6 0.5292 0.3721 0.276 0.064 0.004 0.008 0.016 0.632
#> SRR1036015 6 0.5292 0.3721 0.276 0.064 0.004 0.008 0.016 0.632
#> SRR1036016 6 0.5292 0.3721 0.276 0.064 0.004 0.008 0.016 0.632
#> SRR1036017 6 0.5292 0.3721 0.276 0.064 0.004 0.008 0.016 0.632
#> SRR1036018 6 0.5292 0.3721 0.276 0.064 0.004 0.008 0.016 0.632
#> SRR1036010 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036011 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036012 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036019 2 0.6332 0.1867 0.000 0.556 0.000 0.228 0.076 0.140
#> SRR1036020 2 0.6332 0.1867 0.000 0.556 0.000 0.228 0.076 0.140
#> SRR1036021 2 0.6332 0.1867 0.000 0.556 0.000 0.228 0.076 0.140
#> SRR1036022 2 0.6332 0.1867 0.000 0.556 0.000 0.228 0.076 0.140
#> SRR1036023 2 0.6332 0.1867 0.000 0.556 0.000 0.228 0.076 0.140
#> SRR1036024 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036025 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036026 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036027 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036028 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036029 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036030 2 0.2501 0.4791 0.004 0.872 0.000 0.000 0.108 0.016
#> SRR1036031 2 0.2501 0.4791 0.004 0.872 0.000 0.000 0.108 0.016
#> SRR1036032 2 0.2501 0.4791 0.004 0.872 0.000 0.000 0.108 0.016
#> SRR1036033 2 0.2501 0.4791 0.004 0.872 0.000 0.000 0.108 0.016
#> SRR1036034 2 0.2501 0.4791 0.004 0.872 0.000 0.000 0.108 0.016
#> SRR1036035 2 0.2501 0.4791 0.004 0.872 0.000 0.000 0.108 0.016
#> SRR1036036 2 0.2501 0.4791 0.004 0.872 0.000 0.000 0.108 0.016
#> SRR1036037 2 0.2501 0.4791 0.004 0.872 0.000 0.000 0.108 0.016
#> SRR1036038 2 0.3351 0.4116 0.004 0.800 0.000 0.000 0.028 0.168
#> SRR1036039 2 0.3351 0.4116 0.004 0.800 0.000 0.000 0.028 0.168
#> SRR1036040 2 0.3351 0.4116 0.004 0.800 0.000 0.000 0.028 0.168
#> SRR1036041 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036042 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036043 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036044 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036045 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036046 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036047 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036048 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036049 6 0.3843 0.3438 0.000 0.452 0.000 0.000 0.000 0.548
#> SRR1036050 6 0.3699 0.4111 0.060 0.104 0.000 0.000 0.024 0.812
#> SRR1036051 6 0.3699 0.4111 0.060 0.104 0.000 0.000 0.024 0.812
#> SRR1036052 6 0.3699 0.4111 0.060 0.104 0.000 0.000 0.024 0.812
#> SRR1036053 6 0.3699 0.4111 0.060 0.104 0.000 0.000 0.024 0.812
#> SRR1036054 6 0.3699 0.4111 0.060 0.104 0.000 0.000 0.024 0.812
#> SRR1036055 2 0.2940 0.4723 0.004 0.848 0.000 0.000 0.112 0.036
#> SRR1036056 2 0.2940 0.4723 0.004 0.848 0.000 0.000 0.112 0.036
#> SRR1036057 2 0.2940 0.4723 0.004 0.848 0.000 0.000 0.112 0.036
#> SRR1036058 4 0.2996 1.0000 0.228 0.000 0.000 0.772 0.000 0.000
#> SRR1036059 4 0.2996 1.0000 0.228 0.000 0.000 0.772 0.000 0.000
#> SRR1036060 4 0.2996 1.0000 0.228 0.000 0.000 0.772 0.000 0.000
#> SRR1036061 4 0.2996 1.0000 0.228 0.000 0.000 0.772 0.000 0.000
#> SRR1036062 4 0.2996 1.0000 0.228 0.000 0.000 0.772 0.000 0.000
#> SRR1036063 4 0.2996 1.0000 0.228 0.000 0.000 0.772 0.000 0.000
#> SRR1036064 4 0.2996 1.0000 0.228 0.000 0.000 0.772 0.000 0.000
#> SRR1036065 4 0.2996 1.0000 0.228 0.000 0.000 0.772 0.000 0.000
#> SRR1036066 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036067 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036068 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036069 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036070 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036071 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036072 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036073 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036074 5 0.0632 0.8468 0.000 0.024 0.000 0.000 0.976 0.000
#> SRR1036075 5 0.0632 0.8468 0.000 0.024 0.000 0.000 0.976 0.000
#> SRR1036076 5 0.0632 0.8468 0.000 0.024 0.000 0.000 0.976 0.000
#> SRR1036077 5 0.0632 0.8468 0.000 0.024 0.000 0.000 0.976 0.000
#> SRR1036078 5 0.0632 0.8468 0.000 0.024 0.000 0.000 0.976 0.000
#> SRR1036079 5 0.0632 0.8468 0.000 0.024 0.000 0.000 0.976 0.000
#> SRR1036080 5 0.0632 0.8468 0.000 0.024 0.000 0.000 0.976 0.000
#> SRR1036081 5 0.0632 0.8468 0.000 0.024 0.000 0.000 0.976 0.000
#> SRR1036082 5 0.1921 0.8102 0.000 0.032 0.000 0.052 0.916 0.000
#> SRR1036083 5 0.1921 0.8102 0.000 0.032 0.000 0.052 0.916 0.000
#> SRR1036084 5 0.1921 0.8102 0.000 0.032 0.000 0.052 0.916 0.000
#> SRR1036090 2 0.4302 0.2233 0.000 0.668 0.000 0.036 0.004 0.292
#> SRR1036091 2 0.4302 0.2233 0.000 0.668 0.000 0.036 0.004 0.292
#> SRR1036092 2 0.4302 0.2233 0.000 0.668 0.000 0.036 0.004 0.292
#> SRR1036093 2 0.4302 0.2233 0.000 0.668 0.000 0.036 0.004 0.292
#> SRR1036094 2 0.4302 0.2233 0.000 0.668 0.000 0.036 0.004 0.292
#> SRR1036085 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036096 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036097 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036098 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036099 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036100 2 0.5564 -0.1291 0.008 0.456 0.000 0.016 0.456 0.064
#> SRR1036101 2 0.5564 -0.1291 0.008 0.456 0.000 0.016 0.456 0.064
#> SRR1036102 5 0.5564 0.0413 0.008 0.456 0.000 0.016 0.456 0.064
#> SRR1036103 5 0.5564 0.0413 0.008 0.456 0.000 0.016 0.456 0.064
#> SRR1036104 2 0.5564 -0.1291 0.008 0.456 0.000 0.016 0.456 0.064
#> SRR1036105 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 6 0.4824 0.3473 0.000 0.420 0.000 0.000 0.056 0.524
#> SRR1036111 6 0.4824 0.3473 0.000 0.420 0.000 0.000 0.056 0.524
#> SRR1036112 6 0.4824 0.3473 0.000 0.420 0.000 0.000 0.056 0.524
#> SRR1036113 6 0.4824 0.3473 0.000 0.420 0.000 0.000 0.056 0.524
#> SRR1036114 6 0.4824 0.3473 0.000 0.420 0.000 0.000 0.056 0.524
#> SRR1036115 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036116 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036117 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036118 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036119 1 0.0000 1.0000 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036120 6 0.0508 0.4505 0.000 0.012 0.004 0.000 0.000 0.984
#> SRR1036121 6 0.0508 0.4505 0.000 0.012 0.004 0.000 0.000 0.984
#> SRR1036122 6 0.0508 0.4505 0.000 0.012 0.004 0.000 0.000 0.984
#> SRR1036123 6 0.0508 0.4505 0.000 0.012 0.004 0.000 0.000 0.984
#> SRR1036124 6 0.0508 0.4505 0.000 0.012 0.004 0.000 0.000 0.984
#> SRR1036125 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036126 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036127 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036128 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036129 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036130 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036131 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036132 2 0.5221 0.1344 0.056 0.552 0.000 0.000 0.020 0.372
#> SRR1036133 2 0.2510 0.4760 0.000 0.884 0.000 0.028 0.080 0.008
#> SRR1036134 2 0.2510 0.4760 0.000 0.884 0.000 0.028 0.080 0.008
#> SRR1036135 2 0.2510 0.4760 0.000 0.884 0.000 0.028 0.080 0.008
#> SRR1036136 2 0.2510 0.4760 0.000 0.884 0.000 0.028 0.080 0.008
#> SRR1036137 2 0.2510 0.4760 0.000 0.884 0.000 0.028 0.080 0.008
#> SRR1036138 2 0.3535 0.3965 0.000 0.808 0.000 0.036 0.016 0.140
#> SRR1036139 2 0.3535 0.3965 0.000 0.808 0.000 0.036 0.016 0.140
#> SRR1036140 2 0.3535 0.3965 0.000 0.808 0.000 0.036 0.016 0.140
#> SRR1036141 2 0.3535 0.3965 0.000 0.808 0.000 0.036 0.016 0.140
#> SRR1036142 2 0.3535 0.3965 0.000 0.808 0.000 0.036 0.016 0.140
#> SRR1036143 2 0.3535 0.3965 0.000 0.808 0.000 0.036 0.016 0.140
#> SRR1036144 2 0.3535 0.3965 0.000 0.808 0.000 0.036 0.016 0.140
#> SRR1036145 2 0.3535 0.3965 0.000 0.808 0.000 0.036 0.016 0.140
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["CV", "kmeans"]
# you can also extract it by
# res = res_list["CV:kmeans"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'CV' method.
#> Subgroups are detected by 'kmeans' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 5.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.0654 0.000 0.774 0.318 1.000 1.000
#> 3 3 0.0565 0.428 0.573 0.497 0.812 0.812
#> 4 4 0.0806 0.409 0.623 0.231 0.666 0.589
#> 5 5 0.1477 0.476 0.588 0.124 0.831 0.651
#> 6 6 0.2293 0.525 0.612 0.080 0.992 0.976
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 5
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.644 0 NA 0.836
#> SRR1036003 2 0.644 0 NA 0.836
#> SRR1036004 2 0.644 0 NA 0.836
#> SRR1036005 2 0.963 0 NA 0.612
#> SRR1036006 2 0.963 0 NA 0.612
#> SRR1036007 2 0.963 0 NA 0.612
#> SRR1036008 2 0.963 0 NA 0.612
#> SRR1036009 2 0.963 0 NA 0.612
#> SRR1036013 2 0.722 0 NA 0.800
#> SRR1036014 2 0.722 0 NA 0.800
#> SRR1036015 2 0.722 0 NA 0.800
#> SRR1036016 2 0.722 0 NA 0.800
#> SRR1036017 2 0.722 0 NA 0.800
#> SRR1036018 2 0.722 0 NA 0.800
#> SRR1036010 2 0.343 0 NA 0.936
#> SRR1036011 2 0.343 0 NA 0.936
#> SRR1036012 2 0.343 0 NA 0.936
#> SRR1036019 2 0.839 0 NA 0.732
#> SRR1036020 2 0.839 0 NA 0.732
#> SRR1036021 2 0.839 0 NA 0.732
#> SRR1036022 2 0.839 0 NA 0.732
#> SRR1036023 2 0.839 0 NA 0.732
#> SRR1036024 2 0.260 0 NA 0.956
#> SRR1036025 2 0.260 0 NA 0.956
#> SRR1036026 2 0.260 0 NA 0.956
#> SRR1036027 2 0.260 0 NA 0.956
#> SRR1036028 2 0.260 0 NA 0.956
#> SRR1036029 2 0.260 0 NA 0.956
#> SRR1036030 2 0.821 0 NA 0.744
#> SRR1036031 2 0.821 0 NA 0.744
#> SRR1036032 2 0.821 0 NA 0.744
#> SRR1036033 2 0.821 0 NA 0.744
#> SRR1036034 2 0.821 0 NA 0.744
#> SRR1036035 2 0.821 0 NA 0.744
#> SRR1036036 2 0.821 0 NA 0.744
#> SRR1036037 2 0.821 0 NA 0.744
#> SRR1036038 2 0.506 0 NA 0.888
#> SRR1036039 2 0.506 0 NA 0.888
#> SRR1036040 2 0.506 0 NA 0.888
#> SRR1036041 2 0.311 0 NA 0.944
#> SRR1036042 2 0.662 0 NA 0.828
#> SRR1036043 2 0.662 0 NA 0.828
#> SRR1036044 2 0.662 0 NA 0.828
#> SRR1036045 2 0.662 0 NA 0.828
#> SRR1036046 2 0.662 0 NA 0.828
#> SRR1036047 2 0.662 0 NA 0.828
#> SRR1036048 2 0.662 0 NA 0.828
#> SRR1036049 2 0.662 0 NA 0.828
#> SRR1036050 2 0.653 0 NA 0.832
#> SRR1036051 2 0.653 0 NA 0.832
#> SRR1036052 2 0.653 0 NA 0.832
#> SRR1036053 2 0.653 0 NA 0.832
#> SRR1036054 2 0.653 0 NA 0.832
#> SRR1036055 2 0.697 0 NA 0.812
#> SRR1036056 2 0.697 0 NA 0.812
#> SRR1036057 2 0.697 0 NA 0.812
#> SRR1036058 2 0.980 0 NA 0.584
#> SRR1036059 2 0.980 0 NA 0.584
#> SRR1036060 2 0.980 0 NA 0.584
#> SRR1036061 2 0.980 0 NA 0.584
#> SRR1036062 2 0.980 0 NA 0.584
#> SRR1036063 2 0.980 0 NA 0.584
#> SRR1036064 2 0.980 0 NA 0.584
#> SRR1036065 2 0.980 0 NA 0.584
#> SRR1036066 2 0.204 0 NA 0.968
#> SRR1036067 2 0.204 0 NA 0.968
#> SRR1036068 2 0.204 0 NA 0.968
#> SRR1036069 2 0.204 0 NA 0.968
#> SRR1036070 2 0.204 0 NA 0.968
#> SRR1036071 2 0.204 0 NA 0.968
#> SRR1036072 2 0.204 0 NA 0.968
#> SRR1036073 2 0.204 0 NA 0.968
#> SRR1036074 2 0.917 0 NA 0.668
#> SRR1036075 2 0.917 0 NA 0.668
#> SRR1036076 2 0.917 0 NA 0.668
#> SRR1036077 2 0.917 0 NA 0.668
#> SRR1036078 2 0.917 0 NA 0.668
#> SRR1036079 2 0.917 0 NA 0.668
#> SRR1036080 2 0.917 0 NA 0.668
#> SRR1036081 2 0.917 0 NA 0.668
#> SRR1036082 2 0.886 0 NA 0.696
#> SRR1036083 2 0.886 0 NA 0.696
#> SRR1036084 2 0.886 0 NA 0.696
#> SRR1036090 2 0.563 0 NA 0.868
#> SRR1036091 2 0.563 0 NA 0.868
#> SRR1036092 2 0.563 0 NA 0.868
#> SRR1036093 2 0.563 0 NA 0.868
#> SRR1036094 2 0.563 0 NA 0.868
#> SRR1036085 2 0.958 0 NA 0.620
#> SRR1036086 2 0.958 0 NA 0.620
#> SRR1036087 2 0.958 0 NA 0.620
#> SRR1036088 2 0.958 0 NA 0.620
#> SRR1036089 2 0.958 0 NA 0.620
#> SRR1036095 2 0.881 0 NA 0.700
#> SRR1036096 2 0.881 0 NA 0.700
#> SRR1036097 2 0.881 0 NA 0.700
#> SRR1036098 2 0.881 0 NA 0.700
#> SRR1036099 2 0.881 0 NA 0.700
#> SRR1036100 2 0.821 0 NA 0.744
#> SRR1036101 2 0.821 0 NA 0.744
#> SRR1036102 2 0.821 0 NA 0.744
#> SRR1036103 2 0.821 0 NA 0.744
#> SRR1036104 2 0.821 0 NA 0.744
#> SRR1036105 2 0.955 0 NA 0.624
#> SRR1036106 2 0.955 0 NA 0.624
#> SRR1036107 2 0.955 0 NA 0.624
#> SRR1036108 2 0.955 0 NA 0.624
#> SRR1036109 2 0.955 0 NA 0.624
#> SRR1036110 2 0.653 0 NA 0.832
#> SRR1036111 2 0.653 0 NA 0.832
#> SRR1036112 2 0.653 0 NA 0.832
#> SRR1036113 2 0.653 0 NA 0.832
#> SRR1036114 2 0.653 0 NA 0.832
#> SRR1036115 2 0.855 0 NA 0.720
#> SRR1036116 2 0.855 0 NA 0.720
#> SRR1036117 2 0.855 0 NA 0.720
#> SRR1036118 2 0.855 0 NA 0.720
#> SRR1036119 2 0.855 0 NA 0.720
#> SRR1036120 2 0.781 0 NA 0.768
#> SRR1036121 2 0.781 0 NA 0.768
#> SRR1036122 2 0.781 0 NA 0.768
#> SRR1036123 2 0.781 0 NA 0.768
#> SRR1036124 2 0.781 0 NA 0.768
#> SRR1036125 2 0.506 0 NA 0.888
#> SRR1036126 2 0.506 0 NA 0.888
#> SRR1036127 2 0.506 0 NA 0.888
#> SRR1036128 2 0.506 0 NA 0.888
#> SRR1036129 2 0.506 0 NA 0.888
#> SRR1036130 2 0.506 0 NA 0.888
#> SRR1036131 2 0.506 0 NA 0.888
#> SRR1036132 2 0.506 0 NA 0.888
#> SRR1036133 2 0.808 0 NA 0.752
#> SRR1036134 2 0.808 0 NA 0.752
#> SRR1036135 2 0.808 0 NA 0.752
#> SRR1036136 2 0.808 0 NA 0.752
#> SRR1036137 2 0.808 0 NA 0.752
#> SRR1036138 2 0.844 0 NA 0.728
#> SRR1036139 2 0.844 0 NA 0.728
#> SRR1036140 2 0.844 0 NA 0.728
#> SRR1036141 2 0.844 0 NA 0.728
#> SRR1036142 2 0.844 0 NA 0.728
#> SRR1036143 2 0.844 0 NA 0.728
#> SRR1036144 2 0.844 0 NA 0.728
#> SRR1036145 2 0.844 0 NA 0.728
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 2 0.756 0.2424 NA 0.692 0.164
#> SRR1036003 2 0.756 0.2424 NA 0.692 0.164
#> SRR1036004 2 0.756 0.2424 NA 0.692 0.164
#> SRR1036005 3 0.798 0.9738 NA 0.400 0.536
#> SRR1036006 3 0.798 0.9738 NA 0.400 0.536
#> SRR1036007 3 0.798 0.9738 NA 0.400 0.536
#> SRR1036008 3 0.798 0.9738 NA 0.400 0.536
#> SRR1036009 3 0.798 0.9738 NA 0.400 0.536
#> SRR1036013 2 0.683 0.3097 NA 0.740 0.148
#> SRR1036014 2 0.683 0.3097 NA 0.740 0.148
#> SRR1036015 2 0.683 0.3097 NA 0.740 0.148
#> SRR1036016 2 0.683 0.3097 NA 0.740 0.148
#> SRR1036017 2 0.683 0.3097 NA 0.740 0.148
#> SRR1036018 2 0.683 0.3097 NA 0.740 0.148
#> SRR1036010 2 0.456 0.4420 NA 0.860 0.080
#> SRR1036011 2 0.456 0.4420 NA 0.860 0.080
#> SRR1036012 2 0.456 0.4420 NA 0.860 0.080
#> SRR1036019 2 0.813 0.3599 NA 0.528 0.072
#> SRR1036020 2 0.813 0.3599 NA 0.528 0.072
#> SRR1036021 2 0.813 0.3599 NA 0.528 0.072
#> SRR1036022 2 0.813 0.3599 NA 0.528 0.072
#> SRR1036023 2 0.813 0.3599 NA 0.528 0.072
#> SRR1036024 2 0.215 0.5023 NA 0.948 0.016
#> SRR1036025 2 0.215 0.5023 NA 0.948 0.016
#> SRR1036026 2 0.215 0.5023 NA 0.948 0.016
#> SRR1036027 2 0.215 0.5023 NA 0.948 0.016
#> SRR1036028 2 0.215 0.5023 NA 0.948 0.016
#> SRR1036029 2 0.215 0.5023 NA 0.948 0.016
#> SRR1036030 2 0.731 0.4412 NA 0.616 0.044
#> SRR1036031 2 0.731 0.4412 NA 0.616 0.044
#> SRR1036032 2 0.731 0.4412 NA 0.616 0.044
#> SRR1036033 2 0.731 0.4412 NA 0.616 0.044
#> SRR1036034 2 0.731 0.4412 NA 0.616 0.044
#> SRR1036035 2 0.731 0.4412 NA 0.616 0.044
#> SRR1036036 2 0.731 0.4412 NA 0.616 0.044
#> SRR1036037 2 0.731 0.4412 NA 0.616 0.044
#> SRR1036038 2 0.541 0.4526 NA 0.820 0.076
#> SRR1036039 2 0.541 0.4526 NA 0.820 0.076
#> SRR1036040 2 0.541 0.4526 NA 0.820 0.076
#> SRR1036041 2 0.298 0.5061 NA 0.920 0.024
#> SRR1036042 2 0.756 0.2876 NA 0.692 0.148
#> SRR1036043 2 0.756 0.2876 NA 0.692 0.148
#> SRR1036044 2 0.756 0.2876 NA 0.692 0.148
#> SRR1036045 2 0.756 0.2876 NA 0.692 0.148
#> SRR1036046 2 0.756 0.2876 NA 0.692 0.148
#> SRR1036047 2 0.756 0.2876 NA 0.692 0.148
#> SRR1036048 2 0.756 0.2876 NA 0.692 0.148
#> SRR1036049 2 0.756 0.2876 NA 0.692 0.148
#> SRR1036050 2 0.662 0.4480 NA 0.752 0.100
#> SRR1036051 2 0.662 0.4480 NA 0.752 0.100
#> SRR1036052 2 0.662 0.4480 NA 0.752 0.100
#> SRR1036053 2 0.662 0.4480 NA 0.752 0.100
#> SRR1036054 2 0.662 0.4480 NA 0.752 0.100
#> SRR1036055 2 0.729 0.4635 NA 0.632 0.048
#> SRR1036056 2 0.729 0.4635 NA 0.632 0.048
#> SRR1036057 2 0.729 0.4635 NA 0.632 0.048
#> SRR1036058 2 0.936 0.1405 NA 0.456 0.372
#> SRR1036059 2 0.930 0.1406 NA 0.456 0.380
#> SRR1036060 2 0.933 0.1406 NA 0.456 0.376
#> SRR1036061 2 0.930 0.1406 NA 0.456 0.380
#> SRR1036062 2 0.930 0.1406 NA 0.456 0.380
#> SRR1036063 2 0.930 0.1406 NA 0.456 0.380
#> SRR1036064 2 0.933 0.1406 NA 0.456 0.376
#> SRR1036065 2 0.936 0.1405 NA 0.456 0.372
#> SRR1036066 2 0.256 0.4920 NA 0.936 0.028
#> SRR1036067 2 0.256 0.4920 NA 0.936 0.028
#> SRR1036068 2 0.256 0.4920 NA 0.936 0.028
#> SRR1036069 2 0.256 0.4920 NA 0.936 0.028
#> SRR1036070 2 0.256 0.4920 NA 0.936 0.028
#> SRR1036071 2 0.256 0.4920 NA 0.936 0.028
#> SRR1036072 2 0.256 0.4920 NA 0.936 0.028
#> SRR1036073 2 0.256 0.4920 NA 0.936 0.028
#> SRR1036074 2 0.875 0.3607 NA 0.548 0.132
#> SRR1036075 2 0.875 0.3607 NA 0.548 0.132
#> SRR1036076 2 0.875 0.3607 NA 0.548 0.132
#> SRR1036077 2 0.875 0.3607 NA 0.548 0.132
#> SRR1036078 2 0.875 0.3607 NA 0.548 0.132
#> SRR1036079 2 0.875 0.3607 NA 0.548 0.132
#> SRR1036080 2 0.875 0.3607 NA 0.548 0.132
#> SRR1036081 2 0.875 0.3607 NA 0.548 0.132
#> SRR1036082 2 0.885 0.3320 NA 0.504 0.124
#> SRR1036083 2 0.885 0.3320 NA 0.504 0.124
#> SRR1036084 2 0.885 0.3320 NA 0.504 0.124
#> SRR1036090 2 0.634 0.4539 NA 0.736 0.044
#> SRR1036091 2 0.634 0.4539 NA 0.736 0.044
#> SRR1036092 2 0.634 0.4539 NA 0.736 0.044
#> SRR1036093 2 0.634 0.4539 NA 0.736 0.044
#> SRR1036094 2 0.634 0.4539 NA 0.736 0.044
#> SRR1036085 3 0.808 0.9606 NA 0.384 0.544
#> SRR1036086 3 0.808 0.9606 NA 0.384 0.544
#> SRR1036087 3 0.808 0.9606 NA 0.384 0.544
#> SRR1036088 3 0.808 0.9606 NA 0.384 0.544
#> SRR1036089 3 0.808 0.9606 NA 0.384 0.544
#> SRR1036095 2 0.827 0.3703 NA 0.632 0.212
#> SRR1036096 2 0.827 0.3703 NA 0.632 0.212
#> SRR1036097 2 0.827 0.3703 NA 0.632 0.212
#> SRR1036098 2 0.827 0.3703 NA 0.632 0.212
#> SRR1036099 2 0.827 0.3703 NA 0.632 0.212
#> SRR1036100 2 0.794 0.4645 NA 0.592 0.076
#> SRR1036101 2 0.794 0.4645 NA 0.592 0.076
#> SRR1036102 2 0.794 0.4645 NA 0.592 0.076
#> SRR1036103 2 0.794 0.4645 NA 0.592 0.076
#> SRR1036104 2 0.794 0.4645 NA 0.592 0.076
#> SRR1036105 3 0.797 0.9761 NA 0.396 0.540
#> SRR1036106 3 0.797 0.9761 NA 0.396 0.540
#> SRR1036107 3 0.797 0.9761 NA 0.396 0.540
#> SRR1036108 3 0.797 0.9761 NA 0.396 0.540
#> SRR1036109 3 0.797 0.9761 NA 0.396 0.540
#> SRR1036110 2 0.611 0.4531 NA 0.784 0.104
#> SRR1036111 2 0.611 0.4531 NA 0.784 0.104
#> SRR1036112 2 0.611 0.4531 NA 0.784 0.104
#> SRR1036113 2 0.611 0.4531 NA 0.784 0.104
#> SRR1036114 2 0.611 0.4531 NA 0.784 0.104
#> SRR1036115 2 0.839 0.3754 NA 0.624 0.204
#> SRR1036116 2 0.839 0.3754 NA 0.624 0.204
#> SRR1036117 2 0.839 0.3754 NA 0.624 0.204
#> SRR1036118 2 0.839 0.3754 NA 0.624 0.204
#> SRR1036119 2 0.839 0.3754 NA 0.624 0.204
#> SRR1036120 2 0.834 -0.0919 NA 0.612 0.256
#> SRR1036121 2 0.834 -0.0919 NA 0.612 0.256
#> SRR1036122 2 0.834 -0.0919 NA 0.612 0.256
#> SRR1036123 2 0.834 -0.0919 NA 0.612 0.256
#> SRR1036124 2 0.834 -0.0919 NA 0.612 0.256
#> SRR1036125 2 0.409 0.4740 NA 0.880 0.064
#> SRR1036126 2 0.409 0.4740 NA 0.880 0.064
#> SRR1036127 2 0.409 0.4740 NA 0.880 0.064
#> SRR1036128 2 0.409 0.4740 NA 0.880 0.064
#> SRR1036129 2 0.409 0.4740 NA 0.880 0.064
#> SRR1036130 2 0.409 0.4740 NA 0.880 0.064
#> SRR1036131 2 0.409 0.4740 NA 0.880 0.064
#> SRR1036132 2 0.409 0.4740 NA 0.880 0.064
#> SRR1036133 2 0.695 0.3840 NA 0.508 0.016
#> SRR1036134 2 0.695 0.3840 NA 0.508 0.016
#> SRR1036135 2 0.695 0.3840 NA 0.508 0.016
#> SRR1036136 2 0.695 0.3840 NA 0.508 0.016
#> SRR1036137 2 0.695 0.3840 NA 0.508 0.016
#> SRR1036138 2 0.834 0.2730 NA 0.464 0.080
#> SRR1036139 2 0.834 0.2730 NA 0.464 0.080
#> SRR1036140 2 0.834 0.2730 NA 0.464 0.080
#> SRR1036141 2 0.834 0.2730 NA 0.464 0.080
#> SRR1036142 2 0.834 0.2730 NA 0.464 0.080
#> SRR1036143 2 0.834 0.2730 NA 0.464 0.080
#> SRR1036144 2 0.834 0.2730 NA 0.464 0.080
#> SRR1036145 2 0.834 0.2730 NA 0.464 0.080
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 1 0.735 0.3045 0.620 0.132 0.208 0.040
#> SRR1036003 1 0.735 0.3045 0.620 0.132 0.208 0.040
#> SRR1036004 1 0.735 0.3045 0.620 0.132 0.208 0.040
#> SRR1036005 3 0.478 0.9624 0.272 0.016 0.712 0.000
#> SRR1036006 3 0.478 0.9624 0.272 0.016 0.712 0.000
#> SRR1036007 3 0.478 0.9624 0.272 0.016 0.712 0.000
#> SRR1036008 3 0.478 0.9624 0.272 0.016 0.712 0.000
#> SRR1036009 3 0.478 0.9624 0.272 0.016 0.712 0.000
#> SRR1036013 1 0.716 0.3115 0.656 0.076 0.184 0.084
#> SRR1036014 1 0.716 0.3115 0.656 0.076 0.184 0.084
#> SRR1036015 1 0.716 0.3115 0.656 0.076 0.184 0.084
#> SRR1036016 1 0.716 0.3115 0.656 0.076 0.184 0.084
#> SRR1036017 1 0.716 0.3115 0.656 0.076 0.184 0.084
#> SRR1036018 1 0.716 0.3115 0.656 0.076 0.184 0.084
#> SRR1036010 1 0.515 0.4211 0.800 0.076 0.080 0.044
#> SRR1036011 1 0.515 0.4211 0.800 0.076 0.080 0.044
#> SRR1036012 1 0.515 0.4211 0.800 0.076 0.080 0.044
#> SRR1036019 2 0.780 0.5408 0.416 0.448 0.092 0.044
#> SRR1036020 2 0.780 0.5408 0.416 0.448 0.092 0.044
#> SRR1036021 2 0.780 0.5408 0.416 0.448 0.092 0.044
#> SRR1036022 2 0.780 0.5408 0.416 0.448 0.092 0.044
#> SRR1036023 2 0.780 0.5408 0.416 0.448 0.092 0.044
#> SRR1036024 1 0.199 0.4478 0.944 0.020 0.012 0.024
#> SRR1036025 1 0.199 0.4478 0.944 0.020 0.012 0.024
#> SRR1036026 1 0.199 0.4478 0.944 0.020 0.012 0.024
#> SRR1036027 1 0.199 0.4478 0.944 0.020 0.012 0.024
#> SRR1036028 1 0.199 0.4478 0.944 0.020 0.012 0.024
#> SRR1036029 1 0.199 0.4478 0.944 0.020 0.012 0.024
#> SRR1036030 2 0.769 0.5146 0.420 0.456 0.068 0.056
#> SRR1036031 2 0.769 0.5146 0.420 0.456 0.068 0.056
#> SRR1036032 2 0.769 0.5146 0.420 0.456 0.068 0.056
#> SRR1036033 2 0.769 0.5146 0.420 0.456 0.068 0.056
#> SRR1036034 2 0.769 0.5146 0.420 0.456 0.068 0.056
#> SRR1036035 2 0.769 0.5146 0.420 0.456 0.068 0.056
#> SRR1036036 2 0.769 0.5146 0.420 0.456 0.068 0.056
#> SRR1036037 2 0.769 0.5146 0.420 0.456 0.068 0.056
#> SRR1036038 1 0.594 0.3445 0.736 0.128 0.112 0.024
#> SRR1036039 1 0.594 0.3445 0.736 0.128 0.112 0.024
#> SRR1036040 1 0.594 0.3445 0.736 0.128 0.112 0.024
#> SRR1036041 1 0.309 0.4114 0.900 0.048 0.032 0.020
#> SRR1036042 1 0.733 0.3067 0.628 0.156 0.176 0.040
#> SRR1036043 1 0.733 0.3067 0.628 0.156 0.176 0.040
#> SRR1036044 1 0.733 0.3067 0.628 0.156 0.176 0.040
#> SRR1036045 1 0.733 0.3067 0.628 0.156 0.176 0.040
#> SRR1036046 1 0.733 0.3067 0.628 0.156 0.176 0.040
#> SRR1036047 1 0.733 0.3067 0.628 0.156 0.176 0.040
#> SRR1036048 1 0.733 0.3067 0.628 0.156 0.176 0.040
#> SRR1036049 1 0.733 0.3067 0.628 0.156 0.176 0.040
#> SRR1036050 1 0.730 0.3230 0.656 0.144 0.080 0.120
#> SRR1036051 1 0.730 0.3230 0.656 0.144 0.080 0.120
#> SRR1036052 1 0.730 0.3230 0.656 0.144 0.080 0.120
#> SRR1036053 1 0.730 0.3230 0.656 0.144 0.080 0.120
#> SRR1036054 1 0.730 0.3230 0.656 0.144 0.080 0.120
#> SRR1036055 1 0.745 -0.3224 0.512 0.376 0.052 0.060
#> SRR1036056 1 0.745 -0.3224 0.512 0.376 0.052 0.060
#> SRR1036057 1 0.745 -0.3224 0.512 0.376 0.052 0.060
#> SRR1036058 4 0.702 0.9966 0.320 0.032 0.068 0.580
#> SRR1036059 4 0.702 0.9966 0.320 0.032 0.068 0.580
#> SRR1036060 4 0.694 0.9971 0.320 0.028 0.068 0.584
#> SRR1036061 4 0.700 0.9966 0.320 0.028 0.072 0.580
#> SRR1036062 4 0.706 0.9952 0.320 0.028 0.076 0.576
#> SRR1036063 4 0.714 0.9947 0.320 0.032 0.076 0.572
#> SRR1036064 4 0.694 0.9971 0.320 0.028 0.068 0.584
#> SRR1036065 4 0.694 0.9971 0.320 0.028 0.068 0.584
#> SRR1036066 1 0.242 0.4484 0.928 0.032 0.020 0.020
#> SRR1036067 1 0.242 0.4484 0.928 0.032 0.020 0.020
#> SRR1036068 1 0.242 0.4484 0.928 0.032 0.020 0.020
#> SRR1036069 1 0.242 0.4484 0.928 0.032 0.020 0.020
#> SRR1036070 1 0.242 0.4484 0.928 0.032 0.020 0.020
#> SRR1036071 1 0.242 0.4484 0.928 0.032 0.020 0.020
#> SRR1036072 1 0.242 0.4484 0.928 0.032 0.020 0.020
#> SRR1036073 1 0.242 0.4484 0.928 0.032 0.020 0.020
#> SRR1036074 1 0.889 0.0504 0.404 0.244 0.056 0.296
#> SRR1036075 1 0.889 0.0504 0.404 0.244 0.056 0.296
#> SRR1036076 1 0.889 0.0504 0.404 0.244 0.056 0.296
#> SRR1036077 1 0.889 0.0504 0.404 0.244 0.056 0.296
#> SRR1036078 1 0.889 0.0504 0.404 0.244 0.056 0.296
#> SRR1036079 1 0.889 0.0504 0.404 0.244 0.056 0.296
#> SRR1036080 1 0.889 0.0504 0.404 0.244 0.056 0.296
#> SRR1036081 1 0.889 0.0504 0.404 0.244 0.056 0.296
#> SRR1036082 1 0.900 -0.0614 0.384 0.280 0.060 0.276
#> SRR1036083 1 0.900 -0.0614 0.384 0.280 0.060 0.276
#> SRR1036084 1 0.900 -0.0614 0.384 0.280 0.060 0.276
#> SRR1036090 1 0.588 0.1220 0.696 0.224 0.072 0.008
#> SRR1036091 1 0.588 0.1220 0.696 0.224 0.072 0.008
#> SRR1036092 1 0.588 0.1220 0.696 0.224 0.072 0.008
#> SRR1036093 1 0.588 0.1220 0.696 0.224 0.072 0.008
#> SRR1036094 1 0.588 0.1220 0.696 0.224 0.072 0.008
#> SRR1036085 3 0.522 0.9473 0.256 0.016 0.712 0.016
#> SRR1036086 3 0.522 0.9473 0.256 0.016 0.712 0.016
#> SRR1036087 3 0.522 0.9473 0.256 0.016 0.712 0.016
#> SRR1036088 3 0.522 0.9473 0.256 0.016 0.712 0.016
#> SRR1036089 3 0.522 0.9473 0.256 0.016 0.712 0.016
#> SRR1036095 1 0.851 -0.0612 0.460 0.100 0.096 0.344
#> SRR1036096 1 0.851 -0.0612 0.460 0.100 0.096 0.344
#> SRR1036097 1 0.851 -0.0612 0.460 0.100 0.096 0.344
#> SRR1036098 1 0.851 -0.0612 0.460 0.100 0.096 0.344
#> SRR1036099 1 0.851 -0.0612 0.460 0.100 0.096 0.344
#> SRR1036100 1 0.834 -0.1324 0.496 0.288 0.052 0.164
#> SRR1036101 1 0.834 -0.1324 0.496 0.288 0.052 0.164
#> SRR1036102 1 0.834 -0.1324 0.496 0.288 0.052 0.164
#> SRR1036103 1 0.834 -0.1324 0.496 0.288 0.052 0.164
#> SRR1036104 1 0.834 -0.1324 0.496 0.288 0.052 0.164
#> SRR1036105 3 0.503 0.9661 0.284 0.016 0.696 0.004
#> SRR1036106 3 0.503 0.9661 0.284 0.016 0.696 0.004
#> SRR1036107 3 0.503 0.9661 0.284 0.016 0.696 0.004
#> SRR1036108 3 0.503 0.9661 0.284 0.016 0.696 0.004
#> SRR1036109 3 0.503 0.9661 0.284 0.016 0.696 0.004
#> SRR1036110 1 0.668 0.4068 0.704 0.080 0.088 0.128
#> SRR1036111 1 0.668 0.4068 0.704 0.080 0.088 0.128
#> SRR1036112 1 0.668 0.4068 0.704 0.080 0.088 0.128
#> SRR1036113 1 0.668 0.4068 0.704 0.080 0.088 0.128
#> SRR1036114 1 0.668 0.4068 0.704 0.080 0.088 0.128
#> SRR1036115 1 0.838 -0.0197 0.480 0.084 0.104 0.332
#> SRR1036116 1 0.838 -0.0197 0.480 0.084 0.104 0.332
#> SRR1036117 1 0.838 -0.0197 0.480 0.084 0.104 0.332
#> SRR1036118 1 0.838 -0.0197 0.480 0.084 0.104 0.332
#> SRR1036119 1 0.838 -0.0197 0.480 0.084 0.104 0.332
#> SRR1036120 1 0.838 0.2020 0.524 0.128 0.264 0.084
#> SRR1036121 1 0.838 0.2020 0.524 0.128 0.264 0.084
#> SRR1036122 1 0.838 0.2020 0.524 0.128 0.264 0.084
#> SRR1036123 1 0.838 0.2020 0.524 0.128 0.264 0.084
#> SRR1036124 1 0.838 0.2020 0.524 0.128 0.264 0.084
#> SRR1036125 1 0.370 0.4493 0.864 0.024 0.092 0.020
#> SRR1036126 1 0.370 0.4493 0.864 0.024 0.092 0.020
#> SRR1036127 1 0.370 0.4493 0.864 0.024 0.092 0.020
#> SRR1036128 1 0.370 0.4493 0.864 0.024 0.092 0.020
#> SRR1036129 1 0.370 0.4493 0.864 0.024 0.092 0.020
#> SRR1036130 1 0.370 0.4493 0.864 0.024 0.092 0.020
#> SRR1036131 1 0.370 0.4493 0.864 0.024 0.092 0.020
#> SRR1036132 1 0.370 0.4493 0.864 0.024 0.092 0.020
#> SRR1036133 2 0.613 0.6432 0.416 0.544 0.012 0.028
#> SRR1036134 2 0.613 0.6432 0.416 0.544 0.012 0.028
#> SRR1036135 2 0.613 0.6432 0.416 0.544 0.012 0.028
#> SRR1036136 2 0.613 0.6432 0.416 0.544 0.012 0.028
#> SRR1036137 2 0.613 0.6432 0.416 0.544 0.012 0.028
#> SRR1036138 2 0.700 0.6470 0.372 0.524 0.096 0.008
#> SRR1036139 2 0.700 0.6470 0.372 0.524 0.096 0.008
#> SRR1036140 2 0.700 0.6470 0.372 0.524 0.096 0.008
#> SRR1036141 2 0.700 0.6470 0.372 0.524 0.096 0.008
#> SRR1036142 2 0.700 0.6470 0.372 0.524 0.096 0.008
#> SRR1036143 2 0.700 0.6470 0.372 0.524 0.096 0.008
#> SRR1036144 2 0.700 0.6470 0.372 0.524 0.096 0.008
#> SRR1036145 2 0.700 0.6470 0.372 0.524 0.096 0.008
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 1 0.818 0.3859 0.516 0.176 0.160 0.048 0.100
#> SRR1036003 1 0.818 0.3859 0.516 0.176 0.160 0.048 0.100
#> SRR1036004 1 0.818 0.3859 0.516 0.176 0.160 0.048 0.100
#> SRR1036005 3 0.432 0.9605 0.208 0.008 0.756 0.016 0.012
#> SRR1036006 3 0.432 0.9605 0.208 0.008 0.756 0.016 0.012
#> SRR1036007 3 0.432 0.9605 0.208 0.008 0.756 0.016 0.012
#> SRR1036008 3 0.432 0.9605 0.208 0.008 0.756 0.016 0.012
#> SRR1036009 3 0.432 0.9605 0.208 0.008 0.756 0.016 0.012
#> SRR1036013 1 0.705 0.2057 0.608 0.036 0.204 0.092 0.060
#> SRR1036014 1 0.705 0.2057 0.608 0.036 0.204 0.092 0.060
#> SRR1036015 1 0.705 0.2057 0.608 0.036 0.204 0.092 0.060
#> SRR1036016 1 0.705 0.2057 0.608 0.036 0.204 0.092 0.060
#> SRR1036017 1 0.705 0.2057 0.608 0.036 0.204 0.092 0.060
#> SRR1036018 1 0.705 0.2057 0.608 0.036 0.204 0.092 0.060
#> SRR1036010 1 0.624 0.4883 0.708 0.072 0.060 0.064 0.096
#> SRR1036011 1 0.624 0.4883 0.708 0.072 0.060 0.064 0.096
#> SRR1036012 1 0.624 0.4883 0.708 0.072 0.060 0.064 0.096
#> SRR1036019 2 0.727 0.5434 0.288 0.540 0.048 0.036 0.088
#> SRR1036020 2 0.727 0.5434 0.288 0.540 0.048 0.036 0.088
#> SRR1036021 2 0.727 0.5434 0.288 0.540 0.048 0.036 0.088
#> SRR1036022 2 0.727 0.5434 0.288 0.540 0.048 0.036 0.088
#> SRR1036023 2 0.727 0.5434 0.288 0.540 0.048 0.036 0.088
#> SRR1036024 1 0.317 0.4734 0.884 0.036 0.020 0.016 0.044
#> SRR1036025 1 0.317 0.4734 0.884 0.036 0.020 0.016 0.044
#> SRR1036026 1 0.317 0.4734 0.884 0.036 0.020 0.016 0.044
#> SRR1036027 1 0.317 0.4734 0.884 0.036 0.020 0.016 0.044
#> SRR1036028 1 0.317 0.4734 0.884 0.036 0.020 0.016 0.044
#> SRR1036029 1 0.317 0.4734 0.884 0.036 0.020 0.016 0.044
#> SRR1036030 2 0.860 0.4804 0.336 0.360 0.032 0.116 0.156
#> SRR1036031 2 0.856 0.4806 0.336 0.364 0.032 0.108 0.160
#> SRR1036032 2 0.857 0.4805 0.336 0.364 0.032 0.112 0.156
#> SRR1036033 2 0.857 0.4805 0.336 0.364 0.032 0.112 0.156
#> SRR1036034 2 0.858 0.4804 0.336 0.364 0.032 0.116 0.152
#> SRR1036035 2 0.856 0.4806 0.336 0.364 0.032 0.108 0.160
#> SRR1036036 2 0.858 0.4804 0.336 0.364 0.032 0.116 0.152
#> SRR1036037 2 0.854 0.4805 0.336 0.368 0.032 0.108 0.156
#> SRR1036038 1 0.675 0.4783 0.656 0.148 0.052 0.052 0.092
#> SRR1036039 1 0.675 0.4783 0.656 0.148 0.052 0.052 0.092
#> SRR1036040 1 0.675 0.4783 0.656 0.148 0.052 0.052 0.092
#> SRR1036041 1 0.375 0.4693 0.852 0.052 0.008 0.040 0.048
#> SRR1036042 1 0.801 0.3804 0.532 0.188 0.136 0.044 0.100
#> SRR1036043 1 0.801 0.3804 0.532 0.188 0.136 0.044 0.100
#> SRR1036044 1 0.801 0.3804 0.532 0.188 0.136 0.044 0.100
#> SRR1036045 1 0.801 0.3804 0.532 0.188 0.136 0.044 0.100
#> SRR1036046 1 0.801 0.3804 0.532 0.188 0.136 0.044 0.100
#> SRR1036047 1 0.801 0.3804 0.532 0.188 0.136 0.044 0.100
#> SRR1036048 1 0.801 0.3804 0.532 0.188 0.136 0.044 0.100
#> SRR1036049 1 0.801 0.3804 0.532 0.188 0.136 0.044 0.100
#> SRR1036050 1 0.715 0.0641 0.588 0.052 0.040 0.228 0.092
#> SRR1036051 1 0.715 0.0641 0.588 0.052 0.040 0.228 0.092
#> SRR1036052 1 0.715 0.0641 0.588 0.052 0.040 0.228 0.092
#> SRR1036053 1 0.715 0.0641 0.588 0.052 0.040 0.228 0.092
#> SRR1036054 1 0.715 0.0641 0.588 0.052 0.040 0.228 0.092
#> SRR1036055 1 0.808 -0.2479 0.452 0.300 0.024 0.112 0.112
#> SRR1036056 1 0.808 -0.2479 0.452 0.300 0.024 0.112 0.112
#> SRR1036057 1 0.808 -0.2479 0.452 0.300 0.024 0.112 0.112
#> SRR1036058 4 0.885 0.4245 0.320 0.044 0.116 0.344 0.176
#> SRR1036059 4 0.892 0.4249 0.320 0.052 0.112 0.340 0.176
#> SRR1036060 4 0.873 0.4250 0.320 0.032 0.120 0.348 0.180
#> SRR1036061 4 0.882 0.4252 0.320 0.040 0.116 0.344 0.180
#> SRR1036062 4 0.894 0.4244 0.320 0.052 0.112 0.336 0.180
#> SRR1036063 4 0.894 0.4244 0.320 0.052 0.112 0.336 0.180
#> SRR1036064 4 0.873 0.4250 0.320 0.032 0.120 0.348 0.180
#> SRR1036065 4 0.876 0.4247 0.320 0.036 0.116 0.348 0.180
#> SRR1036066 1 0.190 0.5001 0.940 0.024 0.008 0.016 0.012
#> SRR1036067 1 0.190 0.5001 0.940 0.024 0.008 0.016 0.012
#> SRR1036068 1 0.190 0.5001 0.940 0.024 0.008 0.016 0.012
#> SRR1036069 1 0.190 0.5001 0.940 0.024 0.008 0.016 0.012
#> SRR1036070 1 0.190 0.5001 0.940 0.024 0.008 0.016 0.012
#> SRR1036071 1 0.190 0.5001 0.940 0.024 0.008 0.016 0.012
#> SRR1036072 1 0.190 0.5001 0.940 0.024 0.008 0.016 0.012
#> SRR1036073 1 0.190 0.5001 0.940 0.024 0.008 0.016 0.012
#> SRR1036074 5 0.628 0.8963 0.328 0.084 0.024 0.004 0.560
#> SRR1036075 5 0.628 0.8963 0.328 0.084 0.024 0.004 0.560
#> SRR1036076 5 0.639 0.8963 0.328 0.084 0.024 0.008 0.556
#> SRR1036077 5 0.639 0.8963 0.328 0.084 0.024 0.008 0.556
#> SRR1036078 5 0.639 0.8963 0.328 0.084 0.024 0.008 0.556
#> SRR1036079 5 0.639 0.8963 0.328 0.084 0.024 0.008 0.556
#> SRR1036080 5 0.628 0.8963 0.328 0.084 0.024 0.004 0.560
#> SRR1036081 5 0.628 0.8963 0.328 0.084 0.024 0.004 0.560
#> SRR1036082 5 0.774 0.6859 0.304 0.084 0.048 0.068 0.496
#> SRR1036083 5 0.774 0.6859 0.304 0.084 0.048 0.068 0.496
#> SRR1036084 5 0.774 0.6859 0.304 0.084 0.048 0.068 0.496
#> SRR1036090 1 0.636 0.1998 0.584 0.312 0.044 0.024 0.036
#> SRR1036091 1 0.636 0.1998 0.584 0.312 0.044 0.024 0.036
#> SRR1036092 1 0.636 0.1998 0.584 0.312 0.044 0.024 0.036
#> SRR1036093 1 0.636 0.1998 0.584 0.312 0.044 0.024 0.036
#> SRR1036094 1 0.636 0.1998 0.584 0.312 0.044 0.024 0.036
#> SRR1036085 3 0.468 0.9492 0.192 0.016 0.752 0.024 0.016
#> SRR1036086 3 0.468 0.9492 0.192 0.016 0.752 0.024 0.016
#> SRR1036087 3 0.468 0.9492 0.192 0.016 0.752 0.024 0.016
#> SRR1036088 3 0.468 0.9492 0.192 0.016 0.752 0.024 0.016
#> SRR1036089 3 0.468 0.9492 0.192 0.016 0.752 0.024 0.016
#> SRR1036095 4 0.683 0.5782 0.420 0.020 0.052 0.460 0.048
#> SRR1036096 4 0.683 0.5782 0.420 0.020 0.052 0.460 0.048
#> SRR1036097 4 0.683 0.5782 0.420 0.020 0.052 0.460 0.048
#> SRR1036098 4 0.683 0.5782 0.420 0.020 0.052 0.460 0.048
#> SRR1036099 4 0.683 0.5782 0.420 0.020 0.052 0.460 0.048
#> SRR1036100 1 0.838 -0.1947 0.412 0.228 0.036 0.064 0.260
#> SRR1036101 1 0.838 -0.1947 0.412 0.228 0.036 0.064 0.260
#> SRR1036102 1 0.838 -0.1947 0.412 0.228 0.036 0.064 0.260
#> SRR1036103 1 0.838 -0.1947 0.412 0.228 0.036 0.064 0.260
#> SRR1036104 1 0.838 -0.1947 0.412 0.228 0.036 0.064 0.260
#> SRR1036105 3 0.373 0.9640 0.204 0.004 0.780 0.008 0.004
#> SRR1036106 3 0.373 0.9640 0.204 0.004 0.780 0.008 0.004
#> SRR1036107 3 0.373 0.9640 0.204 0.004 0.780 0.008 0.004
#> SRR1036108 3 0.373 0.9640 0.204 0.004 0.780 0.008 0.004
#> SRR1036109 3 0.373 0.9640 0.204 0.004 0.780 0.008 0.004
#> SRR1036110 1 0.647 0.3296 0.664 0.056 0.084 0.028 0.168
#> SRR1036111 1 0.647 0.3296 0.664 0.056 0.084 0.028 0.168
#> SRR1036112 1 0.647 0.3296 0.664 0.056 0.084 0.028 0.168
#> SRR1036113 1 0.647 0.3296 0.664 0.056 0.084 0.028 0.168
#> SRR1036114 1 0.647 0.3296 0.664 0.056 0.084 0.028 0.168
#> SRR1036115 4 0.638 0.5575 0.428 0.016 0.048 0.480 0.028
#> SRR1036116 4 0.638 0.5575 0.428 0.016 0.048 0.480 0.028
#> SRR1036117 4 0.638 0.5575 0.428 0.016 0.048 0.480 0.028
#> SRR1036118 4 0.638 0.5575 0.428 0.016 0.048 0.480 0.028
#> SRR1036119 4 0.638 0.5575 0.428 0.016 0.048 0.480 0.028
#> SRR1036120 1 0.892 0.1603 0.424 0.076 0.228 0.160 0.112
#> SRR1036121 1 0.892 0.1603 0.424 0.076 0.228 0.160 0.112
#> SRR1036122 1 0.892 0.1603 0.424 0.076 0.228 0.160 0.112
#> SRR1036123 1 0.892 0.1603 0.424 0.076 0.228 0.160 0.112
#> SRR1036124 1 0.892 0.1603 0.424 0.076 0.228 0.160 0.112
#> SRR1036125 1 0.456 0.4331 0.812 0.028 0.072 0.044 0.044
#> SRR1036126 1 0.456 0.4331 0.812 0.028 0.072 0.044 0.044
#> SRR1036127 1 0.456 0.4331 0.812 0.028 0.072 0.044 0.044
#> SRR1036128 1 0.456 0.4331 0.812 0.028 0.072 0.044 0.044
#> SRR1036129 1 0.456 0.4331 0.812 0.028 0.072 0.044 0.044
#> SRR1036130 1 0.456 0.4331 0.812 0.028 0.072 0.044 0.044
#> SRR1036131 1 0.456 0.4331 0.812 0.028 0.072 0.044 0.044
#> SRR1036132 1 0.456 0.4331 0.812 0.028 0.072 0.044 0.044
#> SRR1036133 2 0.676 0.6131 0.276 0.584 0.024 0.048 0.068
#> SRR1036134 2 0.676 0.6131 0.276 0.584 0.024 0.048 0.068
#> SRR1036135 2 0.676 0.6131 0.276 0.584 0.024 0.048 0.068
#> SRR1036136 2 0.676 0.6131 0.276 0.584 0.024 0.048 0.068
#> SRR1036137 2 0.676 0.6131 0.276 0.584 0.024 0.048 0.068
#> SRR1036138 2 0.399 0.6430 0.216 0.756 0.028 0.000 0.000
#> SRR1036139 2 0.399 0.6430 0.216 0.756 0.028 0.000 0.000
#> SRR1036140 2 0.399 0.6430 0.216 0.756 0.028 0.000 0.000
#> SRR1036141 2 0.399 0.6430 0.216 0.756 0.028 0.000 0.000
#> SRR1036142 2 0.399 0.6430 0.216 0.756 0.028 0.000 0.000
#> SRR1036143 2 0.399 0.6430 0.216 0.756 0.028 0.000 0.000
#> SRR1036144 2 0.399 0.6430 0.216 0.756 0.028 0.000 0.000
#> SRR1036145 2 0.399 0.6430 0.216 0.756 0.028 0.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 1 0.826 0.389 0.472 0.148 0.168 0.032 0.100 0.080
#> SRR1036003 1 0.826 0.389 0.472 0.148 0.168 0.032 0.100 0.080
#> SRR1036004 1 0.826 0.389 0.472 0.148 0.168 0.032 0.100 0.080
#> SRR1036005 3 0.341 0.963 0.180 0.004 0.796 0.004 0.008 0.008
#> SRR1036006 3 0.341 0.963 0.180 0.004 0.796 0.004 0.008 0.008
#> SRR1036007 3 0.341 0.963 0.180 0.004 0.796 0.004 0.008 0.008
#> SRR1036008 3 0.341 0.963 0.180 0.004 0.796 0.004 0.008 0.008
#> SRR1036009 3 0.341 0.963 0.180 0.004 0.796 0.004 0.008 0.008
#> SRR1036013 1 0.719 0.340 0.592 0.032 0.140 0.104 0.056 0.076
#> SRR1036014 1 0.719 0.340 0.592 0.032 0.140 0.104 0.056 0.076
#> SRR1036015 1 0.719 0.340 0.592 0.032 0.140 0.104 0.056 0.076
#> SRR1036016 1 0.719 0.340 0.592 0.032 0.140 0.104 0.056 0.076
#> SRR1036017 1 0.719 0.340 0.592 0.032 0.140 0.104 0.056 0.076
#> SRR1036018 1 0.719 0.340 0.592 0.032 0.140 0.104 0.056 0.076
#> SRR1036010 1 0.660 0.480 0.656 0.084 0.056 0.040 0.068 0.096
#> SRR1036011 1 0.660 0.480 0.656 0.084 0.056 0.040 0.068 0.096
#> SRR1036012 1 0.660 0.480 0.656 0.084 0.056 0.040 0.068 0.096
#> SRR1036019 2 0.764 0.484 0.220 0.520 0.064 0.032 0.084 0.080
#> SRR1036020 2 0.765 0.484 0.220 0.520 0.068 0.032 0.084 0.076
#> SRR1036021 2 0.765 0.484 0.220 0.520 0.068 0.032 0.084 0.076
#> SRR1036022 2 0.765 0.484 0.220 0.520 0.068 0.032 0.084 0.076
#> SRR1036023 2 0.764 0.484 0.220 0.520 0.064 0.032 0.084 0.080
#> SRR1036024 1 0.186 0.503 0.936 0.024 0.008 0.016 0.008 0.008
#> SRR1036025 1 0.186 0.503 0.936 0.024 0.008 0.016 0.008 0.008
#> SRR1036026 1 0.186 0.503 0.936 0.024 0.008 0.016 0.008 0.008
#> SRR1036027 1 0.186 0.503 0.936 0.024 0.008 0.016 0.008 0.008
#> SRR1036028 1 0.186 0.503 0.936 0.024 0.008 0.016 0.008 0.008
#> SRR1036029 1 0.186 0.503 0.936 0.024 0.008 0.016 0.008 0.008
#> SRR1036030 2 0.882 0.452 0.244 0.324 0.052 0.032 0.192 0.156
#> SRR1036031 2 0.890 0.451 0.244 0.320 0.052 0.040 0.192 0.152
#> SRR1036032 2 0.885 0.452 0.244 0.324 0.052 0.036 0.192 0.152
#> SRR1036033 2 0.885 0.452 0.244 0.324 0.052 0.036 0.192 0.152
#> SRR1036034 2 0.885 0.452 0.244 0.324 0.052 0.036 0.192 0.152
#> SRR1036035 2 0.882 0.452 0.244 0.324 0.052 0.032 0.192 0.156
#> SRR1036036 2 0.882 0.452 0.244 0.324 0.052 0.032 0.192 0.156
#> SRR1036037 2 0.887 0.451 0.244 0.320 0.052 0.036 0.192 0.156
#> SRR1036038 1 0.747 0.450 0.576 0.108 0.076 0.040 0.080 0.120
#> SRR1036039 1 0.747 0.450 0.576 0.108 0.076 0.040 0.080 0.120
#> SRR1036040 1 0.747 0.450 0.576 0.108 0.076 0.040 0.080 0.120
#> SRR1036041 1 0.328 0.484 0.848 0.040 0.000 0.016 0.008 0.088
#> SRR1036042 1 0.827 0.374 0.472 0.176 0.140 0.036 0.100 0.076
#> SRR1036043 1 0.827 0.374 0.472 0.176 0.140 0.036 0.100 0.076
#> SRR1036044 1 0.827 0.374 0.472 0.176 0.140 0.036 0.100 0.076
#> SRR1036045 1 0.827 0.374 0.472 0.176 0.140 0.036 0.100 0.076
#> SRR1036046 1 0.827 0.374 0.472 0.176 0.140 0.036 0.100 0.076
#> SRR1036047 1 0.827 0.374 0.472 0.176 0.140 0.036 0.100 0.076
#> SRR1036048 1 0.827 0.374 0.472 0.176 0.140 0.036 0.100 0.076
#> SRR1036049 1 0.827 0.374 0.472 0.176 0.140 0.036 0.100 0.076
#> SRR1036050 1 0.712 -0.172 0.472 0.036 0.024 0.068 0.056 0.344
#> SRR1036051 1 0.712 -0.172 0.472 0.036 0.024 0.068 0.056 0.344
#> SRR1036052 1 0.712 -0.172 0.472 0.036 0.024 0.068 0.056 0.344
#> SRR1036053 1 0.712 -0.172 0.472 0.036 0.024 0.068 0.056 0.344
#> SRR1036054 1 0.712 -0.172 0.472 0.036 0.024 0.068 0.056 0.344
#> SRR1036055 1 0.820 -0.206 0.384 0.256 0.016 0.032 0.176 0.136
#> SRR1036056 1 0.820 -0.206 0.384 0.256 0.016 0.032 0.176 0.136
#> SRR1036057 1 0.820 -0.206 0.384 0.256 0.016 0.032 0.176 0.136
#> SRR1036058 4 0.432 0.993 0.232 0.004 0.028 0.720 0.008 0.008
#> SRR1036059 4 0.453 0.992 0.232 0.008 0.028 0.712 0.012 0.008
#> SRR1036060 4 0.422 0.994 0.232 0.004 0.028 0.724 0.004 0.008
#> SRR1036061 4 0.453 0.991 0.232 0.008 0.028 0.712 0.012 0.008
#> SRR1036062 4 0.471 0.990 0.232 0.012 0.028 0.704 0.016 0.008
#> SRR1036063 4 0.453 0.991 0.232 0.008 0.028 0.712 0.012 0.008
#> SRR1036064 4 0.422 0.994 0.232 0.004 0.028 0.724 0.004 0.008
#> SRR1036065 4 0.432 0.993 0.232 0.004 0.028 0.720 0.008 0.008
#> SRR1036066 1 0.215 0.511 0.924 0.012 0.020 0.024 0.008 0.012
#> SRR1036067 1 0.215 0.511 0.924 0.012 0.020 0.024 0.008 0.012
#> SRR1036068 1 0.215 0.511 0.924 0.012 0.020 0.024 0.008 0.012
#> SRR1036069 1 0.215 0.511 0.924 0.012 0.020 0.024 0.008 0.012
#> SRR1036070 1 0.215 0.511 0.924 0.012 0.020 0.024 0.008 0.012
#> SRR1036071 1 0.215 0.511 0.924 0.012 0.020 0.024 0.008 0.012
#> SRR1036072 1 0.215 0.511 0.924 0.012 0.020 0.024 0.008 0.012
#> SRR1036073 1 0.215 0.511 0.924 0.012 0.020 0.024 0.008 0.012
#> SRR1036074 5 0.618 0.882 0.284 0.044 0.000 0.124 0.544 0.004
#> SRR1036075 5 0.618 0.882 0.284 0.044 0.000 0.124 0.544 0.004
#> SRR1036076 5 0.618 0.882 0.284 0.044 0.000 0.124 0.544 0.004
#> SRR1036077 5 0.618 0.882 0.284 0.044 0.000 0.124 0.544 0.004
#> SRR1036078 5 0.618 0.882 0.284 0.044 0.000 0.124 0.544 0.004
#> SRR1036079 5 0.618 0.882 0.284 0.044 0.000 0.124 0.544 0.004
#> SRR1036080 5 0.618 0.882 0.284 0.044 0.000 0.124 0.544 0.004
#> SRR1036081 5 0.618 0.882 0.284 0.044 0.000 0.124 0.544 0.004
#> SRR1036082 5 0.801 0.626 0.256 0.028 0.028 0.196 0.412 0.080
#> SRR1036083 5 0.801 0.626 0.256 0.028 0.028 0.196 0.412 0.080
#> SRR1036084 5 0.801 0.626 0.256 0.028 0.028 0.196 0.412 0.080
#> SRR1036090 1 0.579 0.226 0.572 0.328 0.032 0.004 0.036 0.028
#> SRR1036091 1 0.579 0.226 0.572 0.328 0.032 0.004 0.036 0.028
#> SRR1036092 1 0.579 0.226 0.572 0.328 0.032 0.004 0.036 0.028
#> SRR1036093 1 0.579 0.226 0.572 0.328 0.032 0.004 0.036 0.028
#> SRR1036094 1 0.579 0.226 0.572 0.328 0.032 0.004 0.036 0.028
#> SRR1036085 3 0.434 0.947 0.172 0.008 0.760 0.024 0.008 0.028
#> SRR1036086 3 0.434 0.947 0.172 0.008 0.760 0.024 0.008 0.028
#> SRR1036087 3 0.434 0.947 0.172 0.008 0.760 0.024 0.008 0.028
#> SRR1036088 3 0.434 0.947 0.172 0.008 0.760 0.024 0.008 0.028
#> SRR1036089 3 0.434 0.947 0.172 0.008 0.760 0.024 0.008 0.028
#> SRR1036095 6 0.711 0.944 0.264 0.040 0.020 0.096 0.052 0.528
#> SRR1036096 6 0.711 0.944 0.264 0.040 0.020 0.096 0.052 0.528
#> SRR1036097 6 0.711 0.944 0.264 0.040 0.020 0.096 0.052 0.528
#> SRR1036098 6 0.711 0.944 0.264 0.040 0.020 0.096 0.052 0.528
#> SRR1036099 6 0.711 0.944 0.264 0.040 0.020 0.096 0.052 0.528
#> SRR1036100 1 0.859 -0.241 0.332 0.128 0.036 0.072 0.328 0.104
#> SRR1036101 1 0.859 -0.241 0.332 0.128 0.036 0.072 0.328 0.104
#> SRR1036102 1 0.859 -0.241 0.332 0.128 0.036 0.072 0.328 0.104
#> SRR1036103 1 0.859 -0.241 0.332 0.128 0.036 0.072 0.328 0.104
#> SRR1036104 1 0.859 -0.241 0.332 0.128 0.036 0.072 0.328 0.104
#> SRR1036105 3 0.320 0.965 0.184 0.008 0.800 0.000 0.004 0.004
#> SRR1036106 3 0.320 0.965 0.184 0.008 0.800 0.000 0.004 0.004
#> SRR1036107 3 0.320 0.965 0.184 0.008 0.800 0.000 0.004 0.004
#> SRR1036108 3 0.320 0.965 0.184 0.008 0.800 0.000 0.004 0.004
#> SRR1036109 3 0.320 0.965 0.184 0.008 0.800 0.000 0.004 0.004
#> SRR1036110 1 0.638 0.297 0.652 0.020 0.036 0.140 0.084 0.068
#> SRR1036111 1 0.638 0.297 0.652 0.020 0.036 0.140 0.084 0.068
#> SRR1036112 1 0.638 0.297 0.652 0.020 0.036 0.140 0.084 0.068
#> SRR1036113 1 0.638 0.297 0.652 0.020 0.036 0.140 0.084 0.068
#> SRR1036114 1 0.638 0.297 0.652 0.020 0.036 0.140 0.084 0.068
#> SRR1036115 6 0.637 0.944 0.292 0.012 0.012 0.092 0.040 0.552
#> SRR1036116 6 0.637 0.944 0.292 0.012 0.012 0.092 0.040 0.552
#> SRR1036117 6 0.637 0.944 0.292 0.012 0.012 0.092 0.040 0.552
#> SRR1036118 6 0.637 0.944 0.292 0.012 0.012 0.092 0.040 0.552
#> SRR1036119 6 0.637 0.944 0.292 0.012 0.012 0.092 0.040 0.552
#> SRR1036120 1 0.857 0.193 0.404 0.044 0.176 0.084 0.068 0.224
#> SRR1036121 1 0.857 0.193 0.404 0.044 0.176 0.084 0.068 0.224
#> SRR1036122 1 0.857 0.193 0.404 0.044 0.176 0.084 0.068 0.224
#> SRR1036123 1 0.857 0.193 0.404 0.044 0.176 0.084 0.068 0.224
#> SRR1036124 1 0.857 0.193 0.404 0.044 0.176 0.084 0.068 0.224
#> SRR1036125 1 0.402 0.458 0.812 0.020 0.068 0.016 0.004 0.080
#> SRR1036126 1 0.402 0.458 0.812 0.020 0.068 0.016 0.004 0.080
#> SRR1036127 1 0.402 0.458 0.812 0.020 0.068 0.016 0.004 0.080
#> SRR1036128 1 0.402 0.458 0.812 0.020 0.068 0.016 0.004 0.080
#> SRR1036129 1 0.402 0.458 0.812 0.020 0.068 0.016 0.004 0.080
#> SRR1036130 1 0.402 0.458 0.812 0.020 0.068 0.016 0.004 0.080
#> SRR1036131 1 0.402 0.458 0.812 0.020 0.068 0.016 0.004 0.080
#> SRR1036132 1 0.402 0.458 0.812 0.020 0.068 0.016 0.004 0.080
#> SRR1036133 2 0.712 0.575 0.204 0.556 0.028 0.036 0.132 0.044
#> SRR1036134 2 0.712 0.575 0.204 0.556 0.028 0.036 0.132 0.044
#> SRR1036135 2 0.712 0.575 0.204 0.556 0.028 0.036 0.132 0.044
#> SRR1036136 2 0.712 0.575 0.204 0.556 0.028 0.036 0.132 0.044
#> SRR1036137 2 0.712 0.575 0.204 0.556 0.028 0.036 0.132 0.044
#> SRR1036138 2 0.363 0.613 0.148 0.804 0.032 0.004 0.004 0.008
#> SRR1036139 2 0.356 0.613 0.148 0.804 0.036 0.000 0.004 0.008
#> SRR1036140 2 0.363 0.613 0.148 0.804 0.032 0.004 0.004 0.008
#> SRR1036141 2 0.363 0.613 0.148 0.804 0.032 0.004 0.004 0.008
#> SRR1036142 2 0.356 0.613 0.148 0.804 0.036 0.000 0.004 0.008
#> SRR1036143 2 0.363 0.613 0.148 0.804 0.032 0.004 0.004 0.008
#> SRR1036144 2 0.356 0.613 0.148 0.804 0.036 0.000 0.004 0.008
#> SRR1036145 2 0.356 0.613 0.148 0.804 0.036 0.000 0.004 0.008
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["CV", "skmeans"]
# you can also extract it by
# res = res_list["CV:skmeans"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'CV' method.
#> Subgroups are detected by 'skmeans' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 2.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.321 0.748 0.857 0.5005 0.497 0.497
#> 3 3 0.316 0.485 0.677 0.3264 0.717 0.489
#> 4 4 0.551 0.640 0.795 0.1200 0.777 0.440
#> 5 5 0.670 0.590 0.739 0.0690 0.907 0.660
#> 6 6 0.729 0.650 0.763 0.0412 0.948 0.758
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 2
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.8016 0.702 0.756 0.244
#> SRR1036003 1 0.8016 0.702 0.756 0.244
#> SRR1036004 1 0.8016 0.702 0.756 0.244
#> SRR1036005 1 0.2603 0.856 0.956 0.044
#> SRR1036006 1 0.2603 0.856 0.956 0.044
#> SRR1036007 1 0.2603 0.856 0.956 0.044
#> SRR1036008 1 0.2603 0.856 0.956 0.044
#> SRR1036009 1 0.2603 0.856 0.956 0.044
#> SRR1036013 1 0.4161 0.820 0.916 0.084
#> SRR1036014 1 0.4161 0.820 0.916 0.084
#> SRR1036015 1 0.4161 0.820 0.916 0.084
#> SRR1036016 1 0.4161 0.820 0.916 0.084
#> SRR1036017 1 0.4161 0.820 0.916 0.084
#> SRR1036018 1 0.4161 0.820 0.916 0.084
#> SRR1036010 1 0.6247 0.785 0.844 0.156
#> SRR1036011 1 0.6247 0.785 0.844 0.156
#> SRR1036012 1 0.6247 0.785 0.844 0.156
#> SRR1036019 2 0.6973 0.706 0.188 0.812
#> SRR1036020 2 0.6973 0.706 0.188 0.812
#> SRR1036021 2 0.6973 0.706 0.188 0.812
#> SRR1036022 2 0.6973 0.706 0.188 0.812
#> SRR1036023 2 0.6973 0.706 0.188 0.812
#> SRR1036024 1 0.3431 0.858 0.936 0.064
#> SRR1036025 1 0.3431 0.858 0.936 0.064
#> SRR1036026 1 0.3431 0.858 0.936 0.064
#> SRR1036027 1 0.3431 0.858 0.936 0.064
#> SRR1036028 1 0.3431 0.858 0.936 0.064
#> SRR1036029 1 0.3431 0.858 0.936 0.064
#> SRR1036030 2 0.1184 0.801 0.016 0.984
#> SRR1036031 2 0.1184 0.801 0.016 0.984
#> SRR1036032 2 0.1184 0.801 0.016 0.984
#> SRR1036033 2 0.1184 0.801 0.016 0.984
#> SRR1036034 2 0.1184 0.801 0.016 0.984
#> SRR1036035 2 0.1184 0.801 0.016 0.984
#> SRR1036036 2 0.1184 0.801 0.016 0.984
#> SRR1036037 2 0.1184 0.801 0.016 0.984
#> SRR1036038 1 0.8955 0.641 0.688 0.312
#> SRR1036039 1 0.8955 0.641 0.688 0.312
#> SRR1036040 1 0.8955 0.641 0.688 0.312
#> SRR1036041 1 0.9608 0.401 0.616 0.384
#> SRR1036042 1 0.8016 0.702 0.756 0.244
#> SRR1036043 1 0.8016 0.702 0.756 0.244
#> SRR1036044 1 0.8016 0.702 0.756 0.244
#> SRR1036045 1 0.8016 0.702 0.756 0.244
#> SRR1036046 1 0.8016 0.702 0.756 0.244
#> SRR1036047 1 0.8016 0.702 0.756 0.244
#> SRR1036048 1 0.8016 0.702 0.756 0.244
#> SRR1036049 1 0.8016 0.702 0.756 0.244
#> SRR1036050 2 0.9248 0.592 0.340 0.660
#> SRR1036051 2 0.9248 0.592 0.340 0.660
#> SRR1036052 2 0.9248 0.592 0.340 0.660
#> SRR1036053 2 0.9248 0.592 0.340 0.660
#> SRR1036054 2 0.9248 0.592 0.340 0.660
#> SRR1036055 2 0.0938 0.801 0.012 0.988
#> SRR1036056 2 0.0938 0.801 0.012 0.988
#> SRR1036057 2 0.0938 0.801 0.012 0.988
#> SRR1036058 2 0.9087 0.619 0.324 0.676
#> SRR1036059 2 0.9087 0.619 0.324 0.676
#> SRR1036060 2 0.9087 0.619 0.324 0.676
#> SRR1036061 2 0.9087 0.619 0.324 0.676
#> SRR1036062 2 0.9087 0.619 0.324 0.676
#> SRR1036063 2 0.9087 0.619 0.324 0.676
#> SRR1036064 2 0.9087 0.619 0.324 0.676
#> SRR1036065 2 0.9087 0.619 0.324 0.676
#> SRR1036066 1 0.3584 0.858 0.932 0.068
#> SRR1036067 1 0.3584 0.858 0.932 0.068
#> SRR1036068 1 0.3584 0.858 0.932 0.068
#> SRR1036069 1 0.3584 0.858 0.932 0.068
#> SRR1036070 1 0.3584 0.858 0.932 0.068
#> SRR1036071 1 0.3584 0.858 0.932 0.068
#> SRR1036072 1 0.3584 0.858 0.932 0.068
#> SRR1036073 1 0.3584 0.858 0.932 0.068
#> SRR1036074 2 0.2236 0.801 0.036 0.964
#> SRR1036075 2 0.2236 0.801 0.036 0.964
#> SRR1036076 2 0.2236 0.801 0.036 0.964
#> SRR1036077 2 0.2236 0.801 0.036 0.964
#> SRR1036078 2 0.2236 0.801 0.036 0.964
#> SRR1036079 2 0.2236 0.801 0.036 0.964
#> SRR1036080 2 0.2236 0.801 0.036 0.964
#> SRR1036081 2 0.2236 0.801 0.036 0.964
#> SRR1036082 2 0.3584 0.791 0.068 0.932
#> SRR1036083 2 0.3584 0.791 0.068 0.932
#> SRR1036084 2 0.3584 0.791 0.068 0.932
#> SRR1036090 2 0.9491 0.383 0.368 0.632
#> SRR1036091 2 0.9491 0.383 0.368 0.632
#> SRR1036092 2 0.9491 0.383 0.368 0.632
#> SRR1036093 2 0.9491 0.383 0.368 0.632
#> SRR1036094 2 0.9491 0.383 0.368 0.632
#> SRR1036085 1 0.2603 0.856 0.956 0.044
#> SRR1036086 1 0.2603 0.856 0.956 0.044
#> SRR1036087 1 0.2603 0.856 0.956 0.044
#> SRR1036088 1 0.2603 0.856 0.956 0.044
#> SRR1036089 1 0.2603 0.856 0.956 0.044
#> SRR1036095 2 0.8016 0.700 0.244 0.756
#> SRR1036096 2 0.8016 0.700 0.244 0.756
#> SRR1036097 2 0.8016 0.700 0.244 0.756
#> SRR1036098 2 0.8016 0.700 0.244 0.756
#> SRR1036099 2 0.8016 0.700 0.244 0.756
#> SRR1036100 2 0.0376 0.800 0.004 0.996
#> SRR1036101 2 0.0376 0.800 0.004 0.996
#> SRR1036102 2 0.0376 0.800 0.004 0.996
#> SRR1036103 2 0.0376 0.800 0.004 0.996
#> SRR1036104 2 0.0376 0.800 0.004 0.996
#> SRR1036105 1 0.2603 0.856 0.956 0.044
#> SRR1036106 1 0.2603 0.856 0.956 0.044
#> SRR1036107 1 0.2603 0.856 0.956 0.044
#> SRR1036108 1 0.2603 0.856 0.956 0.044
#> SRR1036109 1 0.2603 0.856 0.956 0.044
#> SRR1036110 1 0.8386 0.571 0.732 0.268
#> SRR1036111 1 0.8386 0.571 0.732 0.268
#> SRR1036112 1 0.8386 0.571 0.732 0.268
#> SRR1036113 1 0.8386 0.571 0.732 0.268
#> SRR1036114 1 0.8386 0.571 0.732 0.268
#> SRR1036115 2 0.8016 0.700 0.244 0.756
#> SRR1036116 2 0.8016 0.700 0.244 0.756
#> SRR1036117 2 0.8016 0.700 0.244 0.756
#> SRR1036118 2 0.8016 0.700 0.244 0.756
#> SRR1036119 2 0.8016 0.700 0.244 0.756
#> SRR1036120 1 0.1414 0.853 0.980 0.020
#> SRR1036121 1 0.1414 0.853 0.980 0.020
#> SRR1036122 1 0.1414 0.853 0.980 0.020
#> SRR1036123 1 0.1414 0.853 0.980 0.020
#> SRR1036124 1 0.1414 0.853 0.980 0.020
#> SRR1036125 1 0.3114 0.856 0.944 0.056
#> SRR1036126 1 0.3114 0.856 0.944 0.056
#> SRR1036127 1 0.3114 0.856 0.944 0.056
#> SRR1036128 1 0.3114 0.856 0.944 0.056
#> SRR1036129 1 0.3114 0.856 0.944 0.056
#> SRR1036130 1 0.3114 0.856 0.944 0.056
#> SRR1036131 1 0.3114 0.856 0.944 0.056
#> SRR1036132 1 0.3114 0.856 0.944 0.056
#> SRR1036133 2 0.3274 0.786 0.060 0.940
#> SRR1036134 2 0.3274 0.786 0.060 0.940
#> SRR1036135 2 0.3274 0.786 0.060 0.940
#> SRR1036136 2 0.3274 0.786 0.060 0.940
#> SRR1036137 2 0.3274 0.786 0.060 0.940
#> SRR1036138 2 0.6887 0.709 0.184 0.816
#> SRR1036139 2 0.6887 0.709 0.184 0.816
#> SRR1036140 2 0.6887 0.709 0.184 0.816
#> SRR1036141 2 0.6887 0.709 0.184 0.816
#> SRR1036142 2 0.6887 0.709 0.184 0.816
#> SRR1036143 2 0.6887 0.709 0.184 0.816
#> SRR1036144 2 0.6887 0.709 0.184 0.816
#> SRR1036145 2 0.6887 0.709 0.184 0.816
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.475 0.5588 0.000 0.216 0.784
#> SRR1036003 3 0.475 0.5588 0.000 0.216 0.784
#> SRR1036004 3 0.475 0.5588 0.000 0.216 0.784
#> SRR1036005 3 0.385 0.5771 0.136 0.004 0.860
#> SRR1036006 3 0.385 0.5771 0.136 0.004 0.860
#> SRR1036007 3 0.385 0.5771 0.136 0.004 0.860
#> SRR1036008 3 0.385 0.5771 0.136 0.004 0.860
#> SRR1036009 3 0.385 0.5771 0.136 0.004 0.860
#> SRR1036013 1 0.739 0.1310 0.500 0.032 0.468
#> SRR1036014 1 0.739 0.1310 0.500 0.032 0.468
#> SRR1036015 1 0.739 0.1310 0.500 0.032 0.468
#> SRR1036016 1 0.739 0.1310 0.500 0.032 0.468
#> SRR1036017 1 0.739 0.1310 0.500 0.032 0.468
#> SRR1036018 1 0.739 0.1310 0.500 0.032 0.468
#> SRR1036010 3 0.899 0.3185 0.260 0.184 0.556
#> SRR1036011 3 0.899 0.3185 0.260 0.184 0.556
#> SRR1036012 3 0.899 0.3185 0.260 0.184 0.556
#> SRR1036019 2 0.313 0.7401 0.008 0.904 0.088
#> SRR1036020 2 0.313 0.7401 0.008 0.904 0.088
#> SRR1036021 2 0.313 0.7401 0.008 0.904 0.088
#> SRR1036022 2 0.313 0.7401 0.008 0.904 0.088
#> SRR1036023 2 0.313 0.7401 0.008 0.904 0.088
#> SRR1036024 1 0.867 0.2289 0.544 0.120 0.336
#> SRR1036025 1 0.867 0.2289 0.544 0.120 0.336
#> SRR1036026 1 0.867 0.2289 0.544 0.120 0.336
#> SRR1036027 1 0.867 0.2289 0.544 0.120 0.336
#> SRR1036028 1 0.867 0.2289 0.544 0.120 0.336
#> SRR1036029 1 0.867 0.2289 0.544 0.120 0.336
#> SRR1036030 2 0.341 0.7503 0.124 0.876 0.000
#> SRR1036031 2 0.341 0.7503 0.124 0.876 0.000
#> SRR1036032 2 0.341 0.7503 0.124 0.876 0.000
#> SRR1036033 2 0.341 0.7503 0.124 0.876 0.000
#> SRR1036034 2 0.341 0.7503 0.124 0.876 0.000
#> SRR1036035 2 0.341 0.7503 0.124 0.876 0.000
#> SRR1036036 2 0.341 0.7503 0.124 0.876 0.000
#> SRR1036037 2 0.341 0.7503 0.124 0.876 0.000
#> SRR1036038 3 0.929 0.3085 0.164 0.372 0.464
#> SRR1036039 3 0.929 0.3085 0.164 0.372 0.464
#> SRR1036040 3 0.929 0.3085 0.164 0.372 0.464
#> SRR1036041 1 0.967 0.1311 0.464 0.276 0.260
#> SRR1036042 3 0.489 0.5566 0.000 0.228 0.772
#> SRR1036043 3 0.489 0.5566 0.000 0.228 0.772
#> SRR1036044 3 0.489 0.5566 0.000 0.228 0.772
#> SRR1036045 3 0.489 0.5566 0.000 0.228 0.772
#> SRR1036046 3 0.489 0.5566 0.000 0.228 0.772
#> SRR1036047 3 0.489 0.5566 0.000 0.228 0.772
#> SRR1036048 3 0.489 0.5566 0.000 0.228 0.772
#> SRR1036049 3 0.489 0.5566 0.000 0.228 0.772
#> SRR1036050 1 0.632 0.4974 0.764 0.160 0.076
#> SRR1036051 1 0.632 0.4974 0.764 0.160 0.076
#> SRR1036052 1 0.632 0.4974 0.764 0.160 0.076
#> SRR1036053 1 0.632 0.4974 0.764 0.160 0.076
#> SRR1036054 1 0.632 0.4974 0.764 0.160 0.076
#> SRR1036055 2 0.502 0.6980 0.192 0.796 0.012
#> SRR1036056 2 0.502 0.6980 0.192 0.796 0.012
#> SRR1036057 2 0.502 0.6980 0.192 0.796 0.012
#> SRR1036058 1 0.685 0.5114 0.740 0.140 0.120
#> SRR1036059 1 0.685 0.5114 0.740 0.140 0.120
#> SRR1036060 1 0.685 0.5114 0.740 0.140 0.120
#> SRR1036061 1 0.685 0.5114 0.740 0.140 0.120
#> SRR1036062 1 0.685 0.5114 0.740 0.140 0.120
#> SRR1036063 1 0.685 0.5114 0.740 0.140 0.120
#> SRR1036064 1 0.685 0.5114 0.740 0.140 0.120
#> SRR1036065 1 0.685 0.5114 0.740 0.140 0.120
#> SRR1036066 1 0.886 0.1551 0.500 0.124 0.376
#> SRR1036067 1 0.886 0.1551 0.500 0.124 0.376
#> SRR1036068 1 0.886 0.1551 0.500 0.124 0.376
#> SRR1036069 1 0.886 0.1551 0.500 0.124 0.376
#> SRR1036070 1 0.886 0.1551 0.500 0.124 0.376
#> SRR1036071 1 0.886 0.1551 0.500 0.124 0.376
#> SRR1036072 1 0.886 0.1551 0.500 0.124 0.376
#> SRR1036073 1 0.886 0.1551 0.500 0.124 0.376
#> SRR1036074 2 0.697 0.5308 0.356 0.616 0.028
#> SRR1036075 2 0.697 0.5308 0.356 0.616 0.028
#> SRR1036076 2 0.697 0.5308 0.356 0.616 0.028
#> SRR1036077 2 0.697 0.5308 0.356 0.616 0.028
#> SRR1036078 2 0.697 0.5308 0.356 0.616 0.028
#> SRR1036079 2 0.697 0.5308 0.356 0.616 0.028
#> SRR1036080 2 0.697 0.5308 0.356 0.616 0.028
#> SRR1036081 2 0.697 0.5308 0.356 0.616 0.028
#> SRR1036082 2 0.735 0.3730 0.432 0.536 0.032
#> SRR1036083 2 0.735 0.3730 0.432 0.536 0.032
#> SRR1036084 2 0.735 0.3730 0.432 0.536 0.032
#> SRR1036090 2 0.625 0.5720 0.036 0.732 0.232
#> SRR1036091 2 0.625 0.5720 0.036 0.732 0.232
#> SRR1036092 2 0.625 0.5720 0.036 0.732 0.232
#> SRR1036093 2 0.625 0.5720 0.036 0.732 0.232
#> SRR1036094 2 0.625 0.5720 0.036 0.732 0.232
#> SRR1036085 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036086 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036087 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036088 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036089 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036095 1 0.466 0.5555 0.844 0.124 0.032
#> SRR1036096 1 0.466 0.5555 0.844 0.124 0.032
#> SRR1036097 1 0.466 0.5555 0.844 0.124 0.032
#> SRR1036098 1 0.466 0.5555 0.844 0.124 0.032
#> SRR1036099 1 0.466 0.5555 0.844 0.124 0.032
#> SRR1036100 2 0.418 0.7194 0.172 0.828 0.000
#> SRR1036101 2 0.418 0.7194 0.172 0.828 0.000
#> SRR1036102 2 0.418 0.7194 0.172 0.828 0.000
#> SRR1036103 2 0.418 0.7194 0.172 0.828 0.000
#> SRR1036104 2 0.418 0.7194 0.172 0.828 0.000
#> SRR1036105 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036106 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036107 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036108 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036109 3 0.398 0.5736 0.144 0.004 0.852
#> SRR1036110 1 0.846 0.2998 0.512 0.092 0.396
#> SRR1036111 1 0.846 0.2998 0.512 0.092 0.396
#> SRR1036112 1 0.846 0.2998 0.512 0.092 0.396
#> SRR1036113 1 0.846 0.2998 0.512 0.092 0.396
#> SRR1036114 1 0.846 0.2998 0.512 0.092 0.396
#> SRR1036115 1 0.437 0.5558 0.860 0.108 0.032
#> SRR1036116 1 0.437 0.5558 0.860 0.108 0.032
#> SRR1036117 1 0.437 0.5558 0.860 0.108 0.032
#> SRR1036118 1 0.437 0.5558 0.860 0.108 0.032
#> SRR1036119 1 0.437 0.5558 0.860 0.108 0.032
#> SRR1036120 3 0.382 0.5518 0.148 0.000 0.852
#> SRR1036121 3 0.382 0.5518 0.148 0.000 0.852
#> SRR1036122 3 0.382 0.5518 0.148 0.000 0.852
#> SRR1036123 3 0.382 0.5518 0.148 0.000 0.852
#> SRR1036124 3 0.382 0.5518 0.148 0.000 0.852
#> SRR1036125 3 0.825 0.0227 0.428 0.076 0.496
#> SRR1036126 3 0.825 0.0227 0.428 0.076 0.496
#> SRR1036127 3 0.825 0.0227 0.428 0.076 0.496
#> SRR1036128 3 0.825 0.0227 0.428 0.076 0.496
#> SRR1036129 3 0.825 0.0227 0.428 0.076 0.496
#> SRR1036130 3 0.825 0.0227 0.428 0.076 0.496
#> SRR1036131 3 0.825 0.0227 0.428 0.076 0.496
#> SRR1036132 3 0.825 0.0227 0.428 0.076 0.496
#> SRR1036133 2 0.149 0.7569 0.016 0.968 0.016
#> SRR1036134 2 0.149 0.7569 0.016 0.968 0.016
#> SRR1036135 2 0.149 0.7569 0.016 0.968 0.016
#> SRR1036136 2 0.149 0.7569 0.016 0.968 0.016
#> SRR1036137 2 0.149 0.7569 0.016 0.968 0.016
#> SRR1036138 2 0.375 0.7036 0.000 0.856 0.144
#> SRR1036139 2 0.375 0.7036 0.000 0.856 0.144
#> SRR1036140 2 0.375 0.7036 0.000 0.856 0.144
#> SRR1036141 2 0.375 0.7036 0.000 0.856 0.144
#> SRR1036142 2 0.375 0.7036 0.000 0.856 0.144
#> SRR1036143 2 0.375 0.7036 0.000 0.856 0.144
#> SRR1036144 2 0.375 0.7036 0.000 0.856 0.144
#> SRR1036145 2 0.375 0.7036 0.000 0.856 0.144
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.654 0.598 0.180 0.140 0.668 0.012
#> SRR1036003 3 0.654 0.598 0.180 0.140 0.668 0.012
#> SRR1036004 3 0.654 0.598 0.180 0.140 0.668 0.012
#> SRR1036005 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036006 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036007 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036008 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036009 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036013 3 0.685 0.303 0.116 0.000 0.540 0.344
#> SRR1036014 3 0.685 0.303 0.116 0.000 0.540 0.344
#> SRR1036015 3 0.685 0.303 0.116 0.000 0.540 0.344
#> SRR1036016 3 0.685 0.303 0.116 0.000 0.540 0.344
#> SRR1036017 3 0.685 0.303 0.116 0.000 0.540 0.344
#> SRR1036018 3 0.685 0.303 0.116 0.000 0.540 0.344
#> SRR1036010 1 0.521 0.614 0.756 0.048 0.184 0.012
#> SRR1036011 1 0.521 0.614 0.756 0.048 0.184 0.012
#> SRR1036012 1 0.521 0.614 0.756 0.048 0.184 0.012
#> SRR1036019 2 0.188 0.822 0.016 0.948 0.020 0.016
#> SRR1036020 2 0.188 0.822 0.016 0.948 0.020 0.016
#> SRR1036021 2 0.188 0.822 0.016 0.948 0.020 0.016
#> SRR1036022 2 0.188 0.822 0.016 0.948 0.020 0.016
#> SRR1036023 2 0.188 0.822 0.016 0.948 0.020 0.016
#> SRR1036024 1 0.161 0.801 0.952 0.000 0.016 0.032
#> SRR1036025 1 0.161 0.801 0.952 0.000 0.016 0.032
#> SRR1036026 1 0.161 0.801 0.952 0.000 0.016 0.032
#> SRR1036027 1 0.161 0.801 0.952 0.000 0.016 0.032
#> SRR1036028 1 0.161 0.801 0.952 0.000 0.016 0.032
#> SRR1036029 1 0.161 0.801 0.952 0.000 0.016 0.032
#> SRR1036030 2 0.422 0.745 0.020 0.800 0.004 0.176
#> SRR1036031 2 0.422 0.745 0.020 0.800 0.004 0.176
#> SRR1036032 2 0.422 0.745 0.020 0.800 0.004 0.176
#> SRR1036033 2 0.422 0.745 0.020 0.800 0.004 0.176
#> SRR1036034 2 0.422 0.745 0.020 0.800 0.004 0.176
#> SRR1036035 2 0.422 0.745 0.020 0.800 0.004 0.176
#> SRR1036036 2 0.422 0.745 0.020 0.800 0.004 0.176
#> SRR1036037 2 0.422 0.745 0.020 0.800 0.004 0.176
#> SRR1036038 1 0.820 0.161 0.380 0.352 0.256 0.012
#> SRR1036039 1 0.820 0.161 0.380 0.352 0.256 0.012
#> SRR1036040 1 0.820 0.161 0.380 0.352 0.256 0.012
#> SRR1036041 1 0.141 0.793 0.960 0.016 0.000 0.024
#> SRR1036042 3 0.733 0.521 0.240 0.172 0.576 0.012
#> SRR1036043 3 0.733 0.521 0.240 0.172 0.576 0.012
#> SRR1036044 3 0.733 0.521 0.240 0.172 0.576 0.012
#> SRR1036045 3 0.733 0.521 0.240 0.172 0.576 0.012
#> SRR1036046 3 0.733 0.521 0.240 0.172 0.576 0.012
#> SRR1036047 3 0.733 0.521 0.240 0.172 0.576 0.012
#> SRR1036048 3 0.733 0.521 0.240 0.172 0.576 0.012
#> SRR1036049 3 0.733 0.521 0.240 0.172 0.576 0.012
#> SRR1036050 1 0.667 0.273 0.548 0.056 0.016 0.380
#> SRR1036051 1 0.667 0.273 0.548 0.056 0.016 0.380
#> SRR1036052 1 0.667 0.273 0.548 0.056 0.016 0.380
#> SRR1036053 1 0.667 0.273 0.548 0.056 0.016 0.380
#> SRR1036054 1 0.667 0.273 0.548 0.056 0.016 0.380
#> SRR1036055 2 0.508 0.727 0.112 0.776 0.004 0.108
#> SRR1036056 2 0.508 0.727 0.112 0.776 0.004 0.108
#> SRR1036057 2 0.508 0.727 0.112 0.776 0.004 0.108
#> SRR1036058 4 0.346 0.682 0.040 0.008 0.076 0.876
#> SRR1036059 4 0.346 0.682 0.040 0.008 0.076 0.876
#> SRR1036060 4 0.346 0.682 0.040 0.008 0.076 0.876
#> SRR1036061 4 0.346 0.682 0.040 0.008 0.076 0.876
#> SRR1036062 4 0.346 0.682 0.040 0.008 0.076 0.876
#> SRR1036063 4 0.346 0.682 0.040 0.008 0.076 0.876
#> SRR1036064 4 0.346 0.682 0.040 0.008 0.076 0.876
#> SRR1036065 4 0.346 0.682 0.040 0.008 0.076 0.876
#> SRR1036066 1 0.147 0.804 0.960 0.004 0.024 0.012
#> SRR1036067 1 0.147 0.804 0.960 0.004 0.024 0.012
#> SRR1036068 1 0.147 0.804 0.960 0.004 0.024 0.012
#> SRR1036069 1 0.147 0.804 0.960 0.004 0.024 0.012
#> SRR1036070 1 0.147 0.804 0.960 0.004 0.024 0.012
#> SRR1036071 1 0.147 0.804 0.960 0.004 0.024 0.012
#> SRR1036072 1 0.147 0.804 0.960 0.004 0.024 0.012
#> SRR1036073 1 0.147 0.804 0.960 0.004 0.024 0.012
#> SRR1036074 4 0.646 0.202 0.044 0.432 0.012 0.512
#> SRR1036075 4 0.646 0.202 0.044 0.432 0.012 0.512
#> SRR1036076 4 0.646 0.202 0.044 0.432 0.012 0.512
#> SRR1036077 4 0.646 0.202 0.044 0.432 0.012 0.512
#> SRR1036078 4 0.646 0.202 0.044 0.432 0.012 0.512
#> SRR1036079 4 0.646 0.202 0.044 0.432 0.012 0.512
#> SRR1036080 4 0.646 0.202 0.044 0.432 0.012 0.512
#> SRR1036081 4 0.646 0.202 0.044 0.432 0.012 0.512
#> SRR1036082 4 0.462 0.612 0.016 0.188 0.016 0.780
#> SRR1036083 4 0.462 0.612 0.016 0.188 0.016 0.780
#> SRR1036084 4 0.462 0.612 0.016 0.188 0.016 0.780
#> SRR1036090 2 0.474 0.713 0.140 0.796 0.056 0.008
#> SRR1036091 2 0.474 0.713 0.140 0.796 0.056 0.008
#> SRR1036092 2 0.474 0.713 0.140 0.796 0.056 0.008
#> SRR1036093 2 0.474 0.713 0.140 0.796 0.056 0.008
#> SRR1036094 2 0.474 0.713 0.140 0.796 0.056 0.008
#> SRR1036085 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036086 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036087 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036088 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036089 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036095 4 0.439 0.671 0.104 0.028 0.036 0.832
#> SRR1036096 4 0.439 0.671 0.104 0.028 0.036 0.832
#> SRR1036097 4 0.439 0.671 0.104 0.028 0.036 0.832
#> SRR1036098 4 0.439 0.671 0.104 0.028 0.036 0.832
#> SRR1036099 4 0.439 0.671 0.104 0.028 0.036 0.832
#> SRR1036100 2 0.492 0.583 0.012 0.700 0.004 0.284
#> SRR1036101 2 0.492 0.583 0.012 0.700 0.004 0.284
#> SRR1036102 2 0.492 0.583 0.012 0.700 0.004 0.284
#> SRR1036103 2 0.492 0.583 0.012 0.700 0.004 0.284
#> SRR1036104 2 0.492 0.583 0.012 0.700 0.004 0.284
#> SRR1036105 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036106 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036107 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036108 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036109 3 0.115 0.759 0.024 0.000 0.968 0.008
#> SRR1036110 4 0.721 0.490 0.168 0.024 0.188 0.620
#> SRR1036111 4 0.721 0.490 0.168 0.024 0.188 0.620
#> SRR1036112 4 0.721 0.490 0.168 0.024 0.188 0.620
#> SRR1036113 4 0.721 0.490 0.168 0.024 0.188 0.620
#> SRR1036114 4 0.721 0.490 0.168 0.024 0.188 0.620
#> SRR1036115 4 0.462 0.661 0.120 0.028 0.036 0.816
#> SRR1036116 4 0.462 0.661 0.120 0.028 0.036 0.816
#> SRR1036117 4 0.462 0.661 0.120 0.028 0.036 0.816
#> SRR1036118 4 0.462 0.661 0.120 0.028 0.036 0.816
#> SRR1036119 4 0.462 0.661 0.120 0.028 0.036 0.816
#> SRR1036120 3 0.299 0.734 0.084 0.008 0.892 0.016
#> SRR1036121 3 0.299 0.734 0.084 0.008 0.892 0.016
#> SRR1036122 3 0.299 0.734 0.084 0.008 0.892 0.016
#> SRR1036123 3 0.299 0.734 0.084 0.008 0.892 0.016
#> SRR1036124 3 0.299 0.734 0.084 0.008 0.892 0.016
#> SRR1036125 1 0.259 0.790 0.904 0.000 0.080 0.016
#> SRR1036126 1 0.259 0.790 0.904 0.000 0.080 0.016
#> SRR1036127 1 0.259 0.790 0.904 0.000 0.080 0.016
#> SRR1036128 1 0.259 0.790 0.904 0.000 0.080 0.016
#> SRR1036129 1 0.259 0.790 0.904 0.000 0.080 0.016
#> SRR1036130 1 0.259 0.790 0.904 0.000 0.080 0.016
#> SRR1036131 1 0.259 0.790 0.904 0.000 0.080 0.016
#> SRR1036132 1 0.259 0.790 0.904 0.000 0.080 0.016
#> SRR1036133 2 0.123 0.821 0.008 0.968 0.004 0.020
#> SRR1036134 2 0.123 0.821 0.008 0.968 0.004 0.020
#> SRR1036135 2 0.123 0.821 0.008 0.968 0.004 0.020
#> SRR1036136 2 0.123 0.821 0.008 0.968 0.004 0.020
#> SRR1036137 2 0.123 0.821 0.008 0.968 0.004 0.020
#> SRR1036138 2 0.212 0.812 0.012 0.932 0.052 0.004
#> SRR1036139 2 0.212 0.812 0.012 0.932 0.052 0.004
#> SRR1036140 2 0.212 0.812 0.012 0.932 0.052 0.004
#> SRR1036141 2 0.212 0.812 0.012 0.932 0.052 0.004
#> SRR1036142 2 0.212 0.812 0.012 0.932 0.052 0.004
#> SRR1036143 2 0.212 0.812 0.012 0.932 0.052 0.004
#> SRR1036144 2 0.212 0.812 0.012 0.932 0.052 0.004
#> SRR1036145 2 0.212 0.812 0.012 0.932 0.052 0.004
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.8622 0.4688 0.140 0.180 0.432 0.216 0.032
#> SRR1036003 3 0.8622 0.4688 0.140 0.180 0.432 0.216 0.032
#> SRR1036004 3 0.8622 0.4688 0.140 0.180 0.432 0.216 0.032
#> SRR1036005 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036006 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036007 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036008 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036009 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036013 3 0.6321 0.2642 0.064 0.000 0.564 0.052 0.320
#> SRR1036014 3 0.6321 0.2642 0.064 0.000 0.564 0.052 0.320
#> SRR1036015 3 0.6321 0.2642 0.064 0.000 0.564 0.052 0.320
#> SRR1036016 3 0.6321 0.2642 0.064 0.000 0.564 0.052 0.320
#> SRR1036017 3 0.6321 0.2642 0.064 0.000 0.564 0.052 0.320
#> SRR1036018 3 0.6321 0.2642 0.064 0.000 0.564 0.052 0.320
#> SRR1036010 1 0.7582 0.4537 0.560 0.056 0.100 0.224 0.060
#> SRR1036011 1 0.7582 0.4537 0.560 0.056 0.100 0.224 0.060
#> SRR1036012 1 0.7582 0.4537 0.560 0.056 0.100 0.224 0.060
#> SRR1036019 2 0.2228 0.6929 0.004 0.908 0.000 0.076 0.012
#> SRR1036020 2 0.2228 0.6929 0.004 0.908 0.000 0.076 0.012
#> SRR1036021 2 0.2228 0.6929 0.004 0.908 0.000 0.076 0.012
#> SRR1036022 2 0.2228 0.6929 0.004 0.908 0.000 0.076 0.012
#> SRR1036023 2 0.2228 0.6929 0.004 0.908 0.000 0.076 0.012
#> SRR1036024 1 0.1074 0.8842 0.968 0.000 0.004 0.012 0.016
#> SRR1036025 1 0.1074 0.8842 0.968 0.000 0.004 0.012 0.016
#> SRR1036026 1 0.1074 0.8842 0.968 0.000 0.004 0.012 0.016
#> SRR1036027 1 0.1074 0.8842 0.968 0.000 0.004 0.012 0.016
#> SRR1036028 1 0.1074 0.8842 0.968 0.000 0.004 0.012 0.016
#> SRR1036029 1 0.1074 0.8842 0.968 0.000 0.004 0.012 0.016
#> SRR1036030 2 0.5815 0.4851 0.008 0.592 0.000 0.304 0.096
#> SRR1036031 2 0.5815 0.4851 0.008 0.592 0.000 0.304 0.096
#> SRR1036032 2 0.5815 0.4851 0.008 0.592 0.000 0.304 0.096
#> SRR1036033 2 0.5815 0.4851 0.008 0.592 0.000 0.304 0.096
#> SRR1036034 2 0.5815 0.4851 0.008 0.592 0.000 0.304 0.096
#> SRR1036035 2 0.5815 0.4851 0.008 0.592 0.000 0.304 0.096
#> SRR1036036 2 0.5815 0.4851 0.008 0.592 0.000 0.304 0.096
#> SRR1036037 2 0.5815 0.4851 0.008 0.592 0.000 0.304 0.096
#> SRR1036038 2 0.9276 0.0211 0.276 0.328 0.172 0.160 0.064
#> SRR1036039 2 0.9276 0.0211 0.276 0.328 0.172 0.160 0.064
#> SRR1036040 2 0.9276 0.0211 0.276 0.328 0.172 0.160 0.064
#> SRR1036041 1 0.2312 0.8598 0.912 0.016 0.000 0.012 0.060
#> SRR1036042 3 0.8846 0.4424 0.164 0.192 0.392 0.220 0.032
#> SRR1036043 3 0.8846 0.4424 0.164 0.192 0.392 0.220 0.032
#> SRR1036044 3 0.8846 0.4424 0.164 0.192 0.392 0.220 0.032
#> SRR1036045 3 0.8846 0.4424 0.164 0.192 0.392 0.220 0.032
#> SRR1036046 3 0.8846 0.4424 0.164 0.192 0.392 0.220 0.032
#> SRR1036047 3 0.8846 0.4424 0.164 0.192 0.392 0.220 0.032
#> SRR1036048 3 0.8846 0.4424 0.164 0.192 0.392 0.220 0.032
#> SRR1036049 3 0.8846 0.4424 0.164 0.192 0.392 0.220 0.032
#> SRR1036050 5 0.6989 0.1401 0.388 0.016 0.000 0.204 0.392
#> SRR1036051 5 0.6989 0.1401 0.388 0.016 0.000 0.204 0.392
#> SRR1036052 5 0.6989 0.1401 0.388 0.016 0.000 0.204 0.392
#> SRR1036053 5 0.6989 0.1401 0.388 0.016 0.000 0.204 0.392
#> SRR1036054 5 0.6989 0.1401 0.388 0.016 0.000 0.204 0.392
#> SRR1036055 2 0.6815 0.4247 0.052 0.544 0.000 0.284 0.120
#> SRR1036056 2 0.6815 0.4247 0.052 0.544 0.000 0.284 0.120
#> SRR1036057 2 0.6815 0.4247 0.052 0.544 0.000 0.284 0.120
#> SRR1036058 5 0.5231 0.5021 0.056 0.000 0.020 0.240 0.684
#> SRR1036059 5 0.5231 0.5021 0.056 0.000 0.020 0.240 0.684
#> SRR1036060 5 0.5231 0.5021 0.056 0.000 0.020 0.240 0.684
#> SRR1036061 5 0.5231 0.5021 0.056 0.000 0.020 0.240 0.684
#> SRR1036062 5 0.5231 0.5021 0.056 0.000 0.020 0.240 0.684
#> SRR1036063 5 0.5231 0.5021 0.056 0.000 0.020 0.240 0.684
#> SRR1036064 5 0.5231 0.5021 0.056 0.000 0.020 0.240 0.684
#> SRR1036065 5 0.5231 0.5021 0.056 0.000 0.020 0.240 0.684
#> SRR1036066 1 0.0613 0.8885 0.984 0.000 0.004 0.004 0.008
#> SRR1036067 1 0.0613 0.8885 0.984 0.000 0.004 0.004 0.008
#> SRR1036068 1 0.0613 0.8885 0.984 0.000 0.004 0.004 0.008
#> SRR1036069 1 0.0613 0.8885 0.984 0.000 0.004 0.004 0.008
#> SRR1036070 1 0.0613 0.8885 0.984 0.000 0.004 0.004 0.008
#> SRR1036071 1 0.0613 0.8885 0.984 0.000 0.004 0.004 0.008
#> SRR1036072 1 0.0613 0.8885 0.984 0.000 0.004 0.004 0.008
#> SRR1036073 1 0.0613 0.8885 0.984 0.000 0.004 0.004 0.008
#> SRR1036074 4 0.5644 0.6926 0.028 0.120 0.000 0.688 0.164
#> SRR1036075 4 0.5644 0.6926 0.028 0.120 0.000 0.688 0.164
#> SRR1036076 4 0.5644 0.6926 0.028 0.120 0.000 0.688 0.164
#> SRR1036077 4 0.5644 0.6926 0.028 0.120 0.000 0.688 0.164
#> SRR1036078 4 0.5644 0.6926 0.028 0.120 0.000 0.688 0.164
#> SRR1036079 4 0.5644 0.6926 0.028 0.120 0.000 0.688 0.164
#> SRR1036080 4 0.5644 0.6926 0.028 0.120 0.000 0.688 0.164
#> SRR1036081 4 0.5644 0.6926 0.028 0.120 0.000 0.688 0.164
#> SRR1036082 4 0.4597 0.6099 0.020 0.028 0.000 0.732 0.220
#> SRR1036083 4 0.4597 0.6099 0.020 0.028 0.000 0.732 0.220
#> SRR1036084 4 0.4597 0.6099 0.020 0.028 0.000 0.732 0.220
#> SRR1036090 2 0.4618 0.6079 0.108 0.788 0.012 0.076 0.016
#> SRR1036091 2 0.4618 0.6079 0.108 0.788 0.012 0.076 0.016
#> SRR1036092 2 0.4618 0.6079 0.108 0.788 0.012 0.076 0.016
#> SRR1036093 2 0.4618 0.6079 0.108 0.788 0.012 0.076 0.016
#> SRR1036094 2 0.4618 0.6079 0.108 0.788 0.012 0.076 0.016
#> SRR1036085 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036086 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036087 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036088 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036089 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036095 5 0.1787 0.6379 0.032 0.000 0.016 0.012 0.940
#> SRR1036096 5 0.1787 0.6379 0.032 0.000 0.016 0.012 0.940
#> SRR1036097 5 0.1787 0.6379 0.032 0.000 0.016 0.012 0.940
#> SRR1036098 5 0.1787 0.6379 0.032 0.000 0.016 0.012 0.940
#> SRR1036099 5 0.1787 0.6379 0.032 0.000 0.016 0.012 0.940
#> SRR1036100 4 0.6532 0.4215 0.004 0.304 0.000 0.496 0.196
#> SRR1036101 4 0.6532 0.4215 0.004 0.304 0.000 0.496 0.196
#> SRR1036102 4 0.6532 0.4215 0.004 0.304 0.000 0.496 0.196
#> SRR1036103 4 0.6532 0.4215 0.004 0.304 0.000 0.496 0.196
#> SRR1036104 4 0.6532 0.4215 0.004 0.304 0.000 0.496 0.196
#> SRR1036105 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036106 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036107 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036108 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036109 3 0.0324 0.7050 0.004 0.000 0.992 0.000 0.004
#> SRR1036110 4 0.6686 0.2616 0.072 0.004 0.060 0.544 0.320
#> SRR1036111 4 0.6686 0.2616 0.072 0.004 0.060 0.544 0.320
#> SRR1036112 4 0.6686 0.2616 0.072 0.004 0.060 0.544 0.320
#> SRR1036113 4 0.6686 0.2616 0.072 0.004 0.060 0.544 0.320
#> SRR1036114 4 0.6686 0.2616 0.072 0.004 0.060 0.544 0.320
#> SRR1036115 5 0.1605 0.6374 0.040 0.000 0.012 0.004 0.944
#> SRR1036116 5 0.1605 0.6374 0.040 0.000 0.012 0.004 0.944
#> SRR1036117 5 0.1605 0.6374 0.040 0.000 0.012 0.004 0.944
#> SRR1036118 5 0.1605 0.6374 0.040 0.000 0.012 0.004 0.944
#> SRR1036119 5 0.1605 0.6374 0.040 0.000 0.012 0.004 0.944
#> SRR1036120 3 0.4016 0.6774 0.036 0.004 0.828 0.092 0.040
#> SRR1036121 3 0.4016 0.6774 0.036 0.004 0.828 0.092 0.040
#> SRR1036122 3 0.4016 0.6774 0.036 0.004 0.828 0.092 0.040
#> SRR1036123 3 0.4016 0.6774 0.036 0.004 0.828 0.092 0.040
#> SRR1036124 3 0.4016 0.6774 0.036 0.004 0.828 0.092 0.040
#> SRR1036125 1 0.3208 0.8637 0.872 0.004 0.064 0.012 0.048
#> SRR1036126 1 0.3208 0.8637 0.872 0.004 0.064 0.012 0.048
#> SRR1036127 1 0.3208 0.8637 0.872 0.004 0.064 0.012 0.048
#> SRR1036128 1 0.3208 0.8637 0.872 0.004 0.064 0.012 0.048
#> SRR1036129 1 0.3208 0.8637 0.872 0.004 0.064 0.012 0.048
#> SRR1036130 1 0.3208 0.8637 0.872 0.004 0.064 0.012 0.048
#> SRR1036131 1 0.3208 0.8637 0.872 0.004 0.064 0.012 0.048
#> SRR1036132 1 0.3208 0.8637 0.872 0.004 0.064 0.012 0.048
#> SRR1036133 2 0.1830 0.7107 0.000 0.924 0.000 0.068 0.008
#> SRR1036134 2 0.1830 0.7107 0.000 0.924 0.000 0.068 0.008
#> SRR1036135 2 0.1830 0.7107 0.000 0.924 0.000 0.068 0.008
#> SRR1036136 2 0.1830 0.7107 0.000 0.924 0.000 0.068 0.008
#> SRR1036137 2 0.1830 0.7107 0.000 0.924 0.000 0.068 0.008
#> SRR1036138 2 0.0162 0.7174 0.000 0.996 0.004 0.000 0.000
#> SRR1036139 2 0.0162 0.7174 0.000 0.996 0.004 0.000 0.000
#> SRR1036140 2 0.0162 0.7174 0.000 0.996 0.004 0.000 0.000
#> SRR1036141 2 0.0162 0.7174 0.000 0.996 0.004 0.000 0.000
#> SRR1036142 2 0.0162 0.7174 0.000 0.996 0.004 0.000 0.000
#> SRR1036143 2 0.0162 0.7174 0.000 0.996 0.004 0.000 0.000
#> SRR1036144 2 0.0162 0.7174 0.000 0.996 0.004 0.000 0.000
#> SRR1036145 2 0.0162 0.7174 0.000 0.996 0.004 0.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.5773 0.756 0.040 0.084 0.292 0.000 0.004 0.580
#> SRR1036003 6 0.5773 0.756 0.040 0.084 0.292 0.000 0.004 0.580
#> SRR1036004 6 0.5773 0.756 0.040 0.084 0.292 0.000 0.004 0.580
#> SRR1036005 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 3 0.6559 0.316 0.044 0.000 0.472 0.372 0.036 0.076
#> SRR1036014 3 0.6559 0.316 0.044 0.000 0.472 0.372 0.036 0.076
#> SRR1036015 3 0.6559 0.316 0.044 0.000 0.472 0.372 0.036 0.076
#> SRR1036016 3 0.6559 0.316 0.044 0.000 0.472 0.372 0.036 0.076
#> SRR1036017 3 0.6559 0.316 0.044 0.000 0.472 0.372 0.036 0.076
#> SRR1036018 3 0.6559 0.316 0.044 0.000 0.472 0.372 0.036 0.076
#> SRR1036010 6 0.5627 0.611 0.264 0.024 0.060 0.012 0.012 0.628
#> SRR1036011 6 0.5627 0.611 0.264 0.024 0.060 0.012 0.012 0.628
#> SRR1036012 6 0.5627 0.611 0.264 0.024 0.060 0.012 0.012 0.628
#> SRR1036019 2 0.3268 0.664 0.004 0.836 0.000 0.004 0.100 0.056
#> SRR1036020 2 0.3268 0.664 0.004 0.836 0.000 0.004 0.100 0.056
#> SRR1036021 2 0.3268 0.664 0.004 0.836 0.000 0.004 0.100 0.056
#> SRR1036022 2 0.3268 0.664 0.004 0.836 0.000 0.004 0.100 0.056
#> SRR1036023 2 0.3268 0.664 0.004 0.836 0.000 0.004 0.100 0.056
#> SRR1036024 1 0.1167 0.928 0.960 0.000 0.000 0.008 0.012 0.020
#> SRR1036025 1 0.1167 0.928 0.960 0.000 0.000 0.008 0.012 0.020
#> SRR1036026 1 0.1167 0.928 0.960 0.000 0.000 0.008 0.012 0.020
#> SRR1036027 1 0.1167 0.928 0.960 0.000 0.000 0.008 0.012 0.020
#> SRR1036028 1 0.1167 0.928 0.960 0.000 0.000 0.008 0.012 0.020
#> SRR1036029 1 0.1167 0.928 0.960 0.000 0.000 0.008 0.012 0.020
#> SRR1036030 2 0.6694 0.529 0.008 0.524 0.000 0.064 0.200 0.204
#> SRR1036031 2 0.6694 0.529 0.008 0.524 0.000 0.064 0.200 0.204
#> SRR1036032 2 0.6694 0.529 0.008 0.524 0.000 0.064 0.200 0.204
#> SRR1036033 2 0.6694 0.529 0.008 0.524 0.000 0.064 0.200 0.204
#> SRR1036034 2 0.6694 0.529 0.008 0.524 0.000 0.064 0.200 0.204
#> SRR1036035 2 0.6694 0.529 0.008 0.524 0.000 0.064 0.200 0.204
#> SRR1036036 2 0.6694 0.529 0.008 0.524 0.000 0.064 0.200 0.204
#> SRR1036037 2 0.6694 0.529 0.008 0.524 0.000 0.064 0.200 0.204
#> SRR1036038 6 0.7629 0.472 0.172 0.196 0.088 0.012 0.040 0.492
#> SRR1036039 6 0.7629 0.472 0.172 0.196 0.088 0.012 0.040 0.492
#> SRR1036040 6 0.7629 0.472 0.172 0.196 0.088 0.012 0.040 0.492
#> SRR1036041 1 0.1542 0.919 0.944 0.000 0.000 0.016 0.016 0.024
#> SRR1036042 6 0.6183 0.794 0.060 0.108 0.244 0.000 0.008 0.580
#> SRR1036043 6 0.6183 0.794 0.060 0.108 0.244 0.000 0.008 0.580
#> SRR1036044 6 0.6183 0.794 0.060 0.108 0.244 0.000 0.008 0.580
#> SRR1036045 6 0.6183 0.794 0.060 0.108 0.244 0.000 0.008 0.580
#> SRR1036046 6 0.6183 0.794 0.060 0.108 0.244 0.000 0.008 0.580
#> SRR1036047 6 0.6183 0.794 0.060 0.108 0.244 0.000 0.008 0.580
#> SRR1036048 6 0.6183 0.794 0.060 0.108 0.244 0.000 0.008 0.580
#> SRR1036049 6 0.6183 0.794 0.060 0.108 0.244 0.000 0.008 0.580
#> SRR1036050 4 0.7405 0.124 0.352 0.008 0.000 0.356 0.156 0.128
#> SRR1036051 4 0.7405 0.124 0.352 0.008 0.000 0.356 0.156 0.128
#> SRR1036052 4 0.7405 0.124 0.352 0.008 0.000 0.356 0.156 0.128
#> SRR1036053 4 0.7405 0.124 0.352 0.008 0.000 0.356 0.156 0.128
#> SRR1036054 4 0.7405 0.124 0.352 0.008 0.000 0.356 0.156 0.128
#> SRR1036055 2 0.7362 0.455 0.044 0.464 0.000 0.056 0.212 0.224
#> SRR1036056 2 0.7362 0.455 0.044 0.464 0.000 0.056 0.212 0.224
#> SRR1036057 2 0.7362 0.455 0.044 0.464 0.000 0.056 0.212 0.224
#> SRR1036058 4 0.5004 0.545 0.012 0.004 0.020 0.672 0.252 0.040
#> SRR1036059 4 0.5004 0.545 0.012 0.004 0.020 0.672 0.252 0.040
#> SRR1036060 4 0.5004 0.545 0.012 0.004 0.020 0.672 0.252 0.040
#> SRR1036061 4 0.5004 0.545 0.012 0.004 0.020 0.672 0.252 0.040
#> SRR1036062 4 0.5004 0.545 0.012 0.004 0.020 0.672 0.252 0.040
#> SRR1036063 4 0.5004 0.545 0.012 0.004 0.020 0.672 0.252 0.040
#> SRR1036064 4 0.5004 0.545 0.012 0.004 0.020 0.672 0.252 0.040
#> SRR1036065 4 0.5004 0.545 0.012 0.004 0.020 0.672 0.252 0.040
#> SRR1036066 1 0.0653 0.936 0.980 0.000 0.000 0.004 0.004 0.012
#> SRR1036067 1 0.0653 0.936 0.980 0.000 0.000 0.004 0.004 0.012
#> SRR1036068 1 0.0653 0.936 0.980 0.000 0.000 0.004 0.004 0.012
#> SRR1036069 1 0.0653 0.936 0.980 0.000 0.000 0.004 0.004 0.012
#> SRR1036070 1 0.0653 0.936 0.980 0.000 0.000 0.004 0.004 0.012
#> SRR1036071 1 0.0653 0.936 0.980 0.000 0.000 0.004 0.004 0.012
#> SRR1036072 1 0.0653 0.936 0.980 0.000 0.000 0.004 0.004 0.012
#> SRR1036073 1 0.0653 0.936 0.980 0.000 0.000 0.004 0.004 0.012
#> SRR1036074 5 0.2898 0.733 0.016 0.048 0.000 0.040 0.880 0.016
#> SRR1036075 5 0.2898 0.733 0.016 0.048 0.000 0.040 0.880 0.016
#> SRR1036076 5 0.2898 0.733 0.016 0.048 0.000 0.040 0.880 0.016
#> SRR1036077 5 0.2898 0.733 0.016 0.048 0.000 0.040 0.880 0.016
#> SRR1036078 5 0.2898 0.733 0.016 0.048 0.000 0.040 0.880 0.016
#> SRR1036079 5 0.2898 0.733 0.016 0.048 0.000 0.040 0.880 0.016
#> SRR1036080 5 0.2898 0.733 0.016 0.048 0.000 0.040 0.880 0.016
#> SRR1036081 5 0.2898 0.733 0.016 0.048 0.000 0.040 0.880 0.016
#> SRR1036082 5 0.2638 0.681 0.000 0.016 0.000 0.060 0.884 0.040
#> SRR1036083 5 0.2638 0.681 0.000 0.016 0.000 0.060 0.884 0.040
#> SRR1036084 5 0.2638 0.681 0.000 0.016 0.000 0.060 0.884 0.040
#> SRR1036090 2 0.4433 0.525 0.080 0.724 0.004 0.000 0.004 0.188
#> SRR1036091 2 0.4433 0.525 0.080 0.724 0.004 0.000 0.004 0.188
#> SRR1036092 2 0.4433 0.525 0.080 0.724 0.004 0.000 0.004 0.188
#> SRR1036093 2 0.4433 0.525 0.080 0.724 0.004 0.000 0.004 0.188
#> SRR1036094 2 0.4433 0.525 0.080 0.724 0.004 0.000 0.004 0.188
#> SRR1036085 3 0.0260 0.751 0.000 0.000 0.992 0.000 0.000 0.008
#> SRR1036086 3 0.0260 0.751 0.000 0.000 0.992 0.000 0.000 0.008
#> SRR1036087 3 0.0260 0.751 0.000 0.000 0.992 0.000 0.000 0.008
#> SRR1036088 3 0.0260 0.751 0.000 0.000 0.992 0.000 0.000 0.008
#> SRR1036089 3 0.0260 0.751 0.000 0.000 0.992 0.000 0.000 0.008
#> SRR1036095 4 0.1333 0.662 0.008 0.000 0.000 0.944 0.048 0.000
#> SRR1036096 4 0.1333 0.662 0.008 0.000 0.000 0.944 0.048 0.000
#> SRR1036097 4 0.1333 0.662 0.008 0.000 0.000 0.944 0.048 0.000
#> SRR1036098 4 0.1333 0.662 0.008 0.000 0.000 0.944 0.048 0.000
#> SRR1036099 4 0.1333 0.662 0.008 0.000 0.000 0.944 0.048 0.000
#> SRR1036100 5 0.6209 0.508 0.004 0.176 0.000 0.116 0.604 0.100
#> SRR1036101 5 0.6209 0.508 0.004 0.176 0.000 0.116 0.604 0.100
#> SRR1036102 5 0.6209 0.508 0.004 0.176 0.000 0.116 0.604 0.100
#> SRR1036103 5 0.6209 0.508 0.004 0.176 0.000 0.116 0.604 0.100
#> SRR1036104 5 0.6209 0.508 0.004 0.176 0.000 0.116 0.604 0.100
#> SRR1036105 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 0.752 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 5 0.6724 0.412 0.028 0.004 0.032 0.180 0.540 0.216
#> SRR1036111 5 0.6724 0.412 0.028 0.004 0.032 0.180 0.540 0.216
#> SRR1036112 5 0.6724 0.412 0.028 0.004 0.032 0.180 0.540 0.216
#> SRR1036113 5 0.6724 0.412 0.028 0.004 0.032 0.180 0.540 0.216
#> SRR1036114 5 0.6724 0.412 0.028 0.004 0.032 0.180 0.540 0.216
#> SRR1036115 4 0.1151 0.663 0.012 0.000 0.000 0.956 0.032 0.000
#> SRR1036116 4 0.1151 0.663 0.012 0.000 0.000 0.956 0.032 0.000
#> SRR1036117 4 0.1151 0.663 0.012 0.000 0.000 0.956 0.032 0.000
#> SRR1036118 4 0.1151 0.663 0.012 0.000 0.000 0.956 0.032 0.000
#> SRR1036119 4 0.1151 0.663 0.012 0.000 0.000 0.956 0.032 0.000
#> SRR1036120 3 0.5415 0.489 0.016 0.000 0.644 0.036 0.052 0.252
#> SRR1036121 3 0.5415 0.489 0.016 0.000 0.644 0.036 0.052 0.252
#> SRR1036122 3 0.5415 0.489 0.016 0.000 0.644 0.036 0.052 0.252
#> SRR1036123 3 0.5415 0.489 0.016 0.000 0.644 0.036 0.052 0.252
#> SRR1036124 3 0.5415 0.489 0.016 0.000 0.644 0.036 0.052 0.252
#> SRR1036125 1 0.3112 0.904 0.868 0.000 0.056 0.032 0.012 0.032
#> SRR1036126 1 0.3112 0.904 0.868 0.000 0.056 0.032 0.012 0.032
#> SRR1036127 1 0.3112 0.904 0.868 0.000 0.056 0.032 0.012 0.032
#> SRR1036128 1 0.3112 0.904 0.868 0.000 0.056 0.032 0.012 0.032
#> SRR1036129 1 0.3112 0.904 0.868 0.000 0.056 0.032 0.012 0.032
#> SRR1036130 1 0.3112 0.904 0.868 0.000 0.056 0.032 0.012 0.032
#> SRR1036131 1 0.3112 0.904 0.868 0.000 0.056 0.032 0.012 0.032
#> SRR1036132 1 0.3112 0.904 0.868 0.000 0.056 0.032 0.012 0.032
#> SRR1036133 2 0.2617 0.714 0.000 0.876 0.000 0.004 0.040 0.080
#> SRR1036134 2 0.2617 0.714 0.000 0.876 0.000 0.004 0.040 0.080
#> SRR1036135 2 0.2617 0.714 0.000 0.876 0.000 0.004 0.040 0.080
#> SRR1036136 2 0.2617 0.714 0.000 0.876 0.000 0.004 0.040 0.080
#> SRR1036137 2 0.2617 0.714 0.000 0.876 0.000 0.004 0.040 0.080
#> SRR1036138 2 0.0603 0.718 0.000 0.980 0.004 0.000 0.000 0.016
#> SRR1036139 2 0.0603 0.718 0.000 0.980 0.004 0.000 0.000 0.016
#> SRR1036140 2 0.0603 0.718 0.000 0.980 0.004 0.000 0.000 0.016
#> SRR1036141 2 0.0603 0.718 0.000 0.980 0.004 0.000 0.000 0.016
#> SRR1036142 2 0.0603 0.718 0.000 0.980 0.004 0.000 0.000 0.016
#> SRR1036143 2 0.0603 0.718 0.000 0.980 0.004 0.000 0.000 0.016
#> SRR1036144 2 0.0603 0.718 0.000 0.980 0.004 0.000 0.000 0.016
#> SRR1036145 2 0.0603 0.718 0.000 0.980 0.004 0.000 0.000 0.016
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["CV", "pam"]
# you can also extract it by
# res = res_list["CV:pam"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'CV' method.
#> Subgroups are detected by 'pam' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 4.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.802 0.919 0.937 0.156 0.812 0.812
#> 3 3 0.535 0.835 0.897 1.097 0.906 0.884
#> 4 4 0.573 0.879 0.915 0.462 0.820 0.749
#> 5 5 0.553 0.733 0.850 0.199 0.915 0.844
#> 6 6 0.555 0.838 0.873 0.153 0.824 0.633
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 4
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.0000 0.959 0.000 1.000
#> SRR1036003 2 0.0000 0.959 0.000 1.000
#> SRR1036004 2 0.0000 0.959 0.000 1.000
#> SRR1036005 1 0.9686 1.000 0.604 0.396
#> SRR1036006 1 0.9686 1.000 0.604 0.396
#> SRR1036007 1 0.9686 1.000 0.604 0.396
#> SRR1036008 1 0.9686 1.000 0.604 0.396
#> SRR1036009 1 0.9686 1.000 0.604 0.396
#> SRR1036013 2 0.0000 0.959 0.000 1.000
#> SRR1036014 2 0.0000 0.959 0.000 1.000
#> SRR1036015 2 0.0000 0.959 0.000 1.000
#> SRR1036016 2 0.0000 0.959 0.000 1.000
#> SRR1036017 2 0.0000 0.959 0.000 1.000
#> SRR1036018 2 0.0000 0.959 0.000 1.000
#> SRR1036010 2 0.0000 0.959 0.000 1.000
#> SRR1036011 2 0.0000 0.959 0.000 1.000
#> SRR1036012 2 0.0000 0.959 0.000 1.000
#> SRR1036019 2 0.0000 0.959 0.000 1.000
#> SRR1036020 2 0.0000 0.959 0.000 1.000
#> SRR1036021 2 0.0000 0.959 0.000 1.000
#> SRR1036022 2 0.0000 0.959 0.000 1.000
#> SRR1036023 2 0.0000 0.959 0.000 1.000
#> SRR1036024 2 0.0000 0.959 0.000 1.000
#> SRR1036025 2 0.0000 0.959 0.000 1.000
#> SRR1036026 2 0.0000 0.959 0.000 1.000
#> SRR1036027 2 0.0000 0.959 0.000 1.000
#> SRR1036028 2 0.0000 0.959 0.000 1.000
#> SRR1036029 2 0.0000 0.959 0.000 1.000
#> SRR1036030 2 0.0000 0.959 0.000 1.000
#> SRR1036031 2 0.0000 0.959 0.000 1.000
#> SRR1036032 2 0.0000 0.959 0.000 1.000
#> SRR1036033 2 0.0000 0.959 0.000 1.000
#> SRR1036034 2 0.0000 0.959 0.000 1.000
#> SRR1036035 2 0.0000 0.959 0.000 1.000
#> SRR1036036 2 0.0000 0.959 0.000 1.000
#> SRR1036037 2 0.0000 0.959 0.000 1.000
#> SRR1036038 2 0.0000 0.959 0.000 1.000
#> SRR1036039 2 0.0000 0.959 0.000 1.000
#> SRR1036040 2 0.0000 0.959 0.000 1.000
#> SRR1036041 2 0.0000 0.959 0.000 1.000
#> SRR1036042 2 0.0000 0.959 0.000 1.000
#> SRR1036043 2 0.0000 0.959 0.000 1.000
#> SRR1036044 2 0.0000 0.959 0.000 1.000
#> SRR1036045 2 0.0000 0.959 0.000 1.000
#> SRR1036046 2 0.0000 0.959 0.000 1.000
#> SRR1036047 2 0.0000 0.959 0.000 1.000
#> SRR1036048 2 0.0000 0.959 0.000 1.000
#> SRR1036049 2 0.0000 0.959 0.000 1.000
#> SRR1036050 2 0.0000 0.959 0.000 1.000
#> SRR1036051 2 0.0000 0.959 0.000 1.000
#> SRR1036052 2 0.0000 0.959 0.000 1.000
#> SRR1036053 2 0.0000 0.959 0.000 1.000
#> SRR1036054 2 0.0000 0.959 0.000 1.000
#> SRR1036055 2 0.0000 0.959 0.000 1.000
#> SRR1036056 2 0.0000 0.959 0.000 1.000
#> SRR1036057 2 0.0000 0.959 0.000 1.000
#> SRR1036058 2 0.9686 0.155 0.396 0.604
#> SRR1036059 2 0.9686 0.155 0.396 0.604
#> SRR1036060 2 0.9686 0.155 0.396 0.604
#> SRR1036061 2 0.9686 0.155 0.396 0.604
#> SRR1036062 2 0.9686 0.155 0.396 0.604
#> SRR1036063 2 0.9686 0.155 0.396 0.604
#> SRR1036064 2 0.9686 0.155 0.396 0.604
#> SRR1036065 2 0.9686 0.155 0.396 0.604
#> SRR1036066 2 0.0000 0.959 0.000 1.000
#> SRR1036067 2 0.0000 0.959 0.000 1.000
#> SRR1036068 2 0.0000 0.959 0.000 1.000
#> SRR1036069 2 0.0000 0.959 0.000 1.000
#> SRR1036070 2 0.0000 0.959 0.000 1.000
#> SRR1036071 2 0.0000 0.959 0.000 1.000
#> SRR1036072 2 0.0000 0.959 0.000 1.000
#> SRR1036073 2 0.0000 0.959 0.000 1.000
#> SRR1036074 2 0.0000 0.959 0.000 1.000
#> SRR1036075 2 0.0000 0.959 0.000 1.000
#> SRR1036076 2 0.0000 0.959 0.000 1.000
#> SRR1036077 2 0.0000 0.959 0.000 1.000
#> SRR1036078 2 0.0000 0.959 0.000 1.000
#> SRR1036079 2 0.0000 0.959 0.000 1.000
#> SRR1036080 2 0.0000 0.959 0.000 1.000
#> SRR1036081 2 0.0000 0.959 0.000 1.000
#> SRR1036082 2 0.0000 0.959 0.000 1.000
#> SRR1036083 2 0.0000 0.959 0.000 1.000
#> SRR1036084 2 0.0000 0.959 0.000 1.000
#> SRR1036090 2 0.0000 0.959 0.000 1.000
#> SRR1036091 2 0.0000 0.959 0.000 1.000
#> SRR1036092 2 0.0000 0.959 0.000 1.000
#> SRR1036093 2 0.0000 0.959 0.000 1.000
#> SRR1036094 2 0.0000 0.959 0.000 1.000
#> SRR1036085 1 0.9686 1.000 0.604 0.396
#> SRR1036086 1 0.9686 1.000 0.604 0.396
#> SRR1036087 1 0.9686 1.000 0.604 0.396
#> SRR1036088 1 0.9686 1.000 0.604 0.396
#> SRR1036089 1 0.9686 1.000 0.604 0.396
#> SRR1036095 2 0.0000 0.959 0.000 1.000
#> SRR1036096 2 0.0000 0.959 0.000 1.000
#> SRR1036097 2 0.0000 0.959 0.000 1.000
#> SRR1036098 2 0.0000 0.959 0.000 1.000
#> SRR1036099 2 0.0000 0.959 0.000 1.000
#> SRR1036100 2 0.0000 0.959 0.000 1.000
#> SRR1036101 2 0.0000 0.959 0.000 1.000
#> SRR1036102 2 0.0000 0.959 0.000 1.000
#> SRR1036103 2 0.0000 0.959 0.000 1.000
#> SRR1036104 2 0.0000 0.959 0.000 1.000
#> SRR1036105 1 0.9686 1.000 0.604 0.396
#> SRR1036106 1 0.9686 1.000 0.604 0.396
#> SRR1036107 1 0.9686 1.000 0.604 0.396
#> SRR1036108 1 0.9686 1.000 0.604 0.396
#> SRR1036109 1 0.9686 1.000 0.604 0.396
#> SRR1036110 2 0.0000 0.959 0.000 1.000
#> SRR1036111 2 0.0000 0.959 0.000 1.000
#> SRR1036112 2 0.0000 0.959 0.000 1.000
#> SRR1036113 2 0.0000 0.959 0.000 1.000
#> SRR1036114 2 0.0000 0.959 0.000 1.000
#> SRR1036115 2 0.0000 0.959 0.000 1.000
#> SRR1036116 2 0.0000 0.959 0.000 1.000
#> SRR1036117 2 0.0000 0.959 0.000 1.000
#> SRR1036118 2 0.0000 0.959 0.000 1.000
#> SRR1036119 2 0.0000 0.959 0.000 1.000
#> SRR1036120 2 0.0000 0.959 0.000 1.000
#> SRR1036121 2 0.0000 0.959 0.000 1.000
#> SRR1036122 2 0.0000 0.959 0.000 1.000
#> SRR1036123 2 0.0000 0.959 0.000 1.000
#> SRR1036124 2 0.0376 0.953 0.004 0.996
#> SRR1036125 2 0.0000 0.959 0.000 1.000
#> SRR1036126 2 0.0000 0.959 0.000 1.000
#> SRR1036127 2 0.0000 0.959 0.000 1.000
#> SRR1036128 2 0.0000 0.959 0.000 1.000
#> SRR1036129 2 0.0000 0.959 0.000 1.000
#> SRR1036130 2 0.0000 0.959 0.000 1.000
#> SRR1036131 2 0.0000 0.959 0.000 1.000
#> SRR1036132 2 0.0000 0.959 0.000 1.000
#> SRR1036133 2 0.0000 0.959 0.000 1.000
#> SRR1036134 2 0.0000 0.959 0.000 1.000
#> SRR1036135 2 0.0000 0.959 0.000 1.000
#> SRR1036136 2 0.0000 0.959 0.000 1.000
#> SRR1036137 2 0.0000 0.959 0.000 1.000
#> SRR1036138 2 0.0000 0.959 0.000 1.000
#> SRR1036139 2 0.0000 0.959 0.000 1.000
#> SRR1036140 2 0.0000 0.959 0.000 1.000
#> SRR1036141 2 0.0000 0.959 0.000 1.000
#> SRR1036142 2 0.0000 0.959 0.000 1.000
#> SRR1036143 2 0.0000 0.959 0.000 1.000
#> SRR1036144 2 0.0000 0.959 0.000 1.000
#> SRR1036145 2 0.0000 0.959 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036003 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036004 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036005 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036006 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036007 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036008 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036009 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036013 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036014 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036015 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036016 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036017 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036018 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036010 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036011 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036012 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036019 2 0.7724 0.470 0.308 0.620 0.072
#> SRR1036020 2 0.8089 0.436 0.308 0.600 0.092
#> SRR1036021 2 0.7801 0.464 0.308 0.616 0.076
#> SRR1036022 2 0.7644 0.477 0.308 0.624 0.068
#> SRR1036023 2 0.8020 0.443 0.308 0.604 0.088
#> SRR1036024 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036025 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036026 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036027 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036028 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036029 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036030 2 0.3043 0.822 0.084 0.908 0.008
#> SRR1036031 2 0.2866 0.829 0.076 0.916 0.008
#> SRR1036032 2 0.4033 0.767 0.136 0.856 0.008
#> SRR1036033 2 0.3896 0.777 0.128 0.864 0.008
#> SRR1036034 2 0.3826 0.781 0.124 0.868 0.008
#> SRR1036035 2 0.3607 0.794 0.112 0.880 0.008
#> SRR1036036 2 0.3607 0.794 0.112 0.880 0.008
#> SRR1036037 2 0.3965 0.772 0.132 0.860 0.008
#> SRR1036038 2 0.0592 0.881 0.012 0.988 0.000
#> SRR1036039 2 0.0892 0.878 0.020 0.980 0.000
#> SRR1036040 2 0.0747 0.879 0.016 0.984 0.000
#> SRR1036041 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036042 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036043 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036044 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036045 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036046 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036047 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036048 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036049 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036050 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036051 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036052 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036053 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036054 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036055 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036056 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036057 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036058 1 0.5621 1.000 0.692 0.308 0.000
#> SRR1036059 1 0.5621 1.000 0.692 0.308 0.000
#> SRR1036060 1 0.5621 1.000 0.692 0.308 0.000
#> SRR1036061 1 0.5621 1.000 0.692 0.308 0.000
#> SRR1036062 1 0.5621 1.000 0.692 0.308 0.000
#> SRR1036063 1 0.5621 1.000 0.692 0.308 0.000
#> SRR1036064 1 0.5621 1.000 0.692 0.308 0.000
#> SRR1036065 1 0.5621 1.000 0.692 0.308 0.000
#> SRR1036066 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036067 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036068 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036069 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036070 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036071 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036072 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036073 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036074 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036075 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036076 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036077 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036078 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036079 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036080 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036081 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036082 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036083 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036084 2 0.1860 0.846 0.000 0.948 0.052
#> SRR1036090 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036091 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036092 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036093 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036094 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036085 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036086 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036087 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036088 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036089 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036095 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036096 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036097 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036098 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036099 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036100 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036101 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036102 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036103 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036104 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036105 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036106 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036107 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036108 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036109 3 0.4121 1.000 0.000 0.168 0.832
#> SRR1036110 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036111 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036112 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036113 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036114 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036115 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036116 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036117 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036118 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036119 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036120 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036121 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036122 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036123 2 0.2261 0.851 0.068 0.932 0.000
#> SRR1036124 2 0.2496 0.849 0.068 0.928 0.004
#> SRR1036125 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036126 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036127 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036128 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036129 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036130 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036131 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036132 2 0.0000 0.885 0.000 1.000 0.000
#> SRR1036133 2 0.7909 0.466 0.240 0.648 0.112
#> SRR1036134 2 0.7909 0.466 0.240 0.648 0.112
#> SRR1036135 2 0.7909 0.466 0.240 0.648 0.112
#> SRR1036136 2 0.7909 0.466 0.240 0.648 0.112
#> SRR1036137 2 0.7909 0.466 0.240 0.648 0.112
#> SRR1036138 2 0.8386 0.404 0.304 0.584 0.112
#> SRR1036139 2 0.8386 0.404 0.304 0.584 0.112
#> SRR1036140 2 0.8386 0.404 0.304 0.584 0.112
#> SRR1036141 2 0.8386 0.404 0.304 0.584 0.112
#> SRR1036142 2 0.8386 0.404 0.304 0.584 0.112
#> SRR1036143 2 0.8386 0.404 0.304 0.584 0.112
#> SRR1036144 2 0.8386 0.404 0.304 0.584 0.112
#> SRR1036145 2 0.8386 0.404 0.304 0.584 0.112
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036003 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036004 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036005 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036006 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036007 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036008 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036009 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036013 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036014 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036015 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036016 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036017 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036018 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036010 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036011 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036012 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036019 2 0.3311 0.777 0.172 0.828 0.000 0.000
#> SRR1036020 2 0.2704 0.844 0.124 0.876 0.000 0.000
#> SRR1036021 2 0.3311 0.777 0.172 0.828 0.000 0.000
#> SRR1036022 2 0.3726 0.701 0.212 0.788 0.000 0.000
#> SRR1036023 2 0.2814 0.834 0.132 0.868 0.000 0.000
#> SRR1036024 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036025 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036026 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036027 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036028 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036029 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036030 1 0.4252 0.646 0.744 0.252 0.004 0.000
#> SRR1036031 1 0.4252 0.643 0.744 0.252 0.004 0.000
#> SRR1036032 1 0.5097 0.198 0.568 0.428 0.004 0.000
#> SRR1036033 1 0.4872 0.426 0.640 0.356 0.004 0.000
#> SRR1036034 1 0.4584 0.553 0.696 0.300 0.004 0.000
#> SRR1036035 1 0.4781 0.473 0.660 0.336 0.004 0.000
#> SRR1036036 1 0.4889 0.407 0.636 0.360 0.004 0.000
#> SRR1036037 1 0.4936 0.377 0.624 0.372 0.004 0.000
#> SRR1036038 1 0.0672 0.911 0.984 0.008 0.000 0.008
#> SRR1036039 1 0.0804 0.909 0.980 0.012 0.000 0.008
#> SRR1036040 1 0.0937 0.907 0.976 0.012 0.000 0.012
#> SRR1036041 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036042 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036043 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036044 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036045 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036046 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036047 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036048 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036049 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036050 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036051 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036052 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036053 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036054 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036055 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036056 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036057 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036058 4 0.2149 1.000 0.088 0.000 0.000 0.912
#> SRR1036059 4 0.2149 1.000 0.088 0.000 0.000 0.912
#> SRR1036060 4 0.2149 1.000 0.088 0.000 0.000 0.912
#> SRR1036061 4 0.2149 1.000 0.088 0.000 0.000 0.912
#> SRR1036062 4 0.2149 1.000 0.088 0.000 0.000 0.912
#> SRR1036063 4 0.2149 1.000 0.088 0.000 0.000 0.912
#> SRR1036064 4 0.2149 1.000 0.088 0.000 0.000 0.912
#> SRR1036065 4 0.2149 1.000 0.088 0.000 0.000 0.912
#> SRR1036066 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036067 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036068 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036069 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036070 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036071 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036072 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036073 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036074 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036075 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036076 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036077 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036078 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036079 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036080 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036081 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036082 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036083 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036084 1 0.3647 0.782 0.832 0.016 0.152 0.000
#> SRR1036090 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036091 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036092 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036093 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036094 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036085 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036086 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036087 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036088 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036089 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036095 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036096 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036097 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036098 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036099 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036100 1 0.0188 0.916 0.996 0.000 0.004 0.000
#> SRR1036101 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036102 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036103 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036104 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036105 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036106 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036107 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036108 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036109 3 0.3123 1.000 0.156 0.000 0.844 0.000
#> SRR1036110 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036111 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036112 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036113 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036114 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036115 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036116 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036117 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036118 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036119 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036120 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036121 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036122 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036123 1 0.3333 0.844 0.872 0.040 0.000 0.088
#> SRR1036124 1 0.3517 0.841 0.868 0.040 0.004 0.088
#> SRR1036125 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.918 1.000 0.000 0.000 0.000
#> SRR1036133 2 0.2011 0.891 0.080 0.920 0.000 0.000
#> SRR1036134 2 0.2011 0.891 0.080 0.920 0.000 0.000
#> SRR1036135 2 0.2011 0.891 0.080 0.920 0.000 0.000
#> SRR1036136 2 0.2011 0.891 0.080 0.920 0.000 0.000
#> SRR1036137 2 0.2011 0.891 0.080 0.920 0.000 0.000
#> SRR1036138 2 0.1211 0.898 0.040 0.960 0.000 0.000
#> SRR1036139 2 0.1211 0.898 0.040 0.960 0.000 0.000
#> SRR1036140 2 0.1211 0.898 0.040 0.960 0.000 0.000
#> SRR1036141 2 0.1211 0.898 0.040 0.960 0.000 0.000
#> SRR1036142 2 0.1211 0.898 0.040 0.960 0.000 0.000
#> SRR1036143 2 0.1211 0.898 0.040 0.960 0.000 0.000
#> SRR1036144 2 0.1211 0.898 0.040 0.960 0.000 0.000
#> SRR1036145 2 0.1211 0.898 0.040 0.960 0.000 0.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036003 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036004 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036005 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036006 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036007 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036008 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036009 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036013 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036014 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036015 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036016 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036017 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036018 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036010 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036011 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036012 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036019 2 0.3010 0.740 0.172 0.824 0.000 0 NA
#> SRR1036020 2 0.2377 0.811 0.128 0.872 0.000 0 NA
#> SRR1036021 2 0.2852 0.743 0.172 0.828 0.000 0 NA
#> SRR1036022 2 0.3210 0.657 0.212 0.788 0.000 0 NA
#> SRR1036023 2 0.2471 0.801 0.136 0.864 0.000 0 NA
#> SRR1036024 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036025 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036026 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036027 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036028 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036029 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036030 3 0.6024 0.204 0.296 0.148 0.556 0 NA
#> SRR1036031 3 0.5826 0.216 0.332 0.112 0.556 0 NA
#> SRR1036032 3 0.6155 0.075 0.192 0.252 0.556 0 NA
#> SRR1036033 3 0.6179 0.145 0.228 0.216 0.556 0 NA
#> SRR1036034 3 0.6139 0.183 0.260 0.184 0.556 0 NA
#> SRR1036035 3 0.6155 0.176 0.252 0.192 0.556 0 NA
#> SRR1036036 3 0.6171 0.162 0.240 0.204 0.556 0 NA
#> SRR1036037 3 0.6179 0.145 0.228 0.216 0.556 0 NA
#> SRR1036038 1 0.0880 0.836 0.968 0.000 0.000 0 NA
#> SRR1036039 1 0.1043 0.832 0.960 0.000 0.000 0 NA
#> SRR1036040 1 0.1270 0.824 0.948 0.000 0.000 0 NA
#> SRR1036041 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036042 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036043 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036044 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036045 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036046 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036047 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036048 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036049 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036050 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036051 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036052 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036053 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036054 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036055 1 0.3143 0.628 0.796 0.000 0.204 0 NA
#> SRR1036056 1 0.3480 0.551 0.752 0.000 0.248 0 NA
#> SRR1036057 1 0.2929 0.665 0.820 0.000 0.180 0 NA
#> SRR1036058 4 0.0000 1.000 0.000 0.000 0.000 1 NA
#> SRR1036059 4 0.0000 1.000 0.000 0.000 0.000 1 NA
#> SRR1036060 4 0.0000 1.000 0.000 0.000 0.000 1 NA
#> SRR1036061 4 0.0000 1.000 0.000 0.000 0.000 1 NA
#> SRR1036062 4 0.0000 1.000 0.000 0.000 0.000 1 NA
#> SRR1036063 4 0.0000 1.000 0.000 0.000 0.000 1 NA
#> SRR1036064 4 0.0000 1.000 0.000 0.000 0.000 1 NA
#> SRR1036065 4 0.0000 1.000 0.000 0.000 0.000 1 NA
#> SRR1036066 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036067 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036068 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036069 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036070 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036071 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036072 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036073 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036074 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036075 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036076 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036077 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036078 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036079 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036080 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036081 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036082 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036083 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036084 1 0.3449 0.694 0.812 0.024 0.000 0 NA
#> SRR1036090 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036091 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036092 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036093 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036094 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036085 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036086 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036087 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036088 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036089 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036095 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036096 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036097 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036098 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036099 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036100 1 0.0162 0.852 0.996 0.000 0.000 0 NA
#> SRR1036101 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036102 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036103 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036104 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036105 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036106 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036107 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036108 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036109 3 0.6245 0.637 0.144 0.000 0.440 0 NA
#> SRR1036110 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036111 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036112 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036113 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036114 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036115 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036116 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036117 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036118 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036119 1 0.0162 0.853 0.996 0.000 0.004 0 NA
#> SRR1036120 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036121 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036122 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036123 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036124 1 0.4227 0.458 0.580 0.000 0.000 0 NA
#> SRR1036125 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036126 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036127 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036128 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036129 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036130 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036131 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036132 1 0.0000 0.854 1.000 0.000 0.000 0 NA
#> SRR1036133 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036134 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036135 2 0.0794 0.912 0.028 0.972 0.000 0 NA
#> SRR1036136 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036137 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036138 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036139 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036140 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036141 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036142 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036143 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036144 2 0.0703 0.915 0.024 0.976 0.000 0 NA
#> SRR1036145 2 0.0703 0.915 0.024 0.976 0.000 0 NA
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036003 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036004 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036005 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036006 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036007 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036008 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036009 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036013 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036014 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036015 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036016 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036017 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036018 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036010 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036011 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036012 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036019 2 0.3455 0.684 0.180 0.784 0.000 0 0.000 0.036
#> SRR1036020 2 0.2446 0.775 0.124 0.864 0.000 0 0.000 0.012
#> SRR1036021 2 0.3385 0.688 0.180 0.788 0.000 0 0.000 0.032
#> SRR1036022 2 0.3424 0.651 0.204 0.772 0.000 0 0.000 0.024
#> SRR1036023 2 0.2983 0.751 0.136 0.832 0.000 0 0.000 0.032
#> SRR1036024 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036025 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036026 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036027 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036028 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036029 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036030 5 0.0000 0.754 0.000 0.000 0.000 0 1.000 0.000
#> SRR1036031 5 0.0000 0.754 0.000 0.000 0.000 0 1.000 0.000
#> SRR1036032 5 0.0000 0.754 0.000 0.000 0.000 0 1.000 0.000
#> SRR1036033 5 0.0000 0.754 0.000 0.000 0.000 0 1.000 0.000
#> SRR1036034 5 0.0000 0.754 0.000 0.000 0.000 0 1.000 0.000
#> SRR1036035 5 0.0000 0.754 0.000 0.000 0.000 0 1.000 0.000
#> SRR1036036 5 0.0000 0.754 0.000 0.000 0.000 0 1.000 0.000
#> SRR1036037 5 0.0000 0.754 0.000 0.000 0.000 0 1.000 0.000
#> SRR1036038 1 0.1556 0.748 0.920 0.000 0.000 0 0.000 0.080
#> SRR1036039 1 0.2003 0.680 0.884 0.000 0.000 0 0.000 0.116
#> SRR1036040 1 0.1910 0.697 0.892 0.000 0.000 0 0.000 0.108
#> SRR1036041 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036042 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036043 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036044 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036045 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036046 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036047 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036048 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036049 6 0.3747 0.996 0.396 0.000 0.000 0 0.000 0.604
#> SRR1036050 1 0.2003 0.771 0.884 0.000 0.000 0 0.000 0.116
#> SRR1036051 1 0.1910 0.778 0.892 0.000 0.000 0 0.000 0.108
#> SRR1036052 1 0.1957 0.774 0.888 0.000 0.000 0 0.000 0.112
#> SRR1036053 1 0.1910 0.778 0.892 0.000 0.000 0 0.000 0.108
#> SRR1036054 1 0.2003 0.771 0.884 0.000 0.000 0 0.000 0.116
#> SRR1036055 5 0.3727 0.197 0.388 0.000 0.000 0 0.612 0.000
#> SRR1036056 5 0.3578 0.303 0.340 0.000 0.000 0 0.660 0.000
#> SRR1036057 5 0.3765 0.156 0.404 0.000 0.000 0 0.596 0.000
#> SRR1036058 4 0.0000 1.000 0.000 0.000 0.000 1 0.000 0.000
#> SRR1036059 4 0.0000 1.000 0.000 0.000 0.000 1 0.000 0.000
#> SRR1036060 4 0.0000 1.000 0.000 0.000 0.000 1 0.000 0.000
#> SRR1036061 4 0.0000 1.000 0.000 0.000 0.000 1 0.000 0.000
#> SRR1036062 4 0.0000 1.000 0.000 0.000 0.000 1 0.000 0.000
#> SRR1036063 4 0.0000 1.000 0.000 0.000 0.000 1 0.000 0.000
#> SRR1036064 4 0.0000 1.000 0.000 0.000 0.000 1 0.000 0.000
#> SRR1036065 4 0.0000 1.000 0.000 0.000 0.000 1 0.000 0.000
#> SRR1036066 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036067 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036068 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036069 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036070 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036071 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036072 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036073 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036074 1 0.4281 0.623 0.732 0.000 0.136 0 0.000 0.132
#> SRR1036075 1 0.4281 0.623 0.732 0.000 0.136 0 0.000 0.132
#> SRR1036076 1 0.4281 0.623 0.732 0.000 0.136 0 0.000 0.132
#> SRR1036077 1 0.4281 0.623 0.732 0.000 0.136 0 0.000 0.132
#> SRR1036078 1 0.4281 0.623 0.732 0.000 0.136 0 0.000 0.132
#> SRR1036079 1 0.4281 0.623 0.732 0.000 0.136 0 0.000 0.132
#> SRR1036080 1 0.4281 0.623 0.732 0.000 0.136 0 0.000 0.132
#> SRR1036081 1 0.4281 0.623 0.732 0.000 0.136 0 0.000 0.132
#> SRR1036082 1 0.3992 0.654 0.760 0.000 0.136 0 0.000 0.104
#> SRR1036083 1 0.3947 0.658 0.764 0.000 0.136 0 0.000 0.100
#> SRR1036084 1 0.3992 0.654 0.760 0.000 0.136 0 0.000 0.104
#> SRR1036090 1 0.0260 0.848 0.992 0.000 0.000 0 0.000 0.008
#> SRR1036091 1 0.0146 0.850 0.996 0.000 0.000 0 0.000 0.004
#> SRR1036092 1 0.0260 0.848 0.992 0.000 0.000 0 0.000 0.008
#> SRR1036093 1 0.0260 0.848 0.992 0.000 0.000 0 0.000 0.008
#> SRR1036094 1 0.0260 0.848 0.992 0.000 0.000 0 0.000 0.008
#> SRR1036085 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036086 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036087 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036088 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036089 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036095 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036096 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036097 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036098 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036099 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036100 1 0.0260 0.849 0.992 0.000 0.000 0 0.000 0.008
#> SRR1036101 1 0.0146 0.851 0.996 0.000 0.000 0 0.000 0.004
#> SRR1036102 1 0.0260 0.850 0.992 0.000 0.000 0 0.000 0.008
#> SRR1036103 1 0.0146 0.851 0.996 0.000 0.000 0 0.000 0.004
#> SRR1036104 1 0.0146 0.851 0.996 0.000 0.000 0 0.000 0.004
#> SRR1036105 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036106 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036107 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036108 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036109 3 0.2219 1.000 0.136 0.000 0.864 0 0.000 0.000
#> SRR1036110 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036111 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036112 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036113 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036114 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036115 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036116 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036117 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036118 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036119 1 0.3221 0.645 0.736 0.000 0.000 0 0.000 0.264
#> SRR1036120 6 0.3765 0.988 0.404 0.000 0.000 0 0.000 0.596
#> SRR1036121 6 0.3765 0.988 0.404 0.000 0.000 0 0.000 0.596
#> SRR1036122 6 0.3765 0.988 0.404 0.000 0.000 0 0.000 0.596
#> SRR1036123 6 0.3765 0.988 0.404 0.000 0.000 0 0.000 0.596
#> SRR1036124 6 0.3765 0.988 0.404 0.000 0.000 0 0.000 0.596
#> SRR1036125 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036126 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036127 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036128 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036129 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036130 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036131 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036132 1 0.0000 0.853 1.000 0.000 0.000 0 0.000 0.000
#> SRR1036133 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036134 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036135 2 0.0146 0.896 0.004 0.996 0.000 0 0.000 0.000
#> SRR1036136 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036137 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036138 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036139 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036140 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036141 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036142 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036143 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036144 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
#> SRR1036145 2 0.0000 0.899 0.000 1.000 0.000 0 0.000 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["CV", "mclust"]
# you can also extract it by
# res = res_list["CV:mclust"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'CV' method.
#> Subgroups are detected by 'mclust' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 5.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.262 0.775 0.781 0.3042 0.730 0.730
#> 3 3 0.264 0.529 0.704 0.6192 0.647 0.559
#> 4 4 0.401 0.594 0.766 0.1145 0.822 0.706
#> 5 5 0.426 0.585 0.745 0.2901 0.671 0.396
#> 6 6 0.557 0.705 0.776 0.0878 0.926 0.723
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 5
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.0938 0.855 0.012 0.988
#> SRR1036003 2 0.0938 0.855 0.012 0.988
#> SRR1036004 2 0.0938 0.855 0.012 0.988
#> SRR1036005 1 0.9710 0.810 0.600 0.400
#> SRR1036006 1 0.9710 0.810 0.600 0.400
#> SRR1036007 1 0.9710 0.810 0.600 0.400
#> SRR1036008 1 0.9710 0.810 0.600 0.400
#> SRR1036009 1 0.9710 0.810 0.600 0.400
#> SRR1036013 2 0.8813 0.308 0.300 0.700
#> SRR1036014 2 0.8813 0.308 0.300 0.700
#> SRR1036015 2 0.8813 0.308 0.300 0.700
#> SRR1036016 2 0.8813 0.308 0.300 0.700
#> SRR1036017 2 0.8813 0.308 0.300 0.700
#> SRR1036018 2 0.8813 0.308 0.300 0.700
#> SRR1036010 2 0.1414 0.855 0.020 0.980
#> SRR1036011 2 0.1414 0.855 0.020 0.980
#> SRR1036012 2 0.1414 0.855 0.020 0.980
#> SRR1036019 2 0.0376 0.852 0.004 0.996
#> SRR1036020 2 0.0376 0.852 0.004 0.996
#> SRR1036021 2 0.0376 0.852 0.004 0.996
#> SRR1036022 2 0.0376 0.852 0.004 0.996
#> SRR1036023 2 0.0376 0.852 0.004 0.996
#> SRR1036024 2 0.1414 0.855 0.020 0.980
#> SRR1036025 2 0.1414 0.855 0.020 0.980
#> SRR1036026 2 0.1414 0.855 0.020 0.980
#> SRR1036027 2 0.1414 0.855 0.020 0.980
#> SRR1036028 2 0.1414 0.855 0.020 0.980
#> SRR1036029 2 0.1414 0.855 0.020 0.980
#> SRR1036030 2 0.2423 0.855 0.040 0.960
#> SRR1036031 2 0.2423 0.855 0.040 0.960
#> SRR1036032 2 0.2423 0.855 0.040 0.960
#> SRR1036033 2 0.2423 0.855 0.040 0.960
#> SRR1036034 2 0.2423 0.855 0.040 0.960
#> SRR1036035 2 0.2423 0.855 0.040 0.960
#> SRR1036036 2 0.2423 0.855 0.040 0.960
#> SRR1036037 2 0.2423 0.855 0.040 0.960
#> SRR1036038 2 0.3584 0.834 0.068 0.932
#> SRR1036039 2 0.3584 0.834 0.068 0.932
#> SRR1036040 2 0.3584 0.834 0.068 0.932
#> SRR1036041 2 0.4431 0.821 0.092 0.908
#> SRR1036042 2 0.0672 0.854 0.008 0.992
#> SRR1036043 2 0.0672 0.854 0.008 0.992
#> SRR1036044 2 0.0672 0.854 0.008 0.992
#> SRR1036045 2 0.0672 0.854 0.008 0.992
#> SRR1036046 2 0.0672 0.854 0.008 0.992
#> SRR1036047 2 0.0672 0.854 0.008 0.992
#> SRR1036048 2 0.0672 0.854 0.008 0.992
#> SRR1036049 2 0.0672 0.854 0.008 0.992
#> SRR1036050 2 0.6623 0.767 0.172 0.828
#> SRR1036051 2 0.6623 0.767 0.172 0.828
#> SRR1036052 2 0.6623 0.767 0.172 0.828
#> SRR1036053 2 0.6623 0.767 0.172 0.828
#> SRR1036054 2 0.6623 0.767 0.172 0.828
#> SRR1036055 2 0.3733 0.834 0.072 0.928
#> SRR1036056 2 0.3879 0.832 0.076 0.924
#> SRR1036057 2 0.3733 0.834 0.072 0.928
#> SRR1036058 1 0.8267 0.790 0.740 0.260
#> SRR1036059 1 0.8267 0.790 0.740 0.260
#> SRR1036060 1 0.8267 0.790 0.740 0.260
#> SRR1036061 1 0.8267 0.790 0.740 0.260
#> SRR1036062 1 0.8267 0.790 0.740 0.260
#> SRR1036063 1 0.8267 0.790 0.740 0.260
#> SRR1036064 1 0.8267 0.790 0.740 0.260
#> SRR1036065 1 0.8267 0.790 0.740 0.260
#> SRR1036066 2 0.5842 0.784 0.140 0.860
#> SRR1036067 2 0.5842 0.784 0.140 0.860
#> SRR1036068 2 0.5842 0.784 0.140 0.860
#> SRR1036069 2 0.5842 0.784 0.140 0.860
#> SRR1036070 2 0.5842 0.784 0.140 0.860
#> SRR1036071 2 0.5842 0.784 0.140 0.860
#> SRR1036072 2 0.5842 0.784 0.140 0.860
#> SRR1036073 2 0.5842 0.784 0.140 0.860
#> SRR1036074 2 0.5294 0.792 0.120 0.880
#> SRR1036075 2 0.5294 0.792 0.120 0.880
#> SRR1036076 2 0.5294 0.792 0.120 0.880
#> SRR1036077 2 0.5294 0.792 0.120 0.880
#> SRR1036078 2 0.5294 0.792 0.120 0.880
#> SRR1036079 2 0.5294 0.792 0.120 0.880
#> SRR1036080 2 0.5294 0.792 0.120 0.880
#> SRR1036081 2 0.5294 0.792 0.120 0.880
#> SRR1036082 2 0.5946 0.778 0.144 0.856
#> SRR1036083 2 0.5946 0.778 0.144 0.856
#> SRR1036084 2 0.5946 0.778 0.144 0.856
#> SRR1036090 2 0.0000 0.851 0.000 1.000
#> SRR1036091 2 0.0000 0.851 0.000 1.000
#> SRR1036092 2 0.0000 0.851 0.000 1.000
#> SRR1036093 2 0.0000 0.851 0.000 1.000
#> SRR1036094 2 0.0000 0.851 0.000 1.000
#> SRR1036085 1 0.9286 0.865 0.656 0.344
#> SRR1036086 1 0.9286 0.865 0.656 0.344
#> SRR1036087 1 0.9286 0.865 0.656 0.344
#> SRR1036088 1 0.9286 0.865 0.656 0.344
#> SRR1036089 1 0.9286 0.865 0.656 0.344
#> SRR1036095 2 0.9393 0.263 0.356 0.644
#> SRR1036096 2 0.9393 0.263 0.356 0.644
#> SRR1036097 2 0.9393 0.263 0.356 0.644
#> SRR1036098 2 0.9393 0.263 0.356 0.644
#> SRR1036099 2 0.9393 0.263 0.356 0.644
#> SRR1036100 2 0.1843 0.853 0.028 0.972
#> SRR1036101 2 0.1843 0.853 0.028 0.972
#> SRR1036102 2 0.1843 0.853 0.028 0.972
#> SRR1036103 2 0.1633 0.854 0.024 0.976
#> SRR1036104 2 0.1843 0.853 0.028 0.972
#> SRR1036105 1 0.9248 0.866 0.660 0.340
#> SRR1036106 1 0.9248 0.866 0.660 0.340
#> SRR1036107 1 0.9248 0.866 0.660 0.340
#> SRR1036108 1 0.9248 0.866 0.660 0.340
#> SRR1036109 1 0.9248 0.866 0.660 0.340
#> SRR1036110 2 0.5178 0.806 0.116 0.884
#> SRR1036111 2 0.5294 0.805 0.120 0.880
#> SRR1036112 2 0.5178 0.806 0.116 0.884
#> SRR1036113 2 0.5178 0.806 0.116 0.884
#> SRR1036114 2 0.5294 0.805 0.120 0.880
#> SRR1036115 2 0.7602 0.649 0.220 0.780
#> SRR1036116 2 0.7602 0.649 0.220 0.780
#> SRR1036117 2 0.7602 0.649 0.220 0.780
#> SRR1036118 2 0.7602 0.649 0.220 0.780
#> SRR1036119 2 0.7602 0.649 0.220 0.780
#> SRR1036120 2 0.6247 0.712 0.156 0.844
#> SRR1036121 2 0.6247 0.712 0.156 0.844
#> SRR1036122 2 0.6247 0.712 0.156 0.844
#> SRR1036123 2 0.6247 0.712 0.156 0.844
#> SRR1036124 2 0.6247 0.712 0.156 0.844
#> SRR1036125 2 0.6343 0.781 0.160 0.840
#> SRR1036126 2 0.6343 0.781 0.160 0.840
#> SRR1036127 2 0.6343 0.781 0.160 0.840
#> SRR1036128 2 0.6343 0.781 0.160 0.840
#> SRR1036129 2 0.6343 0.781 0.160 0.840
#> SRR1036130 2 0.6343 0.781 0.160 0.840
#> SRR1036131 2 0.6343 0.781 0.160 0.840
#> SRR1036132 2 0.6343 0.781 0.160 0.840
#> SRR1036133 2 0.1633 0.854 0.024 0.976
#> SRR1036134 2 0.1633 0.854 0.024 0.976
#> SRR1036135 2 0.1633 0.854 0.024 0.976
#> SRR1036136 2 0.1633 0.854 0.024 0.976
#> SRR1036137 2 0.1633 0.854 0.024 0.976
#> SRR1036138 2 0.1843 0.854 0.028 0.972
#> SRR1036139 2 0.1843 0.854 0.028 0.972
#> SRR1036140 2 0.1843 0.854 0.028 0.972
#> SRR1036141 2 0.1843 0.854 0.028 0.972
#> SRR1036142 2 0.1843 0.854 0.028 0.972
#> SRR1036143 2 0.1843 0.854 0.028 0.972
#> SRR1036144 2 0.1843 0.854 0.028 0.972
#> SRR1036145 2 0.1843 0.854 0.028 0.972
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 2 0.6954 0.4879 0.196 0.720 0.084
#> SRR1036003 2 0.6954 0.4879 0.196 0.720 0.084
#> SRR1036004 2 0.6954 0.4879 0.196 0.720 0.084
#> SRR1036005 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036006 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036007 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036008 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036009 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036013 2 0.7606 0.4268 0.244 0.664 0.092
#> SRR1036014 2 0.7606 0.4268 0.244 0.664 0.092
#> SRR1036015 2 0.7606 0.4268 0.244 0.664 0.092
#> SRR1036016 2 0.7606 0.4268 0.244 0.664 0.092
#> SRR1036017 2 0.7606 0.4268 0.244 0.664 0.092
#> SRR1036018 2 0.7606 0.4268 0.244 0.664 0.092
#> SRR1036010 2 0.6865 -0.0892 0.384 0.596 0.020
#> SRR1036011 2 0.6865 -0.0892 0.384 0.596 0.020
#> SRR1036012 2 0.6865 -0.0892 0.384 0.596 0.020
#> SRR1036019 2 0.0237 0.6046 0.000 0.996 0.004
#> SRR1036020 2 0.0237 0.6046 0.000 0.996 0.004
#> SRR1036021 2 0.0237 0.6046 0.000 0.996 0.004
#> SRR1036022 2 0.0424 0.6047 0.000 0.992 0.008
#> SRR1036023 2 0.0424 0.6047 0.000 0.992 0.008
#> SRR1036024 2 0.6416 0.2770 0.304 0.676 0.020
#> SRR1036025 2 0.6416 0.2770 0.304 0.676 0.020
#> SRR1036026 2 0.6416 0.2770 0.304 0.676 0.020
#> SRR1036027 2 0.6416 0.2770 0.304 0.676 0.020
#> SRR1036028 2 0.6416 0.2770 0.304 0.676 0.020
#> SRR1036029 2 0.6416 0.2770 0.304 0.676 0.020
#> SRR1036030 2 0.4892 0.5650 0.112 0.840 0.048
#> SRR1036031 2 0.4892 0.5650 0.112 0.840 0.048
#> SRR1036032 2 0.4892 0.5650 0.112 0.840 0.048
#> SRR1036033 2 0.4892 0.5650 0.112 0.840 0.048
#> SRR1036034 2 0.4818 0.5674 0.108 0.844 0.048
#> SRR1036035 2 0.4892 0.5650 0.112 0.840 0.048
#> SRR1036036 2 0.4892 0.5650 0.112 0.840 0.048
#> SRR1036037 2 0.4892 0.5650 0.112 0.840 0.048
#> SRR1036038 2 0.6897 0.3960 0.220 0.712 0.068
#> SRR1036039 2 0.6897 0.3960 0.220 0.712 0.068
#> SRR1036040 2 0.6897 0.3960 0.220 0.712 0.068
#> SRR1036041 2 0.7291 -0.0795 0.356 0.604 0.040
#> SRR1036042 2 0.6757 0.5067 0.180 0.736 0.084
#> SRR1036043 2 0.6757 0.5067 0.180 0.736 0.084
#> SRR1036044 2 0.6757 0.5067 0.180 0.736 0.084
#> SRR1036045 2 0.6757 0.5067 0.180 0.736 0.084
#> SRR1036046 2 0.6757 0.5067 0.180 0.736 0.084
#> SRR1036047 2 0.6757 0.5067 0.180 0.736 0.084
#> SRR1036048 2 0.6757 0.5067 0.180 0.736 0.084
#> SRR1036049 2 0.6757 0.5067 0.180 0.736 0.084
#> SRR1036050 1 0.7997 0.6592 0.568 0.360 0.072
#> SRR1036051 1 0.8013 0.6603 0.564 0.364 0.072
#> SRR1036052 1 0.8013 0.6603 0.564 0.364 0.072
#> SRR1036053 1 0.8013 0.6595 0.564 0.364 0.072
#> SRR1036054 1 0.8028 0.6602 0.560 0.368 0.072
#> SRR1036055 2 0.4921 0.4948 0.164 0.816 0.020
#> SRR1036056 2 0.5036 0.4797 0.172 0.808 0.020
#> SRR1036057 2 0.4979 0.4871 0.168 0.812 0.020
#> SRR1036058 2 0.9027 0.1825 0.428 0.440 0.132
#> SRR1036059 2 0.9027 0.1825 0.428 0.440 0.132
#> SRR1036060 2 0.9027 0.1825 0.428 0.440 0.132
#> SRR1036061 2 0.9027 0.1825 0.428 0.440 0.132
#> SRR1036062 2 0.9027 0.1825 0.428 0.440 0.132
#> SRR1036063 2 0.9027 0.1825 0.428 0.440 0.132
#> SRR1036064 2 0.9027 0.1825 0.428 0.440 0.132
#> SRR1036065 2 0.9027 0.1825 0.428 0.440 0.132
#> SRR1036066 1 0.6566 0.6968 0.612 0.376 0.012
#> SRR1036067 1 0.6584 0.6943 0.608 0.380 0.012
#> SRR1036068 1 0.6566 0.6968 0.612 0.376 0.012
#> SRR1036069 1 0.6584 0.6943 0.608 0.380 0.012
#> SRR1036070 1 0.6434 0.6939 0.612 0.380 0.008
#> SRR1036071 1 0.6434 0.6939 0.612 0.380 0.008
#> SRR1036072 1 0.6566 0.6968 0.612 0.376 0.012
#> SRR1036073 1 0.6566 0.6968 0.612 0.376 0.012
#> SRR1036074 2 0.4731 0.5575 0.128 0.840 0.032
#> SRR1036075 2 0.4731 0.5575 0.128 0.840 0.032
#> SRR1036076 2 0.4731 0.5575 0.128 0.840 0.032
#> SRR1036077 2 0.4731 0.5575 0.128 0.840 0.032
#> SRR1036078 2 0.4731 0.5575 0.128 0.840 0.032
#> SRR1036079 2 0.4731 0.5575 0.128 0.840 0.032
#> SRR1036080 2 0.4731 0.5575 0.128 0.840 0.032
#> SRR1036081 2 0.4731 0.5575 0.128 0.840 0.032
#> SRR1036082 2 0.5659 0.5588 0.152 0.796 0.052
#> SRR1036083 2 0.5659 0.5588 0.152 0.796 0.052
#> SRR1036084 2 0.5659 0.5588 0.152 0.796 0.052
#> SRR1036090 2 0.5122 0.4885 0.200 0.788 0.012
#> SRR1036091 2 0.4963 0.4868 0.200 0.792 0.008
#> SRR1036092 2 0.5122 0.4885 0.200 0.788 0.012
#> SRR1036093 2 0.4963 0.4868 0.200 0.792 0.008
#> SRR1036094 2 0.5122 0.4885 0.200 0.788 0.012
#> SRR1036085 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036086 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036087 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036088 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036089 3 0.1999 0.9981 0.036 0.012 0.952
#> SRR1036095 1 0.7729 0.2237 0.516 0.436 0.048
#> SRR1036096 1 0.7729 0.2237 0.516 0.436 0.048
#> SRR1036097 1 0.7729 0.2237 0.516 0.436 0.048
#> SRR1036098 1 0.7729 0.2237 0.516 0.436 0.048
#> SRR1036099 1 0.7729 0.2237 0.516 0.436 0.048
#> SRR1036100 2 0.3276 0.5946 0.068 0.908 0.024
#> SRR1036101 2 0.3276 0.5946 0.068 0.908 0.024
#> SRR1036102 2 0.3181 0.5944 0.064 0.912 0.024
#> SRR1036103 2 0.3181 0.5944 0.064 0.912 0.024
#> SRR1036104 2 0.3181 0.5944 0.064 0.912 0.024
#> SRR1036105 3 0.1877 0.9961 0.032 0.012 0.956
#> SRR1036106 3 0.1877 0.9961 0.032 0.012 0.956
#> SRR1036107 3 0.1877 0.9961 0.032 0.012 0.956
#> SRR1036108 3 0.1877 0.9961 0.032 0.012 0.956
#> SRR1036109 3 0.1877 0.9961 0.032 0.012 0.956
#> SRR1036110 2 0.6804 0.5176 0.204 0.724 0.072
#> SRR1036111 2 0.6804 0.5176 0.204 0.724 0.072
#> SRR1036112 2 0.6804 0.5176 0.204 0.724 0.072
#> SRR1036113 2 0.6804 0.5176 0.204 0.724 0.072
#> SRR1036114 2 0.6804 0.5176 0.204 0.724 0.072
#> SRR1036115 1 0.7652 0.2235 0.512 0.444 0.044
#> SRR1036116 1 0.7652 0.2235 0.512 0.444 0.044
#> SRR1036117 1 0.7652 0.2235 0.512 0.444 0.044
#> SRR1036118 1 0.7652 0.2235 0.512 0.444 0.044
#> SRR1036119 1 0.7652 0.2235 0.512 0.444 0.044
#> SRR1036120 2 0.8399 0.3559 0.220 0.620 0.160
#> SRR1036121 2 0.8399 0.3559 0.220 0.620 0.160
#> SRR1036122 2 0.8399 0.3559 0.220 0.620 0.160
#> SRR1036123 2 0.8399 0.3559 0.220 0.620 0.160
#> SRR1036124 2 0.8399 0.3559 0.220 0.620 0.160
#> SRR1036125 1 0.7406 0.6961 0.596 0.360 0.044
#> SRR1036126 1 0.7328 0.6959 0.596 0.364 0.040
#> SRR1036127 1 0.7406 0.6961 0.596 0.360 0.044
#> SRR1036128 1 0.7406 0.6961 0.596 0.360 0.044
#> SRR1036129 1 0.7328 0.6959 0.596 0.364 0.040
#> SRR1036130 1 0.7406 0.6961 0.596 0.360 0.044
#> SRR1036131 1 0.7406 0.6961 0.596 0.360 0.044
#> SRR1036132 1 0.7424 0.6943 0.592 0.364 0.044
#> SRR1036133 2 0.3091 0.5862 0.072 0.912 0.016
#> SRR1036134 2 0.3183 0.5863 0.076 0.908 0.016
#> SRR1036135 2 0.3091 0.5862 0.072 0.912 0.016
#> SRR1036136 2 0.3091 0.5862 0.072 0.912 0.016
#> SRR1036137 2 0.3091 0.5862 0.072 0.912 0.016
#> SRR1036138 2 0.3623 0.5817 0.072 0.896 0.032
#> SRR1036139 2 0.3623 0.5817 0.072 0.896 0.032
#> SRR1036140 2 0.3623 0.5817 0.072 0.896 0.032
#> SRR1036141 2 0.3623 0.5817 0.072 0.896 0.032
#> SRR1036142 2 0.3623 0.5817 0.072 0.896 0.032
#> SRR1036143 2 0.3623 0.5817 0.072 0.896 0.032
#> SRR1036144 2 0.3623 0.5817 0.072 0.896 0.032
#> SRR1036145 2 0.3623 0.5817 0.072 0.896 0.032
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 2 0.0895 0.5687 0.020 0.976 0.004 0.000
#> SRR1036003 2 0.0895 0.5687 0.020 0.976 0.004 0.000
#> SRR1036004 2 0.0895 0.5687 0.020 0.976 0.004 0.000
#> SRR1036005 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036013 2 0.2360 0.5160 0.052 0.924 0.020 0.004
#> SRR1036014 2 0.2360 0.5160 0.052 0.924 0.020 0.004
#> SRR1036015 2 0.2360 0.5160 0.052 0.924 0.020 0.004
#> SRR1036016 2 0.2360 0.5160 0.052 0.924 0.020 0.004
#> SRR1036017 2 0.2360 0.5160 0.052 0.924 0.020 0.004
#> SRR1036018 2 0.2360 0.5160 0.052 0.924 0.020 0.004
#> SRR1036010 2 0.4331 -0.2776 0.288 0.712 0.000 0.000
#> SRR1036011 2 0.4304 -0.2593 0.284 0.716 0.000 0.000
#> SRR1036012 2 0.4304 -0.2593 0.284 0.716 0.000 0.000
#> SRR1036019 2 0.4051 0.6336 0.208 0.784 0.004 0.004
#> SRR1036020 2 0.4051 0.6336 0.208 0.784 0.004 0.004
#> SRR1036021 2 0.3870 0.6338 0.208 0.788 0.004 0.000
#> SRR1036022 2 0.4051 0.6336 0.208 0.784 0.004 0.004
#> SRR1036023 2 0.4051 0.6336 0.208 0.784 0.004 0.004
#> SRR1036024 2 0.3945 0.0357 0.216 0.780 0.004 0.000
#> SRR1036025 2 0.3982 0.0156 0.220 0.776 0.004 0.000
#> SRR1036026 2 0.3945 0.0357 0.216 0.780 0.004 0.000
#> SRR1036027 2 0.3945 0.0357 0.216 0.780 0.004 0.000
#> SRR1036028 2 0.3982 0.0156 0.220 0.776 0.004 0.000
#> SRR1036029 2 0.3982 0.0156 0.220 0.776 0.004 0.000
#> SRR1036030 2 0.4877 0.5895 0.328 0.664 0.000 0.008
#> SRR1036031 2 0.4877 0.5895 0.328 0.664 0.000 0.008
#> SRR1036032 2 0.4877 0.5895 0.328 0.664 0.000 0.008
#> SRR1036033 2 0.4877 0.5895 0.328 0.664 0.000 0.008
#> SRR1036034 2 0.4877 0.5895 0.328 0.664 0.000 0.008
#> SRR1036035 2 0.4877 0.5895 0.328 0.664 0.000 0.008
#> SRR1036036 2 0.4877 0.5895 0.328 0.664 0.000 0.008
#> SRR1036037 2 0.4877 0.5895 0.328 0.664 0.000 0.008
#> SRR1036038 2 0.1970 0.5306 0.060 0.932 0.008 0.000
#> SRR1036039 2 0.1970 0.5306 0.060 0.932 0.008 0.000
#> SRR1036040 2 0.1970 0.5306 0.060 0.932 0.008 0.000
#> SRR1036041 2 0.4477 -0.3651 0.312 0.688 0.000 0.000
#> SRR1036042 2 0.0895 0.5741 0.020 0.976 0.004 0.000
#> SRR1036043 2 0.0895 0.5741 0.020 0.976 0.004 0.000
#> SRR1036044 2 0.0895 0.5741 0.020 0.976 0.004 0.000
#> SRR1036045 2 0.0895 0.5741 0.020 0.976 0.004 0.000
#> SRR1036046 2 0.0895 0.5741 0.020 0.976 0.004 0.000
#> SRR1036047 2 0.0895 0.5741 0.020 0.976 0.004 0.000
#> SRR1036048 2 0.0895 0.5741 0.020 0.976 0.004 0.000
#> SRR1036049 2 0.0895 0.5741 0.020 0.976 0.004 0.000
#> SRR1036050 1 0.5677 0.9343 0.504 0.476 0.004 0.016
#> SRR1036051 1 0.5677 0.9343 0.504 0.476 0.004 0.016
#> SRR1036052 1 0.5677 0.9343 0.504 0.476 0.004 0.016
#> SRR1036053 1 0.5677 0.9343 0.504 0.476 0.004 0.016
#> SRR1036054 1 0.5677 0.9343 0.504 0.476 0.004 0.016
#> SRR1036055 2 0.3870 0.5937 0.208 0.788 0.000 0.004
#> SRR1036056 2 0.3945 0.5854 0.216 0.780 0.000 0.004
#> SRR1036057 2 0.3908 0.5895 0.212 0.784 0.000 0.004
#> SRR1036058 4 0.0000 1.0000 0.000 0.000 0.000 1.000
#> SRR1036059 4 0.0000 1.0000 0.000 0.000 0.000 1.000
#> SRR1036060 4 0.0000 1.0000 0.000 0.000 0.000 1.000
#> SRR1036061 4 0.0000 1.0000 0.000 0.000 0.000 1.000
#> SRR1036062 4 0.0000 1.0000 0.000 0.000 0.000 1.000
#> SRR1036063 4 0.0000 1.0000 0.000 0.000 0.000 1.000
#> SRR1036064 4 0.0000 1.0000 0.000 0.000 0.000 1.000
#> SRR1036065 4 0.0000 1.0000 0.000 0.000 0.000 1.000
#> SRR1036066 1 0.5000 0.9741 0.504 0.496 0.000 0.000
#> SRR1036067 1 0.5000 0.9741 0.504 0.496 0.000 0.000
#> SRR1036068 1 0.5000 0.9741 0.504 0.496 0.000 0.000
#> SRR1036069 1 0.5000 0.9741 0.504 0.496 0.000 0.000
#> SRR1036070 1 0.5000 0.9741 0.504 0.496 0.000 0.000
#> SRR1036071 1 0.5000 0.9741 0.504 0.496 0.000 0.000
#> SRR1036072 1 0.5000 0.9741 0.504 0.496 0.000 0.000
#> SRR1036073 1 0.5000 0.9741 0.504 0.496 0.000 0.000
#> SRR1036074 2 0.5361 0.6131 0.208 0.724 0.000 0.068
#> SRR1036075 2 0.5361 0.6131 0.208 0.724 0.000 0.068
#> SRR1036076 2 0.5361 0.6131 0.208 0.724 0.000 0.068
#> SRR1036077 2 0.5361 0.6131 0.208 0.724 0.000 0.068
#> SRR1036078 2 0.5361 0.6131 0.208 0.724 0.000 0.068
#> SRR1036079 2 0.5361 0.6131 0.208 0.724 0.000 0.068
#> SRR1036080 2 0.5361 0.6131 0.208 0.724 0.000 0.068
#> SRR1036081 2 0.5361 0.6131 0.208 0.724 0.000 0.068
#> SRR1036082 2 0.4309 0.6288 0.124 0.820 0.004 0.052
#> SRR1036083 2 0.4309 0.6288 0.124 0.820 0.004 0.052
#> SRR1036084 2 0.4309 0.6288 0.124 0.820 0.004 0.052
#> SRR1036090 2 0.0817 0.5804 0.024 0.976 0.000 0.000
#> SRR1036091 2 0.0817 0.5804 0.024 0.976 0.000 0.000
#> SRR1036092 2 0.0817 0.5804 0.024 0.976 0.000 0.000
#> SRR1036093 2 0.0817 0.5804 0.024 0.976 0.000 0.000
#> SRR1036094 2 0.0817 0.5804 0.024 0.976 0.000 0.000
#> SRR1036085 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036095 2 0.7398 -0.3483 0.376 0.456 0.000 0.168
#> SRR1036096 2 0.7398 -0.3483 0.376 0.456 0.000 0.168
#> SRR1036097 2 0.7398 -0.3483 0.376 0.456 0.000 0.168
#> SRR1036098 2 0.7398 -0.3483 0.376 0.456 0.000 0.168
#> SRR1036099 2 0.7398 -0.3483 0.376 0.456 0.000 0.168
#> SRR1036100 2 0.4011 0.6341 0.208 0.784 0.000 0.008
#> SRR1036101 2 0.4011 0.6341 0.208 0.784 0.000 0.008
#> SRR1036102 2 0.4011 0.6341 0.208 0.784 0.000 0.008
#> SRR1036103 2 0.4011 0.6341 0.208 0.784 0.000 0.008
#> SRR1036104 2 0.4049 0.6340 0.212 0.780 0.000 0.008
#> SRR1036105 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 1.0000 0.000 0.000 1.000 0.000
#> SRR1036110 2 0.2360 0.5987 0.052 0.924 0.004 0.020
#> SRR1036111 2 0.2360 0.5987 0.052 0.924 0.004 0.020
#> SRR1036112 2 0.2360 0.5987 0.052 0.924 0.004 0.020
#> SRR1036113 2 0.2360 0.5987 0.052 0.924 0.004 0.020
#> SRR1036114 2 0.2360 0.5987 0.052 0.924 0.004 0.020
#> SRR1036115 2 0.7563 -0.3524 0.376 0.452 0.004 0.168
#> SRR1036116 2 0.7563 -0.3524 0.376 0.452 0.004 0.168
#> SRR1036117 2 0.7563 -0.3524 0.376 0.452 0.004 0.168
#> SRR1036118 2 0.7563 -0.3524 0.376 0.452 0.004 0.168
#> SRR1036119 2 0.7563 -0.3524 0.376 0.452 0.004 0.168
#> SRR1036120 2 0.2565 0.5130 0.056 0.912 0.032 0.000
#> SRR1036121 2 0.2565 0.5130 0.056 0.912 0.032 0.000
#> SRR1036122 2 0.2565 0.5130 0.056 0.912 0.032 0.000
#> SRR1036123 2 0.2565 0.5130 0.056 0.912 0.032 0.000
#> SRR1036124 2 0.2565 0.5130 0.056 0.912 0.032 0.000
#> SRR1036125 1 0.5168 0.9740 0.500 0.496 0.004 0.000
#> SRR1036126 1 0.5168 0.9740 0.500 0.496 0.004 0.000
#> SRR1036127 1 0.5168 0.9740 0.500 0.496 0.004 0.000
#> SRR1036128 1 0.5168 0.9740 0.500 0.496 0.004 0.000
#> SRR1036129 1 0.5168 0.9740 0.500 0.496 0.004 0.000
#> SRR1036130 1 0.5168 0.9740 0.500 0.496 0.004 0.000
#> SRR1036131 1 0.5168 0.9740 0.500 0.496 0.004 0.000
#> SRR1036132 1 0.5168 0.9740 0.500 0.496 0.004 0.000
#> SRR1036133 2 0.4876 0.5941 0.320 0.672 0.004 0.004
#> SRR1036134 2 0.4876 0.5941 0.320 0.672 0.004 0.004
#> SRR1036135 2 0.4876 0.5941 0.320 0.672 0.004 0.004
#> SRR1036136 2 0.4876 0.5941 0.320 0.672 0.004 0.004
#> SRR1036137 2 0.4876 0.5941 0.320 0.672 0.004 0.004
#> SRR1036138 2 0.4809 0.5947 0.308 0.684 0.004 0.004
#> SRR1036139 2 0.4809 0.5947 0.308 0.684 0.004 0.004
#> SRR1036140 2 0.4809 0.5947 0.308 0.684 0.004 0.004
#> SRR1036141 2 0.4809 0.5947 0.308 0.684 0.004 0.004
#> SRR1036142 2 0.4809 0.5947 0.308 0.684 0.004 0.004
#> SRR1036143 2 0.4809 0.5947 0.308 0.684 0.004 0.004
#> SRR1036144 2 0.4809 0.5947 0.308 0.684 0.004 0.004
#> SRR1036145 2 0.4809 0.5947 0.308 0.684 0.004 0.004
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 4 0.6638 0.4936 0.264 0.176 0.020 0.540 0.000
#> SRR1036003 4 0.6638 0.4936 0.264 0.176 0.020 0.540 0.000
#> SRR1036004 4 0.6638 0.4936 0.264 0.176 0.020 0.540 0.000
#> SRR1036005 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 4 0.6152 0.2930 0.424 0.064 0.020 0.488 0.004
#> SRR1036014 4 0.6152 0.2930 0.424 0.064 0.020 0.488 0.004
#> SRR1036015 4 0.6152 0.2930 0.424 0.064 0.020 0.488 0.004
#> SRR1036016 4 0.6152 0.2930 0.424 0.064 0.020 0.488 0.004
#> SRR1036017 4 0.6152 0.2930 0.424 0.064 0.020 0.488 0.004
#> SRR1036018 4 0.6152 0.2930 0.424 0.064 0.020 0.488 0.004
#> SRR1036010 1 0.4377 0.5341 0.776 0.112 0.004 0.108 0.000
#> SRR1036011 1 0.4279 0.5369 0.784 0.104 0.004 0.108 0.000
#> SRR1036012 1 0.4517 0.5251 0.764 0.124 0.004 0.108 0.000
#> SRR1036019 2 0.4447 0.7287 0.140 0.772 0.000 0.080 0.008
#> SRR1036020 2 0.4404 0.7324 0.136 0.776 0.000 0.080 0.008
#> SRR1036021 2 0.4404 0.7324 0.136 0.776 0.000 0.080 0.008
#> SRR1036022 2 0.4447 0.7287 0.140 0.772 0.000 0.080 0.008
#> SRR1036023 2 0.4460 0.7297 0.136 0.772 0.000 0.084 0.008
#> SRR1036024 1 0.5209 0.4032 0.704 0.072 0.012 0.208 0.004
#> SRR1036025 1 0.5181 0.4051 0.704 0.068 0.012 0.212 0.004
#> SRR1036026 1 0.5181 0.4051 0.704 0.068 0.012 0.212 0.004
#> SRR1036027 1 0.5122 0.4060 0.708 0.064 0.012 0.212 0.004
#> SRR1036028 1 0.5122 0.4060 0.708 0.064 0.012 0.212 0.004
#> SRR1036029 1 0.5122 0.4060 0.708 0.064 0.012 0.212 0.004
#> SRR1036030 2 0.3010 0.7602 0.100 0.868 0.012 0.020 0.000
#> SRR1036031 2 0.3010 0.7602 0.100 0.868 0.012 0.020 0.000
#> SRR1036032 2 0.3010 0.7602 0.100 0.868 0.012 0.020 0.000
#> SRR1036033 2 0.3010 0.7602 0.100 0.868 0.012 0.020 0.000
#> SRR1036034 2 0.3010 0.7602 0.100 0.868 0.012 0.020 0.000
#> SRR1036035 2 0.3010 0.7602 0.100 0.868 0.012 0.020 0.000
#> SRR1036036 2 0.3010 0.7602 0.100 0.868 0.012 0.020 0.000
#> SRR1036037 2 0.3010 0.7602 0.100 0.868 0.012 0.020 0.000
#> SRR1036038 4 0.6852 0.3335 0.408 0.164 0.012 0.412 0.004
#> SRR1036039 4 0.6896 0.3270 0.404 0.172 0.012 0.408 0.004
#> SRR1036040 4 0.6852 0.3335 0.408 0.164 0.012 0.412 0.004
#> SRR1036041 1 0.4917 0.5225 0.736 0.160 0.012 0.092 0.000
#> SRR1036042 4 0.6186 0.5045 0.240 0.184 0.004 0.572 0.000
#> SRR1036043 4 0.6186 0.5045 0.240 0.184 0.004 0.572 0.000
#> SRR1036044 4 0.6186 0.5045 0.240 0.184 0.004 0.572 0.000
#> SRR1036045 4 0.6186 0.5045 0.240 0.184 0.004 0.572 0.000
#> SRR1036046 4 0.6186 0.5045 0.240 0.184 0.004 0.572 0.000
#> SRR1036047 4 0.6186 0.5045 0.240 0.184 0.004 0.572 0.000
#> SRR1036048 4 0.6186 0.5045 0.240 0.184 0.004 0.572 0.000
#> SRR1036049 4 0.6186 0.5045 0.240 0.184 0.004 0.572 0.000
#> SRR1036050 1 0.4684 0.5242 0.772 0.144 0.012 0.060 0.012
#> SRR1036051 1 0.4684 0.5242 0.772 0.144 0.012 0.060 0.012
#> SRR1036052 1 0.4684 0.5242 0.772 0.144 0.012 0.060 0.012
#> SRR1036053 1 0.4684 0.5242 0.772 0.144 0.012 0.060 0.012
#> SRR1036054 1 0.4684 0.5242 0.772 0.144 0.012 0.060 0.012
#> SRR1036055 2 0.6566 0.3498 0.316 0.484 0.000 0.196 0.004
#> SRR1036056 2 0.6566 0.3510 0.316 0.484 0.000 0.196 0.004
#> SRR1036057 2 0.6576 0.3453 0.320 0.480 0.000 0.196 0.004
#> SRR1036058 5 0.0162 1.0000 0.000 0.000 0.000 0.004 0.996
#> SRR1036059 5 0.0162 1.0000 0.000 0.000 0.000 0.004 0.996
#> SRR1036060 5 0.0162 1.0000 0.000 0.000 0.000 0.004 0.996
#> SRR1036061 5 0.0162 1.0000 0.000 0.000 0.000 0.004 0.996
#> SRR1036062 5 0.0162 1.0000 0.000 0.000 0.000 0.004 0.996
#> SRR1036063 5 0.0162 1.0000 0.000 0.000 0.000 0.004 0.996
#> SRR1036064 5 0.0162 1.0000 0.000 0.000 0.000 0.004 0.996
#> SRR1036065 5 0.0162 1.0000 0.000 0.000 0.000 0.004 0.996
#> SRR1036066 1 0.0510 0.6876 0.984 0.016 0.000 0.000 0.000
#> SRR1036067 1 0.0510 0.6876 0.984 0.016 0.000 0.000 0.000
#> SRR1036068 1 0.0510 0.6876 0.984 0.016 0.000 0.000 0.000
#> SRR1036069 1 0.0510 0.6876 0.984 0.016 0.000 0.000 0.000
#> SRR1036070 1 0.0510 0.6876 0.984 0.016 0.000 0.000 0.000
#> SRR1036071 1 0.0510 0.6876 0.984 0.016 0.000 0.000 0.000
#> SRR1036072 1 0.0510 0.6876 0.984 0.016 0.000 0.000 0.000
#> SRR1036073 1 0.0510 0.6876 0.984 0.016 0.000 0.000 0.000
#> SRR1036074 2 0.4811 0.7142 0.080 0.768 0.000 0.116 0.036
#> SRR1036075 2 0.4811 0.7142 0.080 0.768 0.000 0.116 0.036
#> SRR1036076 2 0.4811 0.7142 0.080 0.768 0.000 0.116 0.036
#> SRR1036077 2 0.4811 0.7142 0.080 0.768 0.000 0.116 0.036
#> SRR1036078 2 0.4811 0.7142 0.080 0.768 0.000 0.116 0.036
#> SRR1036079 2 0.4811 0.7142 0.080 0.768 0.000 0.116 0.036
#> SRR1036080 2 0.4811 0.7142 0.080 0.768 0.000 0.116 0.036
#> SRR1036081 2 0.4811 0.7142 0.080 0.768 0.000 0.116 0.036
#> SRR1036082 2 0.6909 0.4591 0.132 0.564 0.004 0.248 0.052
#> SRR1036083 2 0.6909 0.4591 0.132 0.564 0.004 0.248 0.052
#> SRR1036084 2 0.6909 0.4591 0.132 0.564 0.004 0.248 0.052
#> SRR1036090 4 0.6902 0.4386 0.308 0.208 0.016 0.468 0.000
#> SRR1036091 4 0.6892 0.4383 0.312 0.204 0.016 0.468 0.000
#> SRR1036092 4 0.6902 0.4386 0.308 0.208 0.016 0.468 0.000
#> SRR1036093 4 0.6902 0.4386 0.308 0.208 0.016 0.468 0.000
#> SRR1036094 4 0.6892 0.4384 0.312 0.204 0.016 0.468 0.000
#> SRR1036085 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 4 0.6158 0.0957 0.316 0.000 0.000 0.528 0.156
#> SRR1036096 4 0.6158 0.0957 0.316 0.000 0.000 0.528 0.156
#> SRR1036097 4 0.6158 0.0957 0.316 0.000 0.000 0.528 0.156
#> SRR1036098 4 0.6158 0.0957 0.316 0.000 0.000 0.528 0.156
#> SRR1036099 4 0.6158 0.0957 0.316 0.000 0.000 0.528 0.156
#> SRR1036100 2 0.5253 0.6662 0.108 0.696 0.000 0.188 0.008
#> SRR1036101 2 0.5206 0.6678 0.104 0.700 0.000 0.188 0.008
#> SRR1036102 2 0.5344 0.6580 0.116 0.688 0.000 0.188 0.008
#> SRR1036103 2 0.5344 0.6580 0.116 0.688 0.000 0.188 0.008
#> SRR1036104 2 0.5253 0.6637 0.108 0.696 0.000 0.188 0.008
#> SRR1036105 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.7111 0.3842 0.224 0.256 0.004 0.492 0.024
#> SRR1036111 4 0.7111 0.3842 0.224 0.256 0.004 0.492 0.024
#> SRR1036112 4 0.7111 0.3842 0.224 0.256 0.004 0.492 0.024
#> SRR1036113 4 0.7111 0.3842 0.224 0.256 0.004 0.492 0.024
#> SRR1036114 4 0.7111 0.3842 0.224 0.256 0.004 0.492 0.024
#> SRR1036115 4 0.6096 0.0969 0.316 0.000 0.000 0.536 0.148
#> SRR1036116 4 0.6096 0.0969 0.316 0.000 0.000 0.536 0.148
#> SRR1036117 4 0.6096 0.0969 0.316 0.000 0.000 0.536 0.148
#> SRR1036118 4 0.6096 0.0969 0.316 0.000 0.000 0.536 0.148
#> SRR1036119 4 0.6096 0.0969 0.316 0.000 0.000 0.536 0.148
#> SRR1036120 1 0.6770 -0.2917 0.448 0.104 0.040 0.408 0.000
#> SRR1036121 1 0.6770 -0.2917 0.448 0.104 0.040 0.408 0.000
#> SRR1036122 1 0.6770 -0.2917 0.448 0.104 0.040 0.408 0.000
#> SRR1036123 1 0.6770 -0.2917 0.448 0.104 0.040 0.408 0.000
#> SRR1036124 1 0.6770 -0.2917 0.448 0.104 0.040 0.408 0.000
#> SRR1036125 1 0.0324 0.6852 0.992 0.004 0.000 0.004 0.000
#> SRR1036126 1 0.0324 0.6852 0.992 0.004 0.000 0.004 0.000
#> SRR1036127 1 0.0324 0.6852 0.992 0.004 0.000 0.004 0.000
#> SRR1036128 1 0.0324 0.6852 0.992 0.004 0.000 0.004 0.000
#> SRR1036129 1 0.0324 0.6852 0.992 0.004 0.000 0.004 0.000
#> SRR1036130 1 0.0324 0.6852 0.992 0.004 0.000 0.004 0.000
#> SRR1036131 1 0.0324 0.6852 0.992 0.004 0.000 0.004 0.000
#> SRR1036132 1 0.0324 0.6852 0.992 0.004 0.000 0.004 0.000
#> SRR1036133 2 0.3292 0.7632 0.120 0.844 0.000 0.032 0.004
#> SRR1036134 2 0.3340 0.7623 0.124 0.840 0.000 0.032 0.004
#> SRR1036135 2 0.3292 0.7632 0.120 0.844 0.000 0.032 0.004
#> SRR1036136 2 0.3292 0.7632 0.120 0.844 0.000 0.032 0.004
#> SRR1036137 2 0.3292 0.7632 0.120 0.844 0.000 0.032 0.004
#> SRR1036138 2 0.2052 0.7720 0.080 0.912 0.004 0.004 0.000
#> SRR1036139 2 0.2052 0.7720 0.080 0.912 0.004 0.004 0.000
#> SRR1036140 2 0.2052 0.7720 0.080 0.912 0.004 0.004 0.000
#> SRR1036141 2 0.2052 0.7720 0.080 0.912 0.004 0.004 0.000
#> SRR1036142 2 0.2052 0.7720 0.080 0.912 0.004 0.004 0.000
#> SRR1036143 2 0.2052 0.7720 0.080 0.912 0.004 0.004 0.000
#> SRR1036144 2 0.2052 0.7720 0.080 0.912 0.004 0.004 0.000
#> SRR1036145 2 0.2052 0.7720 0.080 0.912 0.004 0.004 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.3945 0.6554 0.200 0.048 0.000 0.004 0.000 0.748
#> SRR1036003 6 0.3945 0.6554 0.200 0.048 0.000 0.004 0.000 0.748
#> SRR1036004 6 0.3945 0.6554 0.200 0.048 0.000 0.004 0.000 0.748
#> SRR1036005 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 6 0.6022 0.5819 0.220 0.004 0.004 0.004 0.240 0.528
#> SRR1036014 6 0.6022 0.5819 0.220 0.004 0.004 0.004 0.240 0.528
#> SRR1036015 6 0.6022 0.5819 0.220 0.004 0.004 0.004 0.240 0.528
#> SRR1036016 6 0.6022 0.5819 0.220 0.004 0.004 0.004 0.240 0.528
#> SRR1036017 6 0.6022 0.5819 0.220 0.004 0.004 0.004 0.240 0.528
#> SRR1036018 6 0.6022 0.5819 0.220 0.004 0.004 0.004 0.240 0.528
#> SRR1036010 1 0.2390 0.7466 0.896 0.052 0.000 0.000 0.008 0.044
#> SRR1036011 1 0.2390 0.7466 0.896 0.052 0.000 0.000 0.008 0.044
#> SRR1036012 1 0.2390 0.7466 0.896 0.052 0.000 0.000 0.008 0.044
#> SRR1036019 2 0.4168 0.7045 0.112 0.760 0.000 0.000 0.008 0.120
#> SRR1036020 2 0.4168 0.7045 0.112 0.760 0.000 0.000 0.008 0.120
#> SRR1036021 2 0.4168 0.7045 0.112 0.760 0.000 0.000 0.008 0.120
#> SRR1036022 2 0.4168 0.7045 0.112 0.760 0.000 0.000 0.008 0.120
#> SRR1036023 2 0.4209 0.7015 0.112 0.756 0.000 0.000 0.008 0.124
#> SRR1036024 1 0.4381 0.5614 0.748 0.016 0.000 0.000 0.136 0.100
#> SRR1036025 1 0.4381 0.5614 0.748 0.016 0.000 0.000 0.136 0.100
#> SRR1036026 1 0.4381 0.5614 0.748 0.016 0.000 0.000 0.136 0.100
#> SRR1036027 1 0.4381 0.5614 0.748 0.016 0.000 0.000 0.136 0.100
#> SRR1036028 1 0.4381 0.5614 0.748 0.016 0.000 0.000 0.136 0.100
#> SRR1036029 1 0.4381 0.5614 0.748 0.016 0.000 0.000 0.136 0.100
#> SRR1036030 2 0.1988 0.7531 0.072 0.912 0.000 0.004 0.004 0.008
#> SRR1036031 2 0.1988 0.7531 0.072 0.912 0.000 0.004 0.004 0.008
#> SRR1036032 2 0.1988 0.7531 0.072 0.912 0.000 0.004 0.004 0.008
#> SRR1036033 2 0.1988 0.7531 0.072 0.912 0.000 0.004 0.004 0.008
#> SRR1036034 2 0.1988 0.7531 0.072 0.912 0.000 0.004 0.004 0.008
#> SRR1036035 2 0.1988 0.7531 0.072 0.912 0.000 0.004 0.004 0.008
#> SRR1036036 2 0.1988 0.7531 0.072 0.912 0.000 0.004 0.004 0.008
#> SRR1036037 2 0.1988 0.7531 0.072 0.912 0.000 0.004 0.004 0.008
#> SRR1036038 1 0.5293 -0.0842 0.500 0.088 0.000 0.000 0.004 0.408
#> SRR1036039 1 0.5293 -0.0842 0.500 0.088 0.000 0.000 0.004 0.408
#> SRR1036040 1 0.5293 -0.0842 0.500 0.088 0.000 0.000 0.004 0.408
#> SRR1036041 1 0.3427 0.7261 0.828 0.100 0.000 0.000 0.016 0.056
#> SRR1036042 6 0.3969 0.6560 0.212 0.044 0.000 0.000 0.004 0.740
#> SRR1036043 6 0.3969 0.6560 0.212 0.044 0.000 0.000 0.004 0.740
#> SRR1036044 6 0.3969 0.6560 0.212 0.044 0.000 0.000 0.004 0.740
#> SRR1036045 6 0.3969 0.6560 0.212 0.044 0.000 0.000 0.004 0.740
#> SRR1036046 6 0.3969 0.6560 0.212 0.044 0.000 0.000 0.004 0.740
#> SRR1036047 6 0.3969 0.6560 0.212 0.044 0.000 0.000 0.004 0.740
#> SRR1036048 6 0.3969 0.6560 0.212 0.044 0.000 0.000 0.004 0.740
#> SRR1036049 6 0.3969 0.6560 0.212 0.044 0.000 0.000 0.004 0.740
#> SRR1036050 1 0.3935 0.6465 0.776 0.152 0.000 0.000 0.060 0.012
#> SRR1036051 1 0.3935 0.6465 0.776 0.152 0.000 0.000 0.060 0.012
#> SRR1036052 1 0.3935 0.6465 0.776 0.152 0.000 0.000 0.060 0.012
#> SRR1036053 1 0.3935 0.6465 0.776 0.152 0.000 0.000 0.060 0.012
#> SRR1036054 1 0.3935 0.6465 0.776 0.152 0.000 0.000 0.060 0.012
#> SRR1036055 2 0.6212 0.2178 0.352 0.468 0.000 0.004 0.020 0.156
#> SRR1036056 2 0.6212 0.2178 0.352 0.468 0.000 0.004 0.020 0.156
#> SRR1036057 2 0.6212 0.2178 0.352 0.468 0.000 0.004 0.020 0.156
#> SRR1036058 4 0.0146 1.0000 0.000 0.000 0.000 0.996 0.004 0.000
#> SRR1036059 4 0.0146 1.0000 0.000 0.000 0.000 0.996 0.004 0.000
#> SRR1036060 4 0.0146 1.0000 0.000 0.000 0.000 0.996 0.004 0.000
#> SRR1036061 4 0.0146 1.0000 0.000 0.000 0.000 0.996 0.004 0.000
#> SRR1036062 4 0.0146 1.0000 0.000 0.000 0.000 0.996 0.004 0.000
#> SRR1036063 4 0.0146 1.0000 0.000 0.000 0.000 0.996 0.004 0.000
#> SRR1036064 4 0.0146 1.0000 0.000 0.000 0.000 0.996 0.004 0.000
#> SRR1036065 4 0.0146 1.0000 0.000 0.000 0.000 0.996 0.004 0.000
#> SRR1036066 1 0.0665 0.7675 0.980 0.008 0.000 0.000 0.004 0.008
#> SRR1036067 1 0.0665 0.7675 0.980 0.008 0.000 0.000 0.004 0.008
#> SRR1036068 1 0.0665 0.7675 0.980 0.008 0.000 0.000 0.004 0.008
#> SRR1036069 1 0.0665 0.7675 0.980 0.008 0.000 0.000 0.004 0.008
#> SRR1036070 1 0.0665 0.7675 0.980 0.008 0.000 0.000 0.004 0.008
#> SRR1036071 1 0.0665 0.7675 0.980 0.008 0.000 0.000 0.004 0.008
#> SRR1036072 1 0.0665 0.7675 0.980 0.008 0.000 0.000 0.004 0.008
#> SRR1036073 1 0.0665 0.7675 0.980 0.008 0.000 0.000 0.004 0.008
#> SRR1036074 2 0.5562 0.6521 0.064 0.660 0.000 0.000 0.144 0.132
#> SRR1036075 2 0.5562 0.6521 0.064 0.660 0.000 0.000 0.144 0.132
#> SRR1036076 2 0.5562 0.6521 0.064 0.660 0.000 0.000 0.144 0.132
#> SRR1036077 2 0.5562 0.6521 0.064 0.660 0.000 0.000 0.144 0.132
#> SRR1036078 2 0.5562 0.6521 0.064 0.660 0.000 0.000 0.144 0.132
#> SRR1036079 2 0.5562 0.6521 0.064 0.660 0.000 0.000 0.144 0.132
#> SRR1036080 2 0.5562 0.6521 0.064 0.660 0.000 0.000 0.144 0.132
#> SRR1036081 2 0.5562 0.6521 0.064 0.660 0.000 0.000 0.144 0.132
#> SRR1036082 2 0.6751 0.3726 0.076 0.488 0.000 0.000 0.208 0.228
#> SRR1036083 2 0.6751 0.3726 0.076 0.488 0.000 0.000 0.208 0.228
#> SRR1036084 2 0.6751 0.3726 0.076 0.488 0.000 0.000 0.208 0.228
#> SRR1036090 6 0.6415 0.3233 0.376 0.176 0.004 0.000 0.024 0.420
#> SRR1036091 6 0.6415 0.3233 0.376 0.176 0.004 0.000 0.024 0.420
#> SRR1036092 6 0.6415 0.3233 0.376 0.176 0.004 0.000 0.024 0.420
#> SRR1036093 6 0.6415 0.3233 0.376 0.176 0.004 0.000 0.024 0.420
#> SRR1036094 6 0.6415 0.3233 0.376 0.176 0.004 0.000 0.024 0.420
#> SRR1036085 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036096 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036097 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036098 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036099 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036100 2 0.4301 0.6851 0.096 0.760 0.000 0.000 0.020 0.124
#> SRR1036101 2 0.4301 0.6851 0.096 0.760 0.000 0.000 0.020 0.124
#> SRR1036102 2 0.4301 0.6851 0.096 0.760 0.000 0.000 0.020 0.124
#> SRR1036103 2 0.4301 0.6851 0.096 0.760 0.000 0.000 0.020 0.124
#> SRR1036104 2 0.4301 0.6851 0.096 0.760 0.000 0.000 0.020 0.124
#> SRR1036105 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 6 0.7014 0.4327 0.104 0.180 0.000 0.000 0.268 0.448
#> SRR1036111 6 0.7014 0.4327 0.104 0.180 0.000 0.000 0.268 0.448
#> SRR1036112 6 0.7014 0.4327 0.104 0.180 0.000 0.000 0.268 0.448
#> SRR1036113 6 0.7014 0.4327 0.104 0.180 0.000 0.000 0.268 0.448
#> SRR1036114 6 0.7014 0.4327 0.104 0.180 0.000 0.000 0.268 0.448
#> SRR1036115 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036116 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036117 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036118 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036119 5 0.2100 1.0000 0.112 0.004 0.000 0.000 0.884 0.000
#> SRR1036120 6 0.4996 0.6114 0.232 0.004 0.004 0.000 0.104 0.656
#> SRR1036121 6 0.4996 0.6114 0.232 0.004 0.004 0.000 0.104 0.656
#> SRR1036122 6 0.4996 0.6114 0.232 0.004 0.004 0.000 0.104 0.656
#> SRR1036123 6 0.4996 0.6114 0.232 0.004 0.004 0.000 0.104 0.656
#> SRR1036124 6 0.4996 0.6114 0.232 0.004 0.004 0.000 0.104 0.656
#> SRR1036125 1 0.2384 0.7402 0.884 0.000 0.000 0.000 0.032 0.084
#> SRR1036126 1 0.2384 0.7402 0.884 0.000 0.000 0.000 0.032 0.084
#> SRR1036127 1 0.2384 0.7402 0.884 0.000 0.000 0.000 0.032 0.084
#> SRR1036128 1 0.2384 0.7402 0.884 0.000 0.000 0.000 0.032 0.084
#> SRR1036129 1 0.2384 0.7402 0.884 0.000 0.000 0.000 0.032 0.084
#> SRR1036130 1 0.2384 0.7402 0.884 0.000 0.000 0.000 0.032 0.084
#> SRR1036131 1 0.2384 0.7402 0.884 0.000 0.000 0.000 0.032 0.084
#> SRR1036132 1 0.2384 0.7402 0.884 0.000 0.000 0.000 0.032 0.084
#> SRR1036133 2 0.3274 0.7431 0.096 0.824 0.000 0.000 0.000 0.080
#> SRR1036134 2 0.3277 0.7426 0.092 0.824 0.000 0.000 0.000 0.084
#> SRR1036135 2 0.3274 0.7431 0.096 0.824 0.000 0.000 0.000 0.080
#> SRR1036136 2 0.3274 0.7431 0.096 0.824 0.000 0.000 0.000 0.080
#> SRR1036137 2 0.3274 0.7431 0.096 0.824 0.000 0.000 0.000 0.080
#> SRR1036138 2 0.2633 0.7399 0.020 0.864 0.004 0.000 0.000 0.112
#> SRR1036139 2 0.2633 0.7399 0.020 0.864 0.004 0.000 0.000 0.112
#> SRR1036140 2 0.2633 0.7399 0.020 0.864 0.004 0.000 0.000 0.112
#> SRR1036141 2 0.2633 0.7399 0.020 0.864 0.004 0.000 0.000 0.112
#> SRR1036142 2 0.2633 0.7399 0.020 0.864 0.004 0.000 0.000 0.112
#> SRR1036143 2 0.2633 0.7399 0.020 0.864 0.004 0.000 0.000 0.112
#> SRR1036144 2 0.2633 0.7399 0.020 0.864 0.004 0.000 0.000 0.112
#> SRR1036145 2 0.2633 0.7399 0.020 0.864 0.004 0.000 0.000 0.112
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["CV", "NMF"]
# you can also extract it by
# res = res_list["CV:NMF"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'CV' method.
#> Subgroups are detected by 'NMF' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 3.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.379 0.736 0.767 0.4411 0.615 0.615
#> 3 3 0.776 0.849 0.935 0.4716 0.669 0.490
#> 4 4 0.717 0.654 0.819 0.1368 0.848 0.610
#> 5 5 0.736 0.735 0.810 0.0684 0.884 0.609
#> 6 6 0.771 0.712 0.800 0.0444 0.925 0.670
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 3
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.8443 0.676 0.728 0.272
#> SRR1036003 1 0.8386 0.679 0.732 0.268
#> SRR1036004 1 0.8499 0.673 0.724 0.276
#> SRR1036005 1 0.0000 0.858 1.000 0.000
#> SRR1036006 1 0.0000 0.858 1.000 0.000
#> SRR1036007 1 0.0000 0.858 1.000 0.000
#> SRR1036008 1 0.0000 0.858 1.000 0.000
#> SRR1036009 1 0.0000 0.858 1.000 0.000
#> SRR1036013 1 0.4022 0.791 0.920 0.080
#> SRR1036014 1 0.4161 0.787 0.916 0.084
#> SRR1036015 1 0.4022 0.791 0.920 0.080
#> SRR1036016 1 0.4161 0.787 0.916 0.084
#> SRR1036017 1 0.4161 0.787 0.916 0.084
#> SRR1036018 1 0.3879 0.795 0.924 0.076
#> SRR1036010 2 0.3584 0.766 0.068 0.932
#> SRR1036011 2 0.3584 0.764 0.068 0.932
#> SRR1036012 2 0.3584 0.763 0.068 0.932
#> SRR1036019 2 0.6148 0.708 0.152 0.848
#> SRR1036020 2 0.6148 0.708 0.152 0.848
#> SRR1036021 2 0.6148 0.708 0.152 0.848
#> SRR1036022 2 0.6148 0.708 0.152 0.848
#> SRR1036023 2 0.6148 0.708 0.152 0.848
#> SRR1036024 2 0.8081 0.722 0.248 0.752
#> SRR1036025 2 0.8081 0.722 0.248 0.752
#> SRR1036026 2 0.8081 0.722 0.248 0.752
#> SRR1036027 2 0.8144 0.720 0.252 0.748
#> SRR1036028 2 0.8144 0.720 0.252 0.748
#> SRR1036029 2 0.8081 0.722 0.248 0.752
#> SRR1036030 2 0.1414 0.777 0.020 0.980
#> SRR1036031 2 0.1414 0.777 0.020 0.980
#> SRR1036032 2 0.1414 0.777 0.020 0.980
#> SRR1036033 2 0.1414 0.777 0.020 0.980
#> SRR1036034 2 0.1414 0.777 0.020 0.980
#> SRR1036035 2 0.1414 0.777 0.020 0.980
#> SRR1036036 2 0.1414 0.777 0.020 0.980
#> SRR1036037 2 0.1414 0.777 0.020 0.980
#> SRR1036038 2 0.6148 0.708 0.152 0.848
#> SRR1036039 2 0.6048 0.712 0.148 0.852
#> SRR1036040 2 0.6148 0.708 0.152 0.848
#> SRR1036041 2 0.0000 0.779 0.000 1.000
#> SRR1036042 1 0.8608 0.666 0.716 0.284
#> SRR1036043 1 0.8608 0.666 0.716 0.284
#> SRR1036044 1 0.8608 0.666 0.716 0.284
#> SRR1036045 1 0.8608 0.666 0.716 0.284
#> SRR1036046 1 0.8608 0.666 0.716 0.284
#> SRR1036047 1 0.8608 0.666 0.716 0.284
#> SRR1036048 1 0.8608 0.666 0.716 0.284
#> SRR1036049 1 0.8608 0.666 0.716 0.284
#> SRR1036050 2 0.1633 0.779 0.024 0.976
#> SRR1036051 2 0.1633 0.779 0.024 0.976
#> SRR1036052 2 0.1633 0.779 0.024 0.976
#> SRR1036053 2 0.1843 0.779 0.028 0.972
#> SRR1036054 2 0.1843 0.779 0.028 0.972
#> SRR1036055 2 0.0938 0.778 0.012 0.988
#> SRR1036056 2 0.0938 0.778 0.012 0.988
#> SRR1036057 2 0.0938 0.778 0.012 0.988
#> SRR1036058 2 0.8813 0.686 0.300 0.700
#> SRR1036059 2 0.8813 0.686 0.300 0.700
#> SRR1036060 2 0.8813 0.686 0.300 0.700
#> SRR1036061 2 0.8813 0.686 0.300 0.700
#> SRR1036062 2 0.8813 0.686 0.300 0.700
#> SRR1036063 2 0.8813 0.686 0.300 0.700
#> SRR1036064 2 0.8813 0.686 0.300 0.700
#> SRR1036065 2 0.8813 0.686 0.300 0.700
#> SRR1036066 2 0.8016 0.724 0.244 0.756
#> SRR1036067 2 0.7883 0.727 0.236 0.764
#> SRR1036068 2 0.8016 0.724 0.244 0.756
#> SRR1036069 2 0.7950 0.726 0.240 0.760
#> SRR1036070 2 0.7883 0.727 0.236 0.764
#> SRR1036071 2 0.8016 0.724 0.244 0.756
#> SRR1036072 2 0.8081 0.722 0.248 0.752
#> SRR1036073 2 0.7950 0.726 0.240 0.760
#> SRR1036074 2 0.0000 0.779 0.000 1.000
#> SRR1036075 2 0.0000 0.779 0.000 1.000
#> SRR1036076 2 0.0000 0.779 0.000 1.000
#> SRR1036077 2 0.0000 0.779 0.000 1.000
#> SRR1036078 2 0.0000 0.779 0.000 1.000
#> SRR1036079 2 0.0000 0.779 0.000 1.000
#> SRR1036080 2 0.0000 0.779 0.000 1.000
#> SRR1036081 2 0.0000 0.779 0.000 1.000
#> SRR1036082 2 0.0000 0.779 0.000 1.000
#> SRR1036083 2 0.0000 0.779 0.000 1.000
#> SRR1036084 2 0.0000 0.779 0.000 1.000
#> SRR1036090 2 0.6148 0.708 0.152 0.848
#> SRR1036091 2 0.6148 0.708 0.152 0.848
#> SRR1036092 2 0.6148 0.708 0.152 0.848
#> SRR1036093 2 0.6148 0.708 0.152 0.848
#> SRR1036094 2 0.6148 0.708 0.152 0.848
#> SRR1036085 1 0.0000 0.858 1.000 0.000
#> SRR1036086 1 0.0000 0.858 1.000 0.000
#> SRR1036087 1 0.0000 0.858 1.000 0.000
#> SRR1036088 1 0.0000 0.858 1.000 0.000
#> SRR1036089 1 0.0000 0.858 1.000 0.000
#> SRR1036095 2 0.8608 0.698 0.284 0.716
#> SRR1036096 2 0.8608 0.698 0.284 0.716
#> SRR1036097 2 0.8608 0.698 0.284 0.716
#> SRR1036098 2 0.8608 0.698 0.284 0.716
#> SRR1036099 2 0.8608 0.698 0.284 0.716
#> SRR1036100 2 0.1184 0.778 0.016 0.984
#> SRR1036101 2 0.0672 0.778 0.008 0.992
#> SRR1036102 2 0.1633 0.776 0.024 0.976
#> SRR1036103 2 0.1633 0.776 0.024 0.976
#> SRR1036104 2 0.1184 0.778 0.016 0.984
#> SRR1036105 1 0.0000 0.858 1.000 0.000
#> SRR1036106 1 0.0000 0.858 1.000 0.000
#> SRR1036107 1 0.0000 0.858 1.000 0.000
#> SRR1036108 1 0.0000 0.858 1.000 0.000
#> SRR1036109 1 0.0000 0.858 1.000 0.000
#> SRR1036110 2 0.8813 0.686 0.300 0.700
#> SRR1036111 2 0.8813 0.686 0.300 0.700
#> SRR1036112 2 0.8813 0.686 0.300 0.700
#> SRR1036113 2 0.8813 0.686 0.300 0.700
#> SRR1036114 2 0.8813 0.686 0.300 0.700
#> SRR1036115 2 0.8555 0.702 0.280 0.720
#> SRR1036116 2 0.8555 0.702 0.280 0.720
#> SRR1036117 2 0.8555 0.702 0.280 0.720
#> SRR1036118 2 0.8555 0.702 0.280 0.720
#> SRR1036119 2 0.8555 0.702 0.280 0.720
#> SRR1036120 1 0.0000 0.858 1.000 0.000
#> SRR1036121 1 0.0376 0.856 0.996 0.004
#> SRR1036122 1 0.0376 0.856 0.996 0.004
#> SRR1036123 1 0.0376 0.856 0.996 0.004
#> SRR1036124 1 0.0376 0.856 0.996 0.004
#> SRR1036125 2 0.9775 0.532 0.412 0.588
#> SRR1036126 2 0.9833 0.508 0.424 0.576
#> SRR1036127 2 0.9710 0.554 0.400 0.600
#> SRR1036128 2 0.9732 0.547 0.404 0.596
#> SRR1036129 2 0.9710 0.554 0.400 0.600
#> SRR1036130 2 0.9795 0.524 0.416 0.584
#> SRR1036131 2 0.9775 0.532 0.412 0.588
#> SRR1036132 2 0.9732 0.547 0.404 0.596
#> SRR1036133 2 0.5946 0.715 0.144 0.856
#> SRR1036134 2 0.5842 0.717 0.140 0.860
#> SRR1036135 2 0.5946 0.715 0.144 0.856
#> SRR1036136 2 0.5946 0.715 0.144 0.856
#> SRR1036137 2 0.5842 0.717 0.140 0.860
#> SRR1036138 2 0.6148 0.708 0.152 0.848
#> SRR1036139 2 0.6148 0.708 0.152 0.848
#> SRR1036140 2 0.6148 0.708 0.152 0.848
#> SRR1036141 2 0.6148 0.708 0.152 0.848
#> SRR1036142 2 0.6148 0.708 0.152 0.848
#> SRR1036143 2 0.6148 0.708 0.152 0.848
#> SRR1036144 2 0.6148 0.708 0.152 0.848
#> SRR1036145 2 0.6148 0.708 0.152 0.848
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.2261 0.854 0.000 0.068 0.932
#> SRR1036003 3 0.2066 0.861 0.000 0.060 0.940
#> SRR1036004 3 0.2356 0.850 0.000 0.072 0.928
#> SRR1036005 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036006 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036007 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036008 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036009 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036013 3 0.5254 0.654 0.264 0.000 0.736
#> SRR1036014 3 0.5098 0.677 0.248 0.000 0.752
#> SRR1036015 3 0.5621 0.576 0.308 0.000 0.692
#> SRR1036016 3 0.5529 0.600 0.296 0.000 0.704
#> SRR1036017 3 0.5431 0.621 0.284 0.000 0.716
#> SRR1036018 3 0.5216 0.661 0.260 0.000 0.740
#> SRR1036010 1 0.7116 0.511 0.636 0.324 0.040
#> SRR1036011 1 0.7357 0.485 0.620 0.332 0.048
#> SRR1036012 1 0.7310 0.434 0.600 0.360 0.040
#> SRR1036019 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036020 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036021 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036022 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036023 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036024 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036025 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036026 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036027 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036028 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036029 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036030 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036031 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036032 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036033 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036034 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036035 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036036 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036037 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036038 2 0.0661 0.917 0.004 0.988 0.008
#> SRR1036039 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036040 2 0.0475 0.919 0.004 0.992 0.004
#> SRR1036041 1 0.2261 0.884 0.932 0.068 0.000
#> SRR1036042 2 0.6518 0.132 0.004 0.512 0.484
#> SRR1036043 2 0.6513 0.158 0.004 0.520 0.476
#> SRR1036044 2 0.6421 0.311 0.004 0.572 0.424
#> SRR1036045 2 0.6228 0.433 0.004 0.624 0.372
#> SRR1036046 2 0.6476 0.245 0.004 0.548 0.448
#> SRR1036047 2 0.6398 0.332 0.004 0.580 0.416
#> SRR1036048 3 0.6521 -0.123 0.004 0.496 0.500
#> SRR1036049 2 0.6373 0.352 0.004 0.588 0.408
#> SRR1036050 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036051 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036052 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036053 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036054 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036055 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036056 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036057 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036058 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036059 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036060 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036061 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036062 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036063 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036064 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036065 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036066 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036067 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036068 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036069 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036070 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036071 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036072 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036073 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036074 2 0.3267 0.839 0.116 0.884 0.000
#> SRR1036075 2 0.3267 0.839 0.116 0.884 0.000
#> SRR1036076 2 0.3267 0.839 0.116 0.884 0.000
#> SRR1036077 2 0.3267 0.839 0.116 0.884 0.000
#> SRR1036078 2 0.3267 0.839 0.116 0.884 0.000
#> SRR1036079 2 0.3267 0.839 0.116 0.884 0.000
#> SRR1036080 2 0.3267 0.839 0.116 0.884 0.000
#> SRR1036081 2 0.3267 0.839 0.116 0.884 0.000
#> SRR1036082 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036083 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036084 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036090 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036091 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036092 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036093 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036094 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036085 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036086 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036087 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036088 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036089 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036095 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036096 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036097 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036098 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036099 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036100 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036101 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036102 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036103 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036104 2 0.0237 0.920 0.004 0.996 0.000
#> SRR1036105 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036106 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036107 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036108 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036109 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036110 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036111 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036112 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036113 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036114 1 0.0000 0.941 1.000 0.000 0.000
#> SRR1036115 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036116 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036117 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036118 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036119 1 0.0237 0.940 0.996 0.004 0.000
#> SRR1036120 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036121 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036122 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036123 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036124 3 0.0000 0.908 0.000 0.000 1.000
#> SRR1036125 1 0.4654 0.735 0.792 0.000 0.208
#> SRR1036126 1 0.5098 0.673 0.752 0.000 0.248
#> SRR1036127 1 0.4504 0.752 0.804 0.000 0.196
#> SRR1036128 1 0.4504 0.752 0.804 0.000 0.196
#> SRR1036129 1 0.4178 0.781 0.828 0.000 0.172
#> SRR1036130 1 0.4974 0.693 0.764 0.000 0.236
#> SRR1036131 1 0.4504 0.752 0.804 0.000 0.196
#> SRR1036132 1 0.4291 0.772 0.820 0.000 0.180
#> SRR1036133 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036134 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036135 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036136 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036137 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036138 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036139 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036140 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036141 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036142 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036143 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036144 2 0.0000 0.921 0.000 1.000 0.000
#> SRR1036145 2 0.0000 0.921 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.2485 0.8394 0.016 0.064 0.916 0.004
#> SRR1036003 3 0.2485 0.8394 0.016 0.064 0.916 0.004
#> SRR1036004 3 0.2365 0.8413 0.012 0.064 0.920 0.004
#> SRR1036005 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036013 3 0.3257 0.7911 0.004 0.000 0.844 0.152
#> SRR1036014 3 0.3355 0.7848 0.004 0.000 0.836 0.160
#> SRR1036015 3 0.3831 0.7421 0.004 0.000 0.792 0.204
#> SRR1036016 3 0.3945 0.7273 0.004 0.000 0.780 0.216
#> SRR1036017 3 0.3539 0.7705 0.004 0.000 0.820 0.176
#> SRR1036018 3 0.3494 0.7735 0.004 0.000 0.824 0.172
#> SRR1036010 1 0.3427 0.5668 0.860 0.028 0.000 0.112
#> SRR1036011 1 0.3427 0.5668 0.860 0.028 0.000 0.112
#> SRR1036012 1 0.3367 0.5666 0.864 0.028 0.000 0.108
#> SRR1036019 2 0.0188 0.8681 0.004 0.996 0.000 0.000
#> SRR1036020 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036021 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036022 2 0.0188 0.8681 0.004 0.996 0.000 0.000
#> SRR1036023 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036024 1 0.2530 0.6255 0.888 0.000 0.000 0.112
#> SRR1036025 1 0.2469 0.6261 0.892 0.000 0.000 0.108
#> SRR1036026 1 0.2281 0.6286 0.904 0.000 0.000 0.096
#> SRR1036027 1 0.2216 0.6289 0.908 0.000 0.000 0.092
#> SRR1036028 1 0.2589 0.6269 0.884 0.000 0.000 0.116
#> SRR1036029 1 0.2345 0.6288 0.900 0.000 0.000 0.100
#> SRR1036030 2 0.1004 0.8621 0.024 0.972 0.000 0.004
#> SRR1036031 2 0.1109 0.8612 0.028 0.968 0.000 0.004
#> SRR1036032 2 0.1109 0.8612 0.028 0.968 0.000 0.004
#> SRR1036033 2 0.1004 0.8621 0.024 0.972 0.000 0.004
#> SRR1036034 2 0.1004 0.8621 0.024 0.972 0.000 0.004
#> SRR1036035 2 0.1109 0.8612 0.028 0.968 0.000 0.004
#> SRR1036036 2 0.1004 0.8621 0.024 0.972 0.000 0.004
#> SRR1036037 2 0.1004 0.8621 0.024 0.972 0.000 0.004
#> SRR1036038 2 0.4220 0.6434 0.248 0.748 0.004 0.000
#> SRR1036039 2 0.4252 0.6384 0.252 0.744 0.004 0.000
#> SRR1036040 2 0.4188 0.6482 0.244 0.752 0.004 0.000
#> SRR1036041 1 0.4446 0.5450 0.776 0.028 0.000 0.196
#> SRR1036042 3 0.8067 0.0646 0.244 0.368 0.380 0.008
#> SRR1036043 3 0.8067 0.0646 0.244 0.368 0.380 0.008
#> SRR1036044 2 0.8062 -0.0380 0.244 0.392 0.356 0.008
#> SRR1036045 2 0.8069 -0.0202 0.248 0.396 0.348 0.008
#> SRR1036046 2 0.8066 -0.0623 0.244 0.384 0.364 0.008
#> SRR1036047 2 0.8064 -0.0503 0.244 0.388 0.360 0.008
#> SRR1036048 3 0.8080 0.0586 0.248 0.368 0.376 0.008
#> SRR1036049 2 0.8062 -0.0373 0.244 0.392 0.356 0.008
#> SRR1036050 1 0.4877 0.0848 0.592 0.000 0.000 0.408
#> SRR1036051 1 0.4888 0.0704 0.588 0.000 0.000 0.412
#> SRR1036052 1 0.4888 0.0704 0.588 0.000 0.000 0.412
#> SRR1036053 1 0.4888 0.0704 0.588 0.000 0.000 0.412
#> SRR1036054 1 0.4866 0.0989 0.596 0.000 0.000 0.404
#> SRR1036055 2 0.4164 0.6371 0.264 0.736 0.000 0.000
#> SRR1036056 2 0.4222 0.6256 0.272 0.728 0.000 0.000
#> SRR1036057 2 0.4250 0.6214 0.276 0.724 0.000 0.000
#> SRR1036058 4 0.2345 0.6563 0.100 0.000 0.000 0.900
#> SRR1036059 4 0.2345 0.6563 0.100 0.000 0.000 0.900
#> SRR1036060 4 0.2345 0.6563 0.100 0.000 0.000 0.900
#> SRR1036061 4 0.2345 0.6563 0.100 0.000 0.000 0.900
#> SRR1036062 4 0.2345 0.6563 0.100 0.000 0.000 0.900
#> SRR1036063 4 0.2345 0.6563 0.100 0.000 0.000 0.900
#> SRR1036064 4 0.2345 0.6563 0.100 0.000 0.000 0.900
#> SRR1036065 4 0.2345 0.6563 0.100 0.000 0.000 0.900
#> SRR1036066 1 0.2530 0.6247 0.888 0.000 0.000 0.112
#> SRR1036067 1 0.2647 0.6210 0.880 0.000 0.000 0.120
#> SRR1036068 1 0.2647 0.6210 0.880 0.000 0.000 0.120
#> SRR1036069 1 0.2589 0.6232 0.884 0.000 0.000 0.116
#> SRR1036070 1 0.2530 0.6247 0.888 0.000 0.000 0.112
#> SRR1036071 1 0.2589 0.6232 0.884 0.000 0.000 0.116
#> SRR1036072 1 0.2760 0.6158 0.872 0.000 0.000 0.128
#> SRR1036073 1 0.2530 0.6247 0.888 0.000 0.000 0.112
#> SRR1036074 1 0.5698 0.4708 0.636 0.044 0.000 0.320
#> SRR1036075 1 0.5678 0.4737 0.640 0.044 0.000 0.316
#> SRR1036076 1 0.5678 0.4737 0.640 0.044 0.000 0.316
#> SRR1036077 1 0.5558 0.4726 0.640 0.036 0.000 0.324
#> SRR1036078 1 0.5773 0.4673 0.632 0.048 0.000 0.320
#> SRR1036079 1 0.5678 0.4737 0.640 0.044 0.000 0.316
#> SRR1036080 1 0.5717 0.4674 0.632 0.044 0.000 0.324
#> SRR1036081 1 0.5754 0.4704 0.636 0.048 0.000 0.316
#> SRR1036082 1 0.4830 0.4249 0.608 0.000 0.000 0.392
#> SRR1036083 1 0.4790 0.4350 0.620 0.000 0.000 0.380
#> SRR1036084 1 0.4843 0.4208 0.604 0.000 0.000 0.396
#> SRR1036090 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036091 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036092 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036093 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036094 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036085 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036095 4 0.4164 0.6959 0.264 0.000 0.000 0.736
#> SRR1036096 4 0.4164 0.6959 0.264 0.000 0.000 0.736
#> SRR1036097 4 0.4164 0.6959 0.264 0.000 0.000 0.736
#> SRR1036098 4 0.4164 0.6959 0.264 0.000 0.000 0.736
#> SRR1036099 4 0.4193 0.6933 0.268 0.000 0.000 0.732
#> SRR1036100 2 0.3885 0.7865 0.092 0.844 0.000 0.064
#> SRR1036101 2 0.4188 0.7706 0.112 0.824 0.000 0.064
#> SRR1036102 2 0.4022 0.7812 0.096 0.836 0.000 0.068
#> SRR1036103 2 0.3745 0.7922 0.088 0.852 0.000 0.060
#> SRR1036104 2 0.3754 0.7919 0.084 0.852 0.000 0.064
#> SRR1036105 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.8862 0.000 0.000 1.000 0.000
#> SRR1036110 1 0.4916 0.3358 0.576 0.000 0.000 0.424
#> SRR1036111 1 0.4888 0.3537 0.588 0.000 0.000 0.412
#> SRR1036112 1 0.4941 0.3150 0.564 0.000 0.000 0.436
#> SRR1036113 1 0.4907 0.3431 0.580 0.000 0.000 0.420
#> SRR1036114 1 0.4916 0.3358 0.576 0.000 0.000 0.424
#> SRR1036115 4 0.4500 0.6496 0.316 0.000 0.000 0.684
#> SRR1036116 4 0.4500 0.6496 0.316 0.000 0.000 0.684
#> SRR1036117 4 0.4500 0.6496 0.316 0.000 0.000 0.684
#> SRR1036118 4 0.4500 0.6496 0.316 0.000 0.000 0.684
#> SRR1036119 4 0.4500 0.6496 0.316 0.000 0.000 0.684
#> SRR1036120 3 0.0707 0.8798 0.000 0.000 0.980 0.020
#> SRR1036121 3 0.0707 0.8798 0.000 0.000 0.980 0.020
#> SRR1036122 3 0.0707 0.8798 0.000 0.000 0.980 0.020
#> SRR1036123 3 0.0921 0.8753 0.000 0.000 0.972 0.028
#> SRR1036124 3 0.0817 0.8777 0.000 0.000 0.976 0.024
#> SRR1036125 1 0.3757 0.5903 0.828 0.000 0.020 0.152
#> SRR1036126 1 0.3862 0.5867 0.824 0.000 0.024 0.152
#> SRR1036127 1 0.3529 0.5927 0.836 0.000 0.012 0.152
#> SRR1036128 1 0.3757 0.5903 0.828 0.000 0.020 0.152
#> SRR1036129 1 0.3450 0.5912 0.836 0.000 0.008 0.156
#> SRR1036130 1 0.3757 0.5903 0.828 0.000 0.020 0.152
#> SRR1036131 1 0.3757 0.5903 0.828 0.000 0.020 0.152
#> SRR1036132 1 0.3577 0.5905 0.832 0.000 0.012 0.156
#> SRR1036133 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036134 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036135 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036136 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036137 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036138 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036139 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036140 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036141 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036142 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036143 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036144 2 0.0000 0.8693 0.000 1.000 0.000 0.000
#> SRR1036145 2 0.0000 0.8693 0.000 1.000 0.000 0.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.5491 0.436 0.004 0.080 0.616 0.300 0.000
#> SRR1036003 3 0.5523 0.437 0.004 0.084 0.616 0.296 0.000
#> SRR1036004 3 0.5505 0.446 0.004 0.084 0.620 0.292 0.000
#> SRR1036005 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 3 0.2170 0.867 0.004 0.000 0.904 0.004 0.088
#> SRR1036014 3 0.2112 0.868 0.004 0.000 0.908 0.004 0.084
#> SRR1036015 3 0.2957 0.832 0.008 0.000 0.860 0.012 0.120
#> SRR1036016 3 0.2699 0.850 0.008 0.000 0.880 0.012 0.100
#> SRR1036017 3 0.1991 0.873 0.004 0.000 0.916 0.004 0.076
#> SRR1036018 3 0.2352 0.860 0.004 0.000 0.896 0.008 0.092
#> SRR1036010 1 0.5012 0.333 0.600 0.004 0.000 0.364 0.032
#> SRR1036011 1 0.4937 0.336 0.604 0.004 0.000 0.364 0.028
#> SRR1036012 1 0.4961 0.314 0.596 0.004 0.000 0.372 0.028
#> SRR1036019 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036020 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036021 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036022 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036023 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036024 1 0.1908 0.774 0.908 0.000 0.000 0.092 0.000
#> SRR1036025 1 0.1671 0.790 0.924 0.000 0.000 0.076 0.000
#> SRR1036026 1 0.1671 0.790 0.924 0.000 0.000 0.076 0.000
#> SRR1036027 1 0.1478 0.799 0.936 0.000 0.000 0.064 0.000
#> SRR1036028 1 0.1671 0.790 0.924 0.000 0.000 0.076 0.000
#> SRR1036029 1 0.1043 0.816 0.960 0.000 0.000 0.040 0.000
#> SRR1036030 2 0.3367 0.849 0.012 0.856 0.000 0.052 0.080
#> SRR1036031 2 0.3367 0.849 0.012 0.856 0.000 0.052 0.080
#> SRR1036032 2 0.3367 0.849 0.012 0.856 0.000 0.052 0.080
#> SRR1036033 2 0.3367 0.849 0.012 0.856 0.000 0.052 0.080
#> SRR1036034 2 0.3367 0.849 0.012 0.856 0.000 0.052 0.080
#> SRR1036035 2 0.3367 0.849 0.012 0.856 0.000 0.052 0.080
#> SRR1036036 2 0.3367 0.849 0.012 0.856 0.000 0.052 0.080
#> SRR1036037 2 0.3367 0.849 0.012 0.856 0.000 0.052 0.080
#> SRR1036038 2 0.5082 0.483 0.344 0.620 0.004 0.016 0.016
#> SRR1036039 2 0.5099 0.429 0.368 0.596 0.000 0.020 0.016
#> SRR1036040 2 0.5036 0.509 0.332 0.632 0.004 0.016 0.016
#> SRR1036041 1 0.3147 0.728 0.856 0.024 0.000 0.008 0.112
#> SRR1036042 4 0.6201 0.700 0.084 0.196 0.072 0.648 0.000
#> SRR1036043 4 0.6175 0.701 0.084 0.200 0.068 0.648 0.000
#> SRR1036044 4 0.6175 0.701 0.084 0.200 0.068 0.648 0.000
#> SRR1036045 4 0.6169 0.701 0.088 0.200 0.064 0.648 0.000
#> SRR1036046 4 0.6196 0.702 0.088 0.196 0.068 0.648 0.000
#> SRR1036047 4 0.6148 0.700 0.084 0.204 0.064 0.648 0.000
#> SRR1036048 4 0.6201 0.700 0.084 0.196 0.072 0.648 0.000
#> SRR1036049 4 0.6196 0.702 0.088 0.196 0.068 0.648 0.000
#> SRR1036050 1 0.5342 0.406 0.612 0.000 0.000 0.076 0.312
#> SRR1036051 1 0.5342 0.406 0.612 0.000 0.000 0.076 0.312
#> SRR1036052 1 0.5342 0.406 0.612 0.000 0.000 0.076 0.312
#> SRR1036053 1 0.5359 0.397 0.608 0.000 0.000 0.076 0.316
#> SRR1036054 1 0.5342 0.406 0.612 0.000 0.000 0.076 0.312
#> SRR1036055 2 0.4861 0.768 0.116 0.768 0.000 0.064 0.052
#> SRR1036056 2 0.4997 0.754 0.128 0.756 0.000 0.064 0.052
#> SRR1036057 2 0.4953 0.759 0.124 0.760 0.000 0.064 0.052
#> SRR1036058 5 0.4930 0.585 0.072 0.000 0.000 0.244 0.684
#> SRR1036059 5 0.4930 0.585 0.072 0.000 0.000 0.244 0.684
#> SRR1036060 5 0.4930 0.585 0.072 0.000 0.000 0.244 0.684
#> SRR1036061 5 0.4930 0.585 0.072 0.000 0.000 0.244 0.684
#> SRR1036062 5 0.4930 0.585 0.072 0.000 0.000 0.244 0.684
#> SRR1036063 5 0.4930 0.585 0.072 0.000 0.000 0.244 0.684
#> SRR1036064 5 0.4930 0.585 0.072 0.000 0.000 0.244 0.684
#> SRR1036065 5 0.4930 0.585 0.072 0.000 0.000 0.244 0.684
#> SRR1036066 1 0.0290 0.832 0.992 0.000 0.000 0.008 0.000
#> SRR1036067 1 0.0290 0.832 0.992 0.000 0.000 0.008 0.000
#> SRR1036068 1 0.0290 0.832 0.992 0.000 0.000 0.008 0.000
#> SRR1036069 1 0.0290 0.832 0.992 0.000 0.000 0.008 0.000
#> SRR1036070 1 0.0290 0.832 0.992 0.000 0.000 0.008 0.000
#> SRR1036071 1 0.0290 0.832 0.992 0.000 0.000 0.008 0.000
#> SRR1036072 1 0.0290 0.832 0.992 0.000 0.000 0.008 0.000
#> SRR1036073 1 0.0290 0.832 0.992 0.000 0.000 0.008 0.000
#> SRR1036074 4 0.3509 0.705 0.196 0.008 0.000 0.792 0.004
#> SRR1036075 4 0.3618 0.705 0.196 0.012 0.000 0.788 0.004
#> SRR1036076 4 0.3509 0.705 0.196 0.008 0.000 0.792 0.004
#> SRR1036077 4 0.3509 0.705 0.196 0.008 0.000 0.792 0.004
#> SRR1036078 4 0.3509 0.705 0.196 0.008 0.000 0.792 0.004
#> SRR1036079 4 0.3509 0.705 0.196 0.008 0.000 0.792 0.004
#> SRR1036080 4 0.3509 0.705 0.196 0.008 0.000 0.792 0.004
#> SRR1036081 4 0.3618 0.705 0.196 0.012 0.000 0.788 0.004
#> SRR1036082 4 0.4807 0.622 0.132 0.000 0.000 0.728 0.140
#> SRR1036083 4 0.4807 0.622 0.132 0.000 0.000 0.728 0.140
#> SRR1036084 4 0.4766 0.625 0.132 0.000 0.000 0.732 0.136
#> SRR1036090 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036091 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036092 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036093 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036094 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036085 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 5 0.3897 0.616 0.204 0.000 0.000 0.028 0.768
#> SRR1036096 5 0.3897 0.616 0.204 0.000 0.000 0.028 0.768
#> SRR1036097 5 0.3863 0.617 0.200 0.000 0.000 0.028 0.772
#> SRR1036098 5 0.3897 0.616 0.204 0.000 0.000 0.028 0.768
#> SRR1036099 5 0.3897 0.616 0.204 0.000 0.000 0.028 0.768
#> SRR1036100 4 0.5701 0.567 0.004 0.284 0.000 0.608 0.104
#> SRR1036101 4 0.5622 0.583 0.004 0.260 0.000 0.628 0.108
#> SRR1036102 4 0.5523 0.562 0.004 0.296 0.000 0.616 0.084
#> SRR1036103 4 0.5517 0.509 0.004 0.332 0.000 0.592 0.072
#> SRR1036104 4 0.5687 0.511 0.004 0.324 0.000 0.584 0.088
#> SRR1036105 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 0.906 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.4062 0.507 0.040 0.000 0.000 0.764 0.196
#> SRR1036111 4 0.4028 0.512 0.040 0.000 0.000 0.768 0.192
#> SRR1036112 4 0.4161 0.492 0.040 0.000 0.000 0.752 0.208
#> SRR1036113 4 0.4129 0.497 0.040 0.000 0.000 0.756 0.204
#> SRR1036114 4 0.3994 0.516 0.040 0.000 0.000 0.772 0.188
#> SRR1036115 5 0.4655 0.482 0.328 0.000 0.000 0.028 0.644
#> SRR1036116 5 0.4655 0.482 0.328 0.000 0.000 0.028 0.644
#> SRR1036117 5 0.4655 0.482 0.328 0.000 0.000 0.028 0.644
#> SRR1036118 5 0.4671 0.474 0.332 0.000 0.000 0.028 0.640
#> SRR1036119 5 0.4655 0.482 0.328 0.000 0.000 0.028 0.644
#> SRR1036120 3 0.3130 0.843 0.000 0.000 0.856 0.096 0.048
#> SRR1036121 3 0.3130 0.843 0.000 0.000 0.856 0.096 0.048
#> SRR1036122 3 0.3058 0.844 0.000 0.000 0.860 0.096 0.044
#> SRR1036123 3 0.3130 0.842 0.000 0.000 0.856 0.096 0.048
#> SRR1036124 3 0.3130 0.843 0.000 0.000 0.856 0.096 0.048
#> SRR1036125 1 0.0324 0.829 0.992 0.000 0.004 0.000 0.004
#> SRR1036126 1 0.0451 0.827 0.988 0.000 0.008 0.000 0.004
#> SRR1036127 1 0.0162 0.830 0.996 0.000 0.000 0.000 0.004
#> SRR1036128 1 0.0324 0.829 0.992 0.000 0.004 0.000 0.004
#> SRR1036129 1 0.0162 0.830 0.996 0.000 0.000 0.000 0.004
#> SRR1036130 1 0.0451 0.827 0.988 0.000 0.008 0.000 0.004
#> SRR1036131 1 0.0451 0.827 0.988 0.000 0.008 0.000 0.004
#> SRR1036132 1 0.0162 0.830 0.996 0.000 0.000 0.000 0.004
#> SRR1036133 2 0.0290 0.902 0.000 0.992 0.000 0.000 0.008
#> SRR1036134 2 0.0290 0.902 0.000 0.992 0.000 0.000 0.008
#> SRR1036135 2 0.0290 0.902 0.000 0.992 0.000 0.000 0.008
#> SRR1036136 2 0.0290 0.902 0.000 0.992 0.000 0.000 0.008
#> SRR1036137 2 0.0290 0.902 0.000 0.992 0.000 0.000 0.008
#> SRR1036138 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036139 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036140 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036141 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036142 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036143 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036144 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
#> SRR1036145 2 0.0162 0.904 0.000 0.996 0.000 0.004 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 5 0.3445 0.469 0.000 0.048 0.156 0.000 0.796 0.000
#> SRR1036003 5 0.3445 0.469 0.000 0.048 0.156 0.000 0.796 0.000
#> SRR1036004 5 0.3516 0.461 0.000 0.048 0.164 0.000 0.788 0.000
#> SRR1036005 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036006 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036007 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036008 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036009 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036013 3 0.2948 0.829 0.012 0.000 0.860 0.044 0.000 0.084
#> SRR1036014 3 0.2828 0.834 0.012 0.000 0.868 0.040 0.000 0.080
#> SRR1036015 3 0.3620 0.777 0.012 0.000 0.808 0.060 0.000 0.120
#> SRR1036016 3 0.3065 0.822 0.012 0.000 0.852 0.048 0.000 0.088
#> SRR1036017 3 0.2867 0.836 0.016 0.000 0.868 0.040 0.000 0.076
#> SRR1036018 3 0.2849 0.830 0.008 0.000 0.864 0.044 0.000 0.084
#> SRR1036010 5 0.4048 0.433 0.236 0.004 0.000 0.012 0.728 0.020
#> SRR1036011 5 0.4121 0.420 0.248 0.004 0.000 0.012 0.716 0.020
#> SRR1036012 5 0.3997 0.438 0.228 0.004 0.000 0.012 0.736 0.020
#> SRR1036019 2 0.1124 0.824 0.000 0.956 0.000 0.008 0.036 0.000
#> SRR1036020 2 0.1225 0.823 0.000 0.952 0.000 0.012 0.036 0.000
#> SRR1036021 2 0.1320 0.821 0.000 0.948 0.000 0.016 0.036 0.000
#> SRR1036022 2 0.1492 0.817 0.000 0.940 0.000 0.024 0.036 0.000
#> SRR1036023 2 0.1408 0.819 0.000 0.944 0.000 0.020 0.036 0.000
#> SRR1036024 1 0.0363 0.981 0.988 0.000 0.000 0.012 0.000 0.000
#> SRR1036025 1 0.0363 0.981 0.988 0.000 0.000 0.012 0.000 0.000
#> SRR1036026 1 0.0363 0.981 0.988 0.000 0.000 0.012 0.000 0.000
#> SRR1036027 1 0.0363 0.981 0.988 0.000 0.000 0.012 0.000 0.000
#> SRR1036028 1 0.0363 0.981 0.988 0.000 0.000 0.012 0.000 0.000
#> SRR1036029 1 0.0260 0.984 0.992 0.000 0.000 0.008 0.000 0.000
#> SRR1036030 2 0.5642 0.686 0.000 0.660 0.000 0.132 0.116 0.092
#> SRR1036031 2 0.5598 0.689 0.000 0.664 0.000 0.132 0.116 0.088
#> SRR1036032 2 0.5598 0.689 0.000 0.664 0.000 0.132 0.116 0.088
#> SRR1036033 2 0.5598 0.689 0.000 0.664 0.000 0.132 0.116 0.088
#> SRR1036034 2 0.5598 0.689 0.000 0.664 0.000 0.132 0.116 0.088
#> SRR1036035 2 0.5598 0.689 0.000 0.664 0.000 0.132 0.116 0.088
#> SRR1036036 2 0.5598 0.689 0.000 0.664 0.000 0.132 0.116 0.088
#> SRR1036037 2 0.5598 0.689 0.000 0.664 0.000 0.132 0.116 0.088
#> SRR1036038 2 0.7840 0.192 0.276 0.364 0.000 0.088 0.232 0.040
#> SRR1036039 2 0.7875 0.165 0.276 0.356 0.000 0.084 0.240 0.044
#> SRR1036040 2 0.7735 0.240 0.284 0.388 0.000 0.084 0.204 0.040
#> SRR1036041 1 0.1672 0.911 0.932 0.000 0.000 0.016 0.004 0.048
#> SRR1036042 5 0.2094 0.556 0.020 0.080 0.000 0.000 0.900 0.000
#> SRR1036043 5 0.2094 0.556 0.020 0.080 0.000 0.000 0.900 0.000
#> SRR1036044 5 0.2094 0.556 0.020 0.080 0.000 0.000 0.900 0.000
#> SRR1036045 5 0.2094 0.556 0.020 0.080 0.000 0.000 0.900 0.000
#> SRR1036046 5 0.2094 0.556 0.020 0.080 0.000 0.000 0.900 0.000
#> SRR1036047 5 0.2094 0.556 0.020 0.080 0.000 0.000 0.900 0.000
#> SRR1036048 5 0.2094 0.556 0.020 0.080 0.000 0.000 0.900 0.000
#> SRR1036049 5 0.2094 0.556 0.020 0.080 0.000 0.000 0.900 0.000
#> SRR1036050 6 0.5280 0.636 0.364 0.000 0.004 0.072 0.008 0.552
#> SRR1036051 6 0.5280 0.636 0.364 0.000 0.004 0.072 0.008 0.552
#> SRR1036052 6 0.5280 0.636 0.364 0.000 0.004 0.072 0.008 0.552
#> SRR1036053 6 0.5280 0.636 0.364 0.000 0.004 0.072 0.008 0.552
#> SRR1036054 6 0.5280 0.636 0.364 0.000 0.004 0.072 0.008 0.552
#> SRR1036055 2 0.6223 0.672 0.048 0.648 0.000 0.132 0.096 0.076
#> SRR1036056 2 0.6196 0.675 0.052 0.652 0.000 0.128 0.096 0.072
#> SRR1036057 2 0.6300 0.668 0.056 0.644 0.000 0.128 0.096 0.076
#> SRR1036058 4 0.4357 0.610 0.036 0.000 0.000 0.624 0.000 0.340
#> SRR1036059 4 0.4357 0.610 0.036 0.000 0.000 0.624 0.000 0.340
#> SRR1036060 4 0.4357 0.610 0.036 0.000 0.000 0.624 0.000 0.340
#> SRR1036061 4 0.4357 0.610 0.036 0.000 0.000 0.624 0.000 0.340
#> SRR1036062 4 0.4357 0.610 0.036 0.000 0.000 0.624 0.000 0.340
#> SRR1036063 4 0.4357 0.610 0.036 0.000 0.000 0.624 0.000 0.340
#> SRR1036064 4 0.4357 0.610 0.036 0.000 0.000 0.624 0.000 0.340
#> SRR1036065 4 0.4357 0.610 0.036 0.000 0.000 0.624 0.000 0.340
#> SRR1036066 1 0.0146 0.986 0.996 0.000 0.000 0.004 0.000 0.000
#> SRR1036067 1 0.0146 0.986 0.996 0.000 0.000 0.004 0.000 0.000
#> SRR1036068 1 0.0146 0.986 0.996 0.000 0.000 0.004 0.000 0.000
#> SRR1036069 1 0.0146 0.986 0.996 0.000 0.000 0.004 0.000 0.000
#> SRR1036070 1 0.0146 0.986 0.996 0.000 0.000 0.004 0.000 0.000
#> SRR1036071 1 0.0146 0.986 0.996 0.000 0.000 0.004 0.000 0.000
#> SRR1036072 1 0.0146 0.986 0.996 0.000 0.000 0.004 0.000 0.000
#> SRR1036073 1 0.0146 0.986 0.996 0.000 0.000 0.004 0.000 0.000
#> SRR1036074 5 0.6501 0.488 0.152 0.000 0.000 0.268 0.512 0.068
#> SRR1036075 5 0.6501 0.488 0.152 0.000 0.000 0.268 0.512 0.068
#> SRR1036076 5 0.6501 0.488 0.152 0.000 0.000 0.268 0.512 0.068
#> SRR1036077 5 0.6501 0.488 0.152 0.000 0.000 0.268 0.512 0.068
#> SRR1036078 5 0.6501 0.488 0.152 0.000 0.000 0.268 0.512 0.068
#> SRR1036079 5 0.6501 0.488 0.152 0.000 0.000 0.268 0.512 0.068
#> SRR1036080 5 0.6501 0.488 0.152 0.000 0.000 0.268 0.512 0.068
#> SRR1036081 5 0.6501 0.488 0.152 0.000 0.000 0.268 0.512 0.068
#> SRR1036082 4 0.6117 -0.145 0.096 0.000 0.000 0.556 0.276 0.072
#> SRR1036083 4 0.6156 -0.151 0.100 0.000 0.000 0.552 0.276 0.072
#> SRR1036084 4 0.6082 -0.137 0.088 0.000 0.000 0.560 0.276 0.076
#> SRR1036090 2 0.1007 0.824 0.000 0.956 0.000 0.000 0.044 0.000
#> SRR1036091 2 0.1007 0.824 0.000 0.956 0.000 0.000 0.044 0.000
#> SRR1036092 2 0.1007 0.824 0.000 0.956 0.000 0.000 0.044 0.000
#> SRR1036093 2 0.1007 0.824 0.000 0.956 0.000 0.000 0.044 0.000
#> SRR1036094 2 0.1007 0.824 0.000 0.956 0.000 0.000 0.044 0.000
#> SRR1036085 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036086 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036087 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036088 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036089 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036095 6 0.2053 0.777 0.108 0.000 0.000 0.004 0.000 0.888
#> SRR1036096 6 0.2053 0.777 0.108 0.000 0.000 0.004 0.000 0.888
#> SRR1036097 6 0.2053 0.777 0.108 0.000 0.000 0.004 0.000 0.888
#> SRR1036098 6 0.2053 0.777 0.108 0.000 0.000 0.004 0.000 0.888
#> SRR1036099 6 0.2053 0.777 0.108 0.000 0.000 0.004 0.000 0.888
#> SRR1036100 5 0.7253 0.401 0.008 0.092 0.000 0.328 0.392 0.180
#> SRR1036101 5 0.7287 0.395 0.012 0.080 0.000 0.332 0.384 0.192
#> SRR1036102 5 0.7287 0.401 0.008 0.104 0.000 0.324 0.396 0.168
#> SRR1036103 5 0.7313 0.395 0.008 0.104 0.000 0.332 0.384 0.172
#> SRR1036104 5 0.7294 0.390 0.008 0.096 0.000 0.340 0.376 0.180
#> SRR1036105 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036106 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036107 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036108 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036109 3 0.0146 0.900 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036110 4 0.4933 0.489 0.004 0.000 0.000 0.588 0.340 0.068
#> SRR1036111 4 0.4920 0.476 0.004 0.000 0.000 0.580 0.352 0.064
#> SRR1036112 4 0.4822 0.514 0.004 0.000 0.000 0.620 0.308 0.068
#> SRR1036113 4 0.4852 0.508 0.004 0.000 0.000 0.612 0.316 0.068
#> SRR1036114 4 0.4821 0.486 0.004 0.000 0.000 0.600 0.336 0.060
#> SRR1036115 6 0.2454 0.809 0.160 0.000 0.000 0.000 0.000 0.840
#> SRR1036116 6 0.2416 0.808 0.156 0.000 0.000 0.000 0.000 0.844
#> SRR1036117 6 0.2454 0.809 0.160 0.000 0.000 0.000 0.000 0.840
#> SRR1036118 6 0.2454 0.809 0.160 0.000 0.000 0.000 0.000 0.840
#> SRR1036119 6 0.2454 0.809 0.160 0.000 0.000 0.000 0.000 0.840
#> SRR1036120 3 0.4588 0.687 0.000 0.000 0.700 0.048 0.228 0.024
#> SRR1036121 3 0.4459 0.697 0.000 0.000 0.712 0.048 0.220 0.020
#> SRR1036122 3 0.4428 0.693 0.000 0.000 0.708 0.048 0.228 0.016
#> SRR1036123 3 0.4588 0.687 0.000 0.000 0.700 0.048 0.228 0.024
#> SRR1036124 3 0.4671 0.678 0.000 0.000 0.692 0.052 0.232 0.024
#> SRR1036125 1 0.0260 0.982 0.992 0.000 0.000 0.000 0.000 0.008
#> SRR1036126 1 0.0260 0.982 0.992 0.000 0.000 0.000 0.000 0.008
#> SRR1036127 1 0.0260 0.982 0.992 0.000 0.000 0.000 0.000 0.008
#> SRR1036128 1 0.0405 0.979 0.988 0.000 0.004 0.000 0.000 0.008
#> SRR1036129 1 0.0260 0.982 0.992 0.000 0.000 0.000 0.000 0.008
#> SRR1036130 1 0.0405 0.979 0.988 0.000 0.004 0.000 0.000 0.008
#> SRR1036131 1 0.0405 0.979 0.988 0.000 0.004 0.000 0.000 0.008
#> SRR1036132 1 0.0260 0.982 0.992 0.000 0.000 0.000 0.000 0.008
#> SRR1036133 2 0.0000 0.825 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036134 2 0.0000 0.825 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036135 2 0.0000 0.825 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036136 2 0.0000 0.825 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036137 2 0.0000 0.825 0.000 1.000 0.000 0.000 0.000 0.000
#> SRR1036138 2 0.0713 0.828 0.000 0.972 0.000 0.000 0.028 0.000
#> SRR1036139 2 0.0713 0.828 0.000 0.972 0.000 0.000 0.028 0.000
#> SRR1036140 2 0.0713 0.828 0.000 0.972 0.000 0.000 0.028 0.000
#> SRR1036141 2 0.0713 0.828 0.000 0.972 0.000 0.000 0.028 0.000
#> SRR1036142 2 0.0713 0.828 0.000 0.972 0.000 0.000 0.028 0.000
#> SRR1036143 2 0.0713 0.828 0.000 0.972 0.000 0.000 0.028 0.000
#> SRR1036144 2 0.0713 0.828 0.000 0.972 0.000 0.000 0.028 0.000
#> SRR1036145 2 0.0713 0.828 0.000 0.972 0.000 0.000 0.028 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["MAD", "hclust"]
# you can also extract it by
# res = res_list["MAD:hclust"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'MAD' method.
#> Subgroups are detected by 'hclust' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 4.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.631 0.884 0.923 0.1907 0.759 0.759
#> 3 3 0.328 0.663 0.769 1.4417 0.642 0.541
#> 4 4 0.677 0.842 0.908 0.3465 0.887 0.753
#> 5 5 0.631 0.696 0.819 0.1196 0.854 0.619
#> 6 6 0.722 0.855 0.889 0.0989 0.938 0.774
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 4
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.802 0.441 0.244 0.756
#> SRR1036003 2 0.802 0.441 0.244 0.756
#> SRR1036004 2 0.802 0.441 0.244 0.756
#> SRR1036005 1 0.932 0.867 0.652 0.348
#> SRR1036006 1 0.932 0.867 0.652 0.348
#> SRR1036007 1 0.932 0.867 0.652 0.348
#> SRR1036008 1 0.932 0.867 0.652 0.348
#> SRR1036009 1 0.932 0.867 0.652 0.348
#> SRR1036013 2 0.000 0.949 0.000 1.000
#> SRR1036014 2 0.000 0.949 0.000 1.000
#> SRR1036015 2 0.000 0.949 0.000 1.000
#> SRR1036016 2 0.000 0.949 0.000 1.000
#> SRR1036017 2 0.000 0.949 0.000 1.000
#> SRR1036018 2 0.000 0.949 0.000 1.000
#> SRR1036010 2 0.184 0.937 0.028 0.972
#> SRR1036011 2 0.184 0.937 0.028 0.972
#> SRR1036012 2 0.184 0.937 0.028 0.972
#> SRR1036019 2 0.000 0.949 0.000 1.000
#> SRR1036020 2 0.000 0.949 0.000 1.000
#> SRR1036021 2 0.000 0.949 0.000 1.000
#> SRR1036022 2 0.000 0.949 0.000 1.000
#> SRR1036023 2 0.000 0.949 0.000 1.000
#> SRR1036024 2 0.000 0.949 0.000 1.000
#> SRR1036025 2 0.000 0.949 0.000 1.000
#> SRR1036026 2 0.000 0.949 0.000 1.000
#> SRR1036027 2 0.000 0.949 0.000 1.000
#> SRR1036028 2 0.000 0.949 0.000 1.000
#> SRR1036029 2 0.000 0.949 0.000 1.000
#> SRR1036030 2 0.000 0.949 0.000 1.000
#> SRR1036031 2 0.000 0.949 0.000 1.000
#> SRR1036032 2 0.000 0.949 0.000 1.000
#> SRR1036033 2 0.000 0.949 0.000 1.000
#> SRR1036034 2 0.000 0.949 0.000 1.000
#> SRR1036035 2 0.000 0.949 0.000 1.000
#> SRR1036036 2 0.000 0.949 0.000 1.000
#> SRR1036037 2 0.000 0.949 0.000 1.000
#> SRR1036038 2 0.184 0.937 0.028 0.972
#> SRR1036039 2 0.184 0.937 0.028 0.972
#> SRR1036040 2 0.184 0.937 0.028 0.972
#> SRR1036041 2 0.184 0.937 0.028 0.972
#> SRR1036042 2 0.802 0.441 0.244 0.756
#> SRR1036043 2 0.802 0.441 0.244 0.756
#> SRR1036044 2 0.802 0.441 0.244 0.756
#> SRR1036045 2 0.802 0.441 0.244 0.756
#> SRR1036046 2 0.802 0.441 0.244 0.756
#> SRR1036047 2 0.802 0.441 0.244 0.756
#> SRR1036048 2 0.802 0.441 0.244 0.756
#> SRR1036049 2 0.802 0.441 0.244 0.756
#> SRR1036050 2 0.184 0.937 0.028 0.972
#> SRR1036051 2 0.184 0.937 0.028 0.972
#> SRR1036052 2 0.184 0.937 0.028 0.972
#> SRR1036053 2 0.184 0.937 0.028 0.972
#> SRR1036054 2 0.184 0.937 0.028 0.972
#> SRR1036055 2 0.163 0.939 0.024 0.976
#> SRR1036056 2 0.163 0.939 0.024 0.976
#> SRR1036057 2 0.163 0.939 0.024 0.976
#> SRR1036058 2 0.000 0.949 0.000 1.000
#> SRR1036059 2 0.000 0.949 0.000 1.000
#> SRR1036060 2 0.000 0.949 0.000 1.000
#> SRR1036061 2 0.000 0.949 0.000 1.000
#> SRR1036062 2 0.000 0.949 0.000 1.000
#> SRR1036063 2 0.000 0.949 0.000 1.000
#> SRR1036064 2 0.000 0.949 0.000 1.000
#> SRR1036065 2 0.000 0.949 0.000 1.000
#> SRR1036066 2 0.184 0.937 0.028 0.972
#> SRR1036067 2 0.184 0.937 0.028 0.972
#> SRR1036068 2 0.184 0.937 0.028 0.972
#> SRR1036069 2 0.184 0.937 0.028 0.972
#> SRR1036070 2 0.184 0.937 0.028 0.972
#> SRR1036071 2 0.184 0.937 0.028 0.972
#> SRR1036072 2 0.184 0.937 0.028 0.972
#> SRR1036073 2 0.184 0.937 0.028 0.972
#> SRR1036074 2 0.000 0.949 0.000 1.000
#> SRR1036075 2 0.000 0.949 0.000 1.000
#> SRR1036076 2 0.000 0.949 0.000 1.000
#> SRR1036077 2 0.000 0.949 0.000 1.000
#> SRR1036078 2 0.000 0.949 0.000 1.000
#> SRR1036079 2 0.000 0.949 0.000 1.000
#> SRR1036080 2 0.000 0.949 0.000 1.000
#> SRR1036081 2 0.000 0.949 0.000 1.000
#> SRR1036082 2 0.000 0.949 0.000 1.000
#> SRR1036083 2 0.000 0.949 0.000 1.000
#> SRR1036084 2 0.000 0.949 0.000 1.000
#> SRR1036090 2 0.000 0.949 0.000 1.000
#> SRR1036091 2 0.000 0.949 0.000 1.000
#> SRR1036092 2 0.000 0.949 0.000 1.000
#> SRR1036093 2 0.000 0.949 0.000 1.000
#> SRR1036094 2 0.000 0.949 0.000 1.000
#> SRR1036085 1 0.932 0.867 0.652 0.348
#> SRR1036086 1 0.932 0.867 0.652 0.348
#> SRR1036087 1 0.932 0.867 0.652 0.348
#> SRR1036088 1 0.932 0.867 0.652 0.348
#> SRR1036089 1 0.932 0.867 0.652 0.348
#> SRR1036095 2 0.184 0.937 0.028 0.972
#> SRR1036096 2 0.184 0.937 0.028 0.972
#> SRR1036097 2 0.184 0.937 0.028 0.972
#> SRR1036098 2 0.184 0.937 0.028 0.972
#> SRR1036099 2 0.184 0.937 0.028 0.972
#> SRR1036100 2 0.000 0.949 0.000 1.000
#> SRR1036101 2 0.000 0.949 0.000 1.000
#> SRR1036102 2 0.000 0.949 0.000 1.000
#> SRR1036103 2 0.000 0.949 0.000 1.000
#> SRR1036104 2 0.000 0.949 0.000 1.000
#> SRR1036105 1 0.932 0.867 0.652 0.348
#> SRR1036106 1 0.932 0.867 0.652 0.348
#> SRR1036107 1 0.932 0.867 0.652 0.348
#> SRR1036108 1 0.932 0.867 0.652 0.348
#> SRR1036109 1 0.932 0.867 0.652 0.348
#> SRR1036110 2 0.000 0.949 0.000 1.000
#> SRR1036111 2 0.000 0.949 0.000 1.000
#> SRR1036112 2 0.000 0.949 0.000 1.000
#> SRR1036113 2 0.000 0.949 0.000 1.000
#> SRR1036114 2 0.000 0.949 0.000 1.000
#> SRR1036115 2 0.184 0.937 0.028 0.972
#> SRR1036116 2 0.184 0.937 0.028 0.972
#> SRR1036117 2 0.184 0.937 0.028 0.972
#> SRR1036118 2 0.184 0.937 0.028 0.972
#> SRR1036119 2 0.184 0.937 0.028 0.972
#> SRR1036120 1 0.981 0.532 0.580 0.420
#> SRR1036121 1 0.981 0.532 0.580 0.420
#> SRR1036122 1 0.981 0.532 0.580 0.420
#> SRR1036123 1 0.981 0.532 0.580 0.420
#> SRR1036124 1 0.981 0.532 0.580 0.420
#> SRR1036125 2 0.184 0.937 0.028 0.972
#> SRR1036126 2 0.184 0.937 0.028 0.972
#> SRR1036127 2 0.184 0.937 0.028 0.972
#> SRR1036128 2 0.184 0.937 0.028 0.972
#> SRR1036129 2 0.184 0.937 0.028 0.972
#> SRR1036130 2 0.184 0.937 0.028 0.972
#> SRR1036131 2 0.184 0.937 0.028 0.972
#> SRR1036132 2 0.184 0.937 0.028 0.972
#> SRR1036133 2 0.000 0.949 0.000 1.000
#> SRR1036134 2 0.000 0.949 0.000 1.000
#> SRR1036135 2 0.000 0.949 0.000 1.000
#> SRR1036136 2 0.000 0.949 0.000 1.000
#> SRR1036137 2 0.000 0.949 0.000 1.000
#> SRR1036138 2 0.000 0.949 0.000 1.000
#> SRR1036139 2 0.000 0.949 0.000 1.000
#> SRR1036140 2 0.000 0.949 0.000 1.000
#> SRR1036141 2 0.000 0.949 0.000 1.000
#> SRR1036142 2 0.000 0.949 0.000 1.000
#> SRR1036143 2 0.000 0.949 0.000 1.000
#> SRR1036144 2 0.000 0.949 0.000 1.000
#> SRR1036145 2 0.000 0.949 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036003 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036004 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036005 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036006 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036007 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036008 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036009 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036013 2 0.4291 0.6334 0.180 0.820 0.000
#> SRR1036014 2 0.4291 0.6334 0.180 0.820 0.000
#> SRR1036015 2 0.4291 0.6334 0.180 0.820 0.000
#> SRR1036016 2 0.4291 0.6334 0.180 0.820 0.000
#> SRR1036017 2 0.4291 0.6334 0.180 0.820 0.000
#> SRR1036018 2 0.4291 0.6334 0.180 0.820 0.000
#> SRR1036010 1 0.6026 0.8410 0.624 0.376 0.000
#> SRR1036011 1 0.6026 0.8410 0.624 0.376 0.000
#> SRR1036012 1 0.6026 0.8410 0.624 0.376 0.000
#> SRR1036019 2 0.0592 0.7531 0.012 0.988 0.000
#> SRR1036020 2 0.0592 0.7531 0.012 0.988 0.000
#> SRR1036021 2 0.0592 0.7531 0.012 0.988 0.000
#> SRR1036022 2 0.0592 0.7531 0.012 0.988 0.000
#> SRR1036023 2 0.0592 0.7531 0.012 0.988 0.000
#> SRR1036024 2 0.5835 0.1407 0.340 0.660 0.000
#> SRR1036025 2 0.5835 0.1407 0.340 0.660 0.000
#> SRR1036026 2 0.5835 0.1407 0.340 0.660 0.000
#> SRR1036027 2 0.5835 0.1407 0.340 0.660 0.000
#> SRR1036028 2 0.5835 0.1407 0.340 0.660 0.000
#> SRR1036029 2 0.5835 0.1407 0.340 0.660 0.000
#> SRR1036030 2 0.4178 0.6487 0.172 0.828 0.000
#> SRR1036031 2 0.4178 0.6487 0.172 0.828 0.000
#> SRR1036032 2 0.4178 0.6487 0.172 0.828 0.000
#> SRR1036033 2 0.4178 0.6487 0.172 0.828 0.000
#> SRR1036034 2 0.4178 0.6487 0.172 0.828 0.000
#> SRR1036035 2 0.4178 0.6487 0.172 0.828 0.000
#> SRR1036036 2 0.4178 0.6487 0.172 0.828 0.000
#> SRR1036037 2 0.4178 0.6487 0.172 0.828 0.000
#> SRR1036038 1 0.6045 0.8403 0.620 0.380 0.000
#> SRR1036039 1 0.6045 0.8403 0.620 0.380 0.000
#> SRR1036040 1 0.6045 0.8403 0.620 0.380 0.000
#> SRR1036041 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036042 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036043 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036044 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036045 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036046 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036047 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036048 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036049 2 0.6985 -0.1804 0.024 0.592 0.384
#> SRR1036050 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036051 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036052 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036053 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036054 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036055 1 0.6180 0.8300 0.584 0.416 0.000
#> SRR1036056 1 0.6180 0.8300 0.584 0.416 0.000
#> SRR1036057 1 0.6180 0.8300 0.584 0.416 0.000
#> SRR1036058 2 0.4002 0.6591 0.160 0.840 0.000
#> SRR1036059 2 0.4002 0.6591 0.160 0.840 0.000
#> SRR1036060 2 0.4002 0.6591 0.160 0.840 0.000
#> SRR1036061 2 0.4002 0.6591 0.160 0.840 0.000
#> SRR1036062 2 0.4002 0.6591 0.160 0.840 0.000
#> SRR1036063 2 0.4002 0.6591 0.160 0.840 0.000
#> SRR1036064 2 0.4002 0.6591 0.160 0.840 0.000
#> SRR1036065 2 0.4002 0.6591 0.160 0.840 0.000
#> SRR1036066 1 0.6126 0.8589 0.600 0.400 0.000
#> SRR1036067 1 0.6126 0.8589 0.600 0.400 0.000
#> SRR1036068 1 0.6126 0.8589 0.600 0.400 0.000
#> SRR1036069 1 0.6126 0.8589 0.600 0.400 0.000
#> SRR1036070 1 0.6126 0.8589 0.600 0.400 0.000
#> SRR1036071 1 0.6126 0.8589 0.600 0.400 0.000
#> SRR1036072 1 0.6126 0.8589 0.600 0.400 0.000
#> SRR1036073 1 0.6126 0.8589 0.600 0.400 0.000
#> SRR1036074 2 0.0237 0.7530 0.004 0.996 0.000
#> SRR1036075 2 0.0237 0.7530 0.004 0.996 0.000
#> SRR1036076 2 0.0237 0.7530 0.004 0.996 0.000
#> SRR1036077 2 0.0237 0.7530 0.004 0.996 0.000
#> SRR1036078 2 0.0237 0.7530 0.004 0.996 0.000
#> SRR1036079 2 0.0237 0.7530 0.004 0.996 0.000
#> SRR1036080 2 0.0237 0.7530 0.004 0.996 0.000
#> SRR1036081 2 0.0237 0.7530 0.004 0.996 0.000
#> SRR1036082 2 0.1643 0.7410 0.044 0.956 0.000
#> SRR1036083 2 0.1643 0.7410 0.044 0.956 0.000
#> SRR1036084 2 0.1643 0.7410 0.044 0.956 0.000
#> SRR1036090 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036091 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036092 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036093 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036094 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036085 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036086 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036087 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036088 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036089 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036095 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036096 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036097 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036098 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036099 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036100 2 0.0424 0.7535 0.008 0.992 0.000
#> SRR1036101 2 0.0424 0.7535 0.008 0.992 0.000
#> SRR1036102 2 0.0424 0.7535 0.008 0.992 0.000
#> SRR1036103 2 0.0424 0.7535 0.008 0.992 0.000
#> SRR1036104 2 0.0424 0.7535 0.008 0.992 0.000
#> SRR1036105 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036106 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036107 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036108 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036109 3 0.4504 1.0000 0.000 0.196 0.804
#> SRR1036110 2 0.3752 0.6750 0.144 0.856 0.000
#> SRR1036111 2 0.3752 0.6750 0.144 0.856 0.000
#> SRR1036112 2 0.3752 0.6750 0.144 0.856 0.000
#> SRR1036113 2 0.3752 0.6750 0.144 0.856 0.000
#> SRR1036114 2 0.3752 0.6750 0.144 0.856 0.000
#> SRR1036115 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036116 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036117 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036118 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036119 1 0.6111 0.8619 0.604 0.396 0.000
#> SRR1036120 1 0.8303 -0.0924 0.632 0.172 0.196
#> SRR1036121 1 0.8303 -0.0924 0.632 0.172 0.196
#> SRR1036122 1 0.8303 -0.0924 0.632 0.172 0.196
#> SRR1036123 1 0.8303 -0.0924 0.632 0.172 0.196
#> SRR1036124 1 0.8303 -0.0924 0.632 0.172 0.196
#> SRR1036125 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036126 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036127 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036128 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036129 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036130 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036131 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036132 1 0.6095 0.8624 0.608 0.392 0.000
#> SRR1036133 2 0.0592 0.7541 0.012 0.988 0.000
#> SRR1036134 2 0.0592 0.7541 0.012 0.988 0.000
#> SRR1036135 2 0.0592 0.7541 0.012 0.988 0.000
#> SRR1036136 2 0.0592 0.7541 0.012 0.988 0.000
#> SRR1036137 2 0.0592 0.7541 0.012 0.988 0.000
#> SRR1036138 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036139 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036140 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036141 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036142 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036143 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036144 2 0.0424 0.7532 0.008 0.992 0.000
#> SRR1036145 2 0.0424 0.7532 0.008 0.992 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036003 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036004 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036005 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036006 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036007 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036008 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036009 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036013 2 0.3688 0.820 0.208 0.792 0.00 0.000
#> SRR1036014 2 0.3688 0.820 0.208 0.792 0.00 0.000
#> SRR1036015 2 0.3688 0.820 0.208 0.792 0.00 0.000
#> SRR1036016 2 0.3688 0.820 0.208 0.792 0.00 0.000
#> SRR1036017 2 0.3688 0.820 0.208 0.792 0.00 0.000
#> SRR1036018 2 0.3688 0.820 0.208 0.792 0.00 0.000
#> SRR1036010 1 0.1174 0.969 0.968 0.012 0.00 0.020
#> SRR1036011 1 0.1174 0.969 0.968 0.012 0.00 0.020
#> SRR1036012 1 0.1174 0.969 0.968 0.012 0.00 0.020
#> SRR1036019 2 0.0707 0.850 0.000 0.980 0.00 0.020
#> SRR1036020 2 0.0707 0.850 0.000 0.980 0.00 0.020
#> SRR1036021 2 0.0707 0.850 0.000 0.980 0.00 0.020
#> SRR1036022 2 0.0707 0.850 0.000 0.980 0.00 0.020
#> SRR1036023 2 0.0707 0.850 0.000 0.980 0.00 0.020
#> SRR1036024 2 0.4804 0.583 0.384 0.616 0.00 0.000
#> SRR1036025 2 0.4804 0.583 0.384 0.616 0.00 0.000
#> SRR1036026 2 0.4804 0.583 0.384 0.616 0.00 0.000
#> SRR1036027 2 0.4804 0.583 0.384 0.616 0.00 0.000
#> SRR1036028 2 0.4804 0.583 0.384 0.616 0.00 0.000
#> SRR1036029 2 0.4804 0.583 0.384 0.616 0.00 0.000
#> SRR1036030 2 0.3444 0.833 0.184 0.816 0.00 0.000
#> SRR1036031 2 0.3444 0.833 0.184 0.816 0.00 0.000
#> SRR1036032 2 0.3444 0.833 0.184 0.816 0.00 0.000
#> SRR1036033 2 0.3444 0.833 0.184 0.816 0.00 0.000
#> SRR1036034 2 0.3444 0.833 0.184 0.816 0.00 0.000
#> SRR1036035 2 0.3444 0.833 0.184 0.816 0.00 0.000
#> SRR1036036 2 0.3444 0.833 0.184 0.816 0.00 0.000
#> SRR1036037 2 0.3444 0.833 0.184 0.816 0.00 0.000
#> SRR1036038 1 0.1297 0.967 0.964 0.016 0.00 0.020
#> SRR1036039 1 0.1297 0.967 0.964 0.016 0.00 0.020
#> SRR1036040 1 0.1297 0.967 0.964 0.016 0.00 0.020
#> SRR1036041 1 0.0592 0.979 0.984 0.016 0.00 0.000
#> SRR1036042 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036043 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036044 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036045 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036046 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036047 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036048 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036049 3 0.5649 0.604 0.000 0.392 0.58 0.028
#> SRR1036050 1 0.0592 0.979 0.984 0.016 0.00 0.000
#> SRR1036051 1 0.0592 0.979 0.984 0.016 0.00 0.000
#> SRR1036052 1 0.0592 0.979 0.984 0.016 0.00 0.000
#> SRR1036053 1 0.0592 0.979 0.984 0.016 0.00 0.000
#> SRR1036054 1 0.0592 0.979 0.984 0.016 0.00 0.000
#> SRR1036055 1 0.1211 0.956 0.960 0.040 0.00 0.000
#> SRR1036056 1 0.1211 0.956 0.960 0.040 0.00 0.000
#> SRR1036057 1 0.1211 0.956 0.960 0.040 0.00 0.000
#> SRR1036058 2 0.3444 0.834 0.184 0.816 0.00 0.000
#> SRR1036059 2 0.3444 0.834 0.184 0.816 0.00 0.000
#> SRR1036060 2 0.3444 0.834 0.184 0.816 0.00 0.000
#> SRR1036061 2 0.3444 0.834 0.184 0.816 0.00 0.000
#> SRR1036062 2 0.3444 0.834 0.184 0.816 0.00 0.000
#> SRR1036063 2 0.3444 0.834 0.184 0.816 0.00 0.000
#> SRR1036064 2 0.3444 0.834 0.184 0.816 0.00 0.000
#> SRR1036065 2 0.3444 0.834 0.184 0.816 0.00 0.000
#> SRR1036066 1 0.0188 0.984 0.996 0.004 0.00 0.000
#> SRR1036067 1 0.0188 0.984 0.996 0.004 0.00 0.000
#> SRR1036068 1 0.0188 0.984 0.996 0.004 0.00 0.000
#> SRR1036069 1 0.0188 0.984 0.996 0.004 0.00 0.000
#> SRR1036070 1 0.0188 0.984 0.996 0.004 0.00 0.000
#> SRR1036071 1 0.0188 0.984 0.996 0.004 0.00 0.000
#> SRR1036072 1 0.0188 0.984 0.996 0.004 0.00 0.000
#> SRR1036073 1 0.0188 0.984 0.996 0.004 0.00 0.000
#> SRR1036074 2 0.0524 0.851 0.004 0.988 0.00 0.008
#> SRR1036075 2 0.0524 0.851 0.004 0.988 0.00 0.008
#> SRR1036076 2 0.0524 0.851 0.004 0.988 0.00 0.008
#> SRR1036077 2 0.0524 0.851 0.004 0.988 0.00 0.008
#> SRR1036078 2 0.0524 0.851 0.004 0.988 0.00 0.008
#> SRR1036079 2 0.0524 0.851 0.004 0.988 0.00 0.008
#> SRR1036080 2 0.0524 0.851 0.004 0.988 0.00 0.008
#> SRR1036081 2 0.0524 0.851 0.004 0.988 0.00 0.008
#> SRR1036082 2 0.1722 0.855 0.048 0.944 0.00 0.008
#> SRR1036083 2 0.1722 0.855 0.048 0.944 0.00 0.008
#> SRR1036084 2 0.1722 0.855 0.048 0.944 0.00 0.008
#> SRR1036090 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036091 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036092 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036093 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036094 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036085 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036086 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036087 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036088 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036089 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036095 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036096 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036097 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036098 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036099 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036100 2 0.0524 0.853 0.008 0.988 0.00 0.004
#> SRR1036101 2 0.0524 0.853 0.008 0.988 0.00 0.004
#> SRR1036102 2 0.0524 0.853 0.008 0.988 0.00 0.004
#> SRR1036103 2 0.0524 0.853 0.008 0.988 0.00 0.004
#> SRR1036104 2 0.0524 0.853 0.008 0.988 0.00 0.004
#> SRR1036105 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036106 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036107 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036108 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036109 3 0.0000 0.688 0.000 0.000 1.00 0.000
#> SRR1036110 2 0.3591 0.839 0.168 0.824 0.00 0.008
#> SRR1036111 2 0.3591 0.839 0.168 0.824 0.00 0.008
#> SRR1036112 2 0.3591 0.839 0.168 0.824 0.00 0.008
#> SRR1036113 2 0.3591 0.839 0.168 0.824 0.00 0.008
#> SRR1036114 2 0.3591 0.839 0.168 0.824 0.00 0.008
#> SRR1036115 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036116 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036117 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036118 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036119 1 0.0000 0.985 1.000 0.000 0.00 0.000
#> SRR1036120 4 0.0376 1.000 0.004 0.004 0.00 0.992
#> SRR1036121 4 0.0376 1.000 0.004 0.004 0.00 0.992
#> SRR1036122 4 0.0376 1.000 0.004 0.004 0.00 0.992
#> SRR1036123 4 0.0376 1.000 0.004 0.004 0.00 0.992
#> SRR1036124 4 0.0376 1.000 0.004 0.004 0.00 0.992
#> SRR1036125 1 0.0188 0.985 0.996 0.004 0.00 0.000
#> SRR1036126 1 0.0188 0.985 0.996 0.004 0.00 0.000
#> SRR1036127 1 0.0188 0.985 0.996 0.004 0.00 0.000
#> SRR1036128 1 0.0188 0.985 0.996 0.004 0.00 0.000
#> SRR1036129 1 0.0188 0.985 0.996 0.004 0.00 0.000
#> SRR1036130 1 0.0188 0.985 0.996 0.004 0.00 0.000
#> SRR1036131 1 0.0188 0.985 0.996 0.004 0.00 0.000
#> SRR1036132 1 0.0188 0.985 0.996 0.004 0.00 0.000
#> SRR1036133 2 0.0779 0.852 0.004 0.980 0.00 0.016
#> SRR1036134 2 0.0779 0.852 0.004 0.980 0.00 0.016
#> SRR1036135 2 0.0779 0.852 0.004 0.980 0.00 0.016
#> SRR1036136 2 0.0779 0.852 0.004 0.980 0.00 0.016
#> SRR1036137 2 0.0779 0.852 0.004 0.980 0.00 0.016
#> SRR1036138 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036139 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036140 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036141 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036142 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036143 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036144 2 0.0592 0.850 0.000 0.984 0.00 0.016
#> SRR1036145 2 0.0592 0.850 0.000 0.984 0.00 0.016
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036003 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036004 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036013 4 0.6285 0.453 0.152 0.392 0.0 0.456 0.000
#> SRR1036014 4 0.6285 0.453 0.152 0.392 0.0 0.456 0.000
#> SRR1036015 4 0.6285 0.453 0.152 0.392 0.0 0.456 0.000
#> SRR1036016 4 0.6285 0.453 0.152 0.392 0.0 0.456 0.000
#> SRR1036017 4 0.6285 0.453 0.152 0.392 0.0 0.456 0.000
#> SRR1036018 4 0.6285 0.453 0.152 0.392 0.0 0.456 0.000
#> SRR1036010 1 0.0880 0.948 0.968 0.000 0.0 0.032 0.000
#> SRR1036011 1 0.0880 0.948 0.968 0.000 0.0 0.032 0.000
#> SRR1036012 1 0.0880 0.948 0.968 0.000 0.0 0.032 0.000
#> SRR1036019 2 0.0451 0.751 0.000 0.988 0.0 0.008 0.004
#> SRR1036020 2 0.0451 0.751 0.000 0.988 0.0 0.008 0.004
#> SRR1036021 2 0.0451 0.751 0.000 0.988 0.0 0.008 0.004
#> SRR1036022 2 0.0451 0.751 0.000 0.988 0.0 0.008 0.004
#> SRR1036023 2 0.0451 0.751 0.000 0.988 0.0 0.008 0.004
#> SRR1036024 2 0.6783 -0.232 0.328 0.384 0.0 0.288 0.000
#> SRR1036025 2 0.6783 -0.232 0.328 0.384 0.0 0.288 0.000
#> SRR1036026 2 0.6783 -0.232 0.328 0.384 0.0 0.288 0.000
#> SRR1036027 2 0.6783 -0.232 0.328 0.384 0.0 0.288 0.000
#> SRR1036028 2 0.6783 -0.232 0.328 0.384 0.0 0.288 0.000
#> SRR1036029 2 0.6783 -0.232 0.328 0.384 0.0 0.288 0.000
#> SRR1036030 2 0.3355 0.618 0.184 0.804 0.0 0.012 0.000
#> SRR1036031 2 0.3355 0.618 0.184 0.804 0.0 0.012 0.000
#> SRR1036032 2 0.3355 0.618 0.184 0.804 0.0 0.012 0.000
#> SRR1036033 2 0.3355 0.618 0.184 0.804 0.0 0.012 0.000
#> SRR1036034 2 0.3355 0.618 0.184 0.804 0.0 0.012 0.000
#> SRR1036035 2 0.3355 0.618 0.184 0.804 0.0 0.012 0.000
#> SRR1036036 2 0.3355 0.618 0.184 0.804 0.0 0.012 0.000
#> SRR1036037 2 0.3355 0.618 0.184 0.804 0.0 0.012 0.000
#> SRR1036038 1 0.1041 0.947 0.964 0.004 0.0 0.032 0.000
#> SRR1036039 1 0.1041 0.947 0.964 0.004 0.0 0.032 0.000
#> SRR1036040 1 0.1041 0.947 0.964 0.004 0.0 0.032 0.000
#> SRR1036041 1 0.0566 0.955 0.984 0.012 0.0 0.004 0.000
#> SRR1036042 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036043 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036044 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036045 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036046 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036047 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036048 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036049 4 0.5229 0.168 0.004 0.108 0.2 0.688 0.000
#> SRR1036050 1 0.0566 0.955 0.984 0.012 0.0 0.004 0.000
#> SRR1036051 1 0.0566 0.955 0.984 0.012 0.0 0.004 0.000
#> SRR1036052 1 0.0566 0.955 0.984 0.012 0.0 0.004 0.000
#> SRR1036053 1 0.0566 0.955 0.984 0.012 0.0 0.004 0.000
#> SRR1036054 1 0.0566 0.955 0.984 0.012 0.0 0.004 0.000
#> SRR1036055 1 0.1195 0.941 0.960 0.028 0.0 0.012 0.000
#> SRR1036056 1 0.1195 0.941 0.960 0.028 0.0 0.012 0.000
#> SRR1036057 1 0.1195 0.941 0.960 0.028 0.0 0.012 0.000
#> SRR1036058 4 0.6146 0.477 0.116 0.392 0.0 0.488 0.004
#> SRR1036059 4 0.6146 0.477 0.116 0.392 0.0 0.488 0.004
#> SRR1036060 4 0.6146 0.477 0.116 0.392 0.0 0.488 0.004
#> SRR1036061 4 0.6146 0.477 0.116 0.392 0.0 0.488 0.004
#> SRR1036062 4 0.6146 0.477 0.116 0.392 0.0 0.488 0.004
#> SRR1036063 4 0.6146 0.477 0.116 0.392 0.0 0.488 0.004
#> SRR1036064 4 0.6146 0.477 0.116 0.392 0.0 0.488 0.004
#> SRR1036065 4 0.6146 0.477 0.116 0.392 0.0 0.488 0.004
#> SRR1036066 1 0.1410 0.943 0.940 0.000 0.0 0.060 0.000
#> SRR1036067 1 0.1410 0.943 0.940 0.000 0.0 0.060 0.000
#> SRR1036068 1 0.1410 0.943 0.940 0.000 0.0 0.060 0.000
#> SRR1036069 1 0.1410 0.943 0.940 0.000 0.0 0.060 0.000
#> SRR1036070 1 0.1410 0.943 0.940 0.000 0.0 0.060 0.000
#> SRR1036071 1 0.1410 0.943 0.940 0.000 0.0 0.060 0.000
#> SRR1036072 1 0.1410 0.943 0.940 0.000 0.0 0.060 0.000
#> SRR1036073 1 0.1410 0.943 0.940 0.000 0.0 0.060 0.000
#> SRR1036074 2 0.3246 0.667 0.008 0.808 0.0 0.184 0.000
#> SRR1036075 2 0.3246 0.667 0.008 0.808 0.0 0.184 0.000
#> SRR1036076 2 0.3246 0.667 0.008 0.808 0.0 0.184 0.000
#> SRR1036077 2 0.3246 0.667 0.008 0.808 0.0 0.184 0.000
#> SRR1036078 2 0.3246 0.667 0.008 0.808 0.0 0.184 0.000
#> SRR1036079 2 0.3246 0.667 0.008 0.808 0.0 0.184 0.000
#> SRR1036080 2 0.3246 0.667 0.008 0.808 0.0 0.184 0.000
#> SRR1036081 2 0.3246 0.667 0.008 0.808 0.0 0.184 0.000
#> SRR1036082 4 0.5032 0.310 0.032 0.448 0.0 0.520 0.000
#> SRR1036083 4 0.5032 0.310 0.032 0.448 0.0 0.520 0.000
#> SRR1036084 4 0.5032 0.310 0.032 0.448 0.0 0.520 0.000
#> SRR1036090 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036091 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036092 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036093 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036094 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036095 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036096 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036097 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036098 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036099 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036100 2 0.3318 0.669 0.012 0.808 0.0 0.180 0.000
#> SRR1036101 2 0.3318 0.669 0.012 0.808 0.0 0.180 0.000
#> SRR1036102 2 0.3318 0.669 0.012 0.808 0.0 0.180 0.000
#> SRR1036103 2 0.3318 0.669 0.012 0.808 0.0 0.180 0.000
#> SRR1036104 2 0.3318 0.669 0.012 0.808 0.0 0.180 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.0 0.000 0.000
#> SRR1036110 4 0.5889 0.474 0.104 0.392 0.0 0.504 0.000
#> SRR1036111 4 0.5889 0.474 0.104 0.392 0.0 0.504 0.000
#> SRR1036112 4 0.5889 0.474 0.104 0.392 0.0 0.504 0.000
#> SRR1036113 4 0.5889 0.474 0.104 0.392 0.0 0.504 0.000
#> SRR1036114 4 0.5889 0.474 0.104 0.392 0.0 0.504 0.000
#> SRR1036115 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036116 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036117 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036118 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036119 1 0.1124 0.957 0.960 0.000 0.0 0.036 0.004
#> SRR1036120 5 0.0162 1.000 0.000 0.000 0.0 0.004 0.996
#> SRR1036121 5 0.0162 1.000 0.000 0.000 0.0 0.004 0.996
#> SRR1036122 5 0.0162 1.000 0.000 0.000 0.0 0.004 0.996
#> SRR1036123 5 0.0162 1.000 0.000 0.000 0.0 0.004 0.996
#> SRR1036124 5 0.0162 1.000 0.000 0.000 0.0 0.004 0.996
#> SRR1036125 1 0.0000 0.961 1.000 0.000 0.0 0.000 0.000
#> SRR1036126 1 0.0000 0.961 1.000 0.000 0.0 0.000 0.000
#> SRR1036127 1 0.0000 0.961 1.000 0.000 0.0 0.000 0.000
#> SRR1036128 1 0.0000 0.961 1.000 0.000 0.0 0.000 0.000
#> SRR1036129 1 0.0000 0.961 1.000 0.000 0.0 0.000 0.000
#> SRR1036130 1 0.0000 0.961 1.000 0.000 0.0 0.000 0.000
#> SRR1036131 1 0.0000 0.961 1.000 0.000 0.0 0.000 0.000
#> SRR1036132 1 0.0000 0.961 1.000 0.000 0.0 0.000 0.000
#> SRR1036133 2 0.0324 0.753 0.004 0.992 0.0 0.004 0.000
#> SRR1036134 2 0.0324 0.753 0.004 0.992 0.0 0.004 0.000
#> SRR1036135 2 0.0324 0.753 0.004 0.992 0.0 0.004 0.000
#> SRR1036136 2 0.0324 0.753 0.004 0.992 0.0 0.004 0.000
#> SRR1036137 2 0.0324 0.753 0.004 0.992 0.0 0.004 0.000
#> SRR1036138 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036139 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036140 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036141 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036142 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036143 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036144 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
#> SRR1036145 2 0.0000 0.754 0.000 1.000 0.0 0.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036003 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036004 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036013 4 0.1327 0.867 0.064 0.000 0 0.936 0 0.000
#> SRR1036014 4 0.1327 0.867 0.064 0.000 0 0.936 0 0.000
#> SRR1036015 4 0.1327 0.867 0.064 0.000 0 0.936 0 0.000
#> SRR1036016 4 0.1327 0.867 0.064 0.000 0 0.936 0 0.000
#> SRR1036017 4 0.1327 0.867 0.064 0.000 0 0.936 0 0.000
#> SRR1036018 4 0.1327 0.867 0.064 0.000 0 0.936 0 0.000
#> SRR1036010 1 0.0713 0.915 0.972 0.000 0 0.000 0 0.028
#> SRR1036011 1 0.0713 0.915 0.972 0.000 0 0.000 0 0.028
#> SRR1036012 1 0.0713 0.915 0.972 0.000 0 0.000 0 0.028
#> SRR1036019 2 0.0146 0.724 0.000 0.996 0 0.000 0 0.004
#> SRR1036020 2 0.0146 0.724 0.000 0.996 0 0.000 0 0.004
#> SRR1036021 2 0.0146 0.724 0.000 0.996 0 0.000 0 0.004
#> SRR1036022 2 0.0146 0.724 0.000 0.996 0 0.000 0 0.004
#> SRR1036023 2 0.0146 0.724 0.000 0.996 0 0.000 0 0.004
#> SRR1036024 4 0.3151 0.710 0.252 0.000 0 0.748 0 0.000
#> SRR1036025 4 0.3151 0.710 0.252 0.000 0 0.748 0 0.000
#> SRR1036026 4 0.3151 0.710 0.252 0.000 0 0.748 0 0.000
#> SRR1036027 4 0.3151 0.710 0.252 0.000 0 0.748 0 0.000
#> SRR1036028 4 0.3151 0.710 0.252 0.000 0 0.748 0 0.000
#> SRR1036029 4 0.3151 0.710 0.252 0.000 0 0.748 0 0.000
#> SRR1036030 2 0.5175 0.705 0.196 0.620 0 0.184 0 0.000
#> SRR1036031 2 0.5175 0.705 0.196 0.620 0 0.184 0 0.000
#> SRR1036032 2 0.5175 0.705 0.196 0.620 0 0.184 0 0.000
#> SRR1036033 2 0.5175 0.705 0.196 0.620 0 0.184 0 0.000
#> SRR1036034 2 0.5175 0.705 0.196 0.620 0 0.184 0 0.000
#> SRR1036035 2 0.5175 0.705 0.196 0.620 0 0.184 0 0.000
#> SRR1036036 2 0.5175 0.705 0.196 0.620 0 0.184 0 0.000
#> SRR1036037 2 0.5175 0.705 0.196 0.620 0 0.184 0 0.000
#> SRR1036038 1 0.0858 0.914 0.968 0.004 0 0.000 0 0.028
#> SRR1036039 1 0.0858 0.914 0.968 0.004 0 0.000 0 0.028
#> SRR1036040 1 0.0858 0.914 0.968 0.004 0 0.000 0 0.028
#> SRR1036041 1 0.0000 0.922 1.000 0.000 0 0.000 0 0.000
#> SRR1036042 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036043 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036044 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036045 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036046 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036047 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036048 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036049 6 0.0146 1.000 0.000 0.004 0 0.000 0 0.996
#> SRR1036050 1 0.0000 0.922 1.000 0.000 0 0.000 0 0.000
#> SRR1036051 1 0.0000 0.922 1.000 0.000 0 0.000 0 0.000
#> SRR1036052 1 0.0000 0.922 1.000 0.000 0 0.000 0 0.000
#> SRR1036053 1 0.0000 0.922 1.000 0.000 0 0.000 0 0.000
#> SRR1036054 1 0.0000 0.922 1.000 0.000 0 0.000 0 0.000
#> SRR1036055 1 0.0820 0.907 0.972 0.012 0 0.016 0 0.000
#> SRR1036056 1 0.0820 0.907 0.972 0.012 0 0.016 0 0.000
#> SRR1036057 1 0.0820 0.907 0.972 0.012 0 0.016 0 0.000
#> SRR1036058 4 0.0000 0.876 0.000 0.000 0 1.000 0 0.000
#> SRR1036059 4 0.0000 0.876 0.000 0.000 0 1.000 0 0.000
#> SRR1036060 4 0.0000 0.876 0.000 0.000 0 1.000 0 0.000
#> SRR1036061 4 0.0000 0.876 0.000 0.000 0 1.000 0 0.000
#> SRR1036062 4 0.0000 0.876 0.000 0.000 0 1.000 0 0.000
#> SRR1036063 4 0.0000 0.876 0.000 0.000 0 1.000 0 0.000
#> SRR1036064 4 0.0000 0.876 0.000 0.000 0 1.000 0 0.000
#> SRR1036065 4 0.0000 0.876 0.000 0.000 0 1.000 0 0.000
#> SRR1036066 1 0.2219 0.894 0.864 0.000 0 0.136 0 0.000
#> SRR1036067 1 0.2219 0.894 0.864 0.000 0 0.136 0 0.000
#> SRR1036068 1 0.2219 0.894 0.864 0.000 0 0.136 0 0.000
#> SRR1036069 1 0.2219 0.894 0.864 0.000 0 0.136 0 0.000
#> SRR1036070 1 0.2219 0.894 0.864 0.000 0 0.136 0 0.000
#> SRR1036071 1 0.2219 0.894 0.864 0.000 0 0.136 0 0.000
#> SRR1036072 1 0.2219 0.894 0.864 0.000 0 0.136 0 0.000
#> SRR1036073 1 0.2219 0.894 0.864 0.000 0 0.136 0 0.000
#> SRR1036074 2 0.4405 0.623 0.012 0.688 0 0.040 0 0.260
#> SRR1036075 2 0.4405 0.623 0.012 0.688 0 0.040 0 0.260
#> SRR1036076 2 0.4405 0.623 0.012 0.688 0 0.040 0 0.260
#> SRR1036077 2 0.4405 0.623 0.012 0.688 0 0.040 0 0.260
#> SRR1036078 2 0.4405 0.623 0.012 0.688 0 0.040 0 0.260
#> SRR1036079 2 0.4405 0.623 0.012 0.688 0 0.040 0 0.260
#> SRR1036080 2 0.4405 0.623 0.012 0.688 0 0.040 0 0.260
#> SRR1036081 2 0.4405 0.623 0.012 0.688 0 0.040 0 0.260
#> SRR1036082 4 0.2588 0.753 0.012 0.004 0 0.860 0 0.124
#> SRR1036083 4 0.2588 0.753 0.012 0.004 0 0.860 0 0.124
#> SRR1036084 4 0.2588 0.753 0.012 0.004 0 0.860 0 0.124
#> SRR1036090 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036091 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036092 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036093 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036094 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036095 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036096 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036097 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036098 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036099 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036100 2 0.4471 0.625 0.016 0.688 0 0.040 0 0.256
#> SRR1036101 2 0.4471 0.625 0.016 0.688 0 0.040 0 0.256
#> SRR1036102 2 0.4471 0.625 0.016 0.688 0 0.040 0 0.256
#> SRR1036103 2 0.4471 0.625 0.016 0.688 0 0.040 0 0.256
#> SRR1036104 2 0.4471 0.625 0.016 0.688 0 0.040 0 0.256
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1 0.000 0 0.000
#> SRR1036110 4 0.0458 0.872 0.000 0.000 0 0.984 0 0.016
#> SRR1036111 4 0.0458 0.872 0.000 0.000 0 0.984 0 0.016
#> SRR1036112 4 0.0458 0.872 0.000 0.000 0 0.984 0 0.016
#> SRR1036113 4 0.0458 0.872 0.000 0.000 0 0.984 0 0.016
#> SRR1036114 4 0.0458 0.872 0.000 0.000 0 0.984 0 0.016
#> SRR1036115 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036116 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036117 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036118 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036119 1 0.1957 0.914 0.888 0.000 0 0.112 0 0.000
#> SRR1036120 5 0.0000 1.000 0.000 0.000 0 0.000 1 0.000
#> SRR1036121 5 0.0000 1.000 0.000 0.000 0 0.000 1 0.000
#> SRR1036122 5 0.0000 1.000 0.000 0.000 0 0.000 1 0.000
#> SRR1036123 5 0.0000 1.000 0.000 0.000 0 0.000 1 0.000
#> SRR1036124 5 0.0000 1.000 0.000 0.000 0 0.000 1 0.000
#> SRR1036125 1 0.0458 0.928 0.984 0.000 0 0.016 0 0.000
#> SRR1036126 1 0.0458 0.928 0.984 0.000 0 0.016 0 0.000
#> SRR1036127 1 0.0458 0.928 0.984 0.000 0 0.016 0 0.000
#> SRR1036128 1 0.0458 0.928 0.984 0.000 0 0.016 0 0.000
#> SRR1036129 1 0.0458 0.928 0.984 0.000 0 0.016 0 0.000
#> SRR1036130 1 0.0458 0.928 0.984 0.000 0 0.016 0 0.000
#> SRR1036131 1 0.0458 0.928 0.984 0.000 0 0.016 0 0.000
#> SRR1036132 1 0.0458 0.928 0.984 0.000 0 0.016 0 0.000
#> SRR1036133 2 0.2631 0.788 0.000 0.820 0 0.180 0 0.000
#> SRR1036134 2 0.2631 0.788 0.000 0.820 0 0.180 0 0.000
#> SRR1036135 2 0.2631 0.788 0.000 0.820 0 0.180 0 0.000
#> SRR1036136 2 0.2631 0.788 0.000 0.820 0 0.180 0 0.000
#> SRR1036137 2 0.2631 0.788 0.000 0.820 0 0.180 0 0.000
#> SRR1036138 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036139 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036140 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036141 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036142 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036143 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036144 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
#> SRR1036145 2 0.2527 0.791 0.000 0.832 0 0.168 0 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["MAD", "kmeans"]
# you can also extract it by
# res = res_list["MAD:kmeans"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'MAD' method.
#> Subgroups are detected by 'kmeans' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 3.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.0762 0.554 0.656 0.3988 0.590 0.590
#> 3 3 0.0630 0.535 0.665 0.4118 0.812 0.691
#> 4 4 0.1635 0.451 0.591 0.1679 0.809 0.583
#> 5 5 0.3217 0.525 0.619 0.1001 0.847 0.570
#> 6 6 0.4475 0.488 0.610 0.0577 0.944 0.806
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 3
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.904 0.497 0.320 0.680
#> SRR1036003 2 0.904 0.497 0.320 0.680
#> SRR1036004 2 0.904 0.497 0.320 0.680
#> SRR1036005 2 0.990 0.390 0.440 0.560
#> SRR1036006 2 0.990 0.390 0.440 0.560
#> SRR1036007 2 0.990 0.390 0.440 0.560
#> SRR1036008 2 0.990 0.390 0.440 0.560
#> SRR1036009 2 0.990 0.390 0.440 0.560
#> SRR1036013 2 0.753 0.579 0.216 0.784
#> SRR1036014 2 0.753 0.579 0.216 0.784
#> SRR1036015 2 0.753 0.579 0.216 0.784
#> SRR1036016 2 0.753 0.579 0.216 0.784
#> SRR1036017 2 0.753 0.579 0.216 0.784
#> SRR1036018 2 0.753 0.579 0.216 0.784
#> SRR1036010 1 0.963 0.832 0.612 0.388
#> SRR1036011 1 0.963 0.832 0.612 0.388
#> SRR1036012 1 0.963 0.832 0.612 0.388
#> SRR1036019 2 0.615 0.612 0.152 0.848
#> SRR1036020 2 0.615 0.612 0.152 0.848
#> SRR1036021 2 0.615 0.612 0.152 0.848
#> SRR1036022 2 0.615 0.612 0.152 0.848
#> SRR1036023 2 0.615 0.612 0.152 0.848
#> SRR1036024 2 0.738 0.482 0.208 0.792
#> SRR1036025 2 0.738 0.482 0.208 0.792
#> SRR1036026 2 0.738 0.482 0.208 0.792
#> SRR1036027 2 0.738 0.482 0.208 0.792
#> SRR1036028 2 0.738 0.482 0.208 0.792
#> SRR1036029 2 0.738 0.482 0.208 0.792
#> SRR1036030 2 0.895 0.103 0.312 0.688
#> SRR1036031 2 0.895 0.103 0.312 0.688
#> SRR1036032 2 0.895 0.103 0.312 0.688
#> SRR1036033 2 0.895 0.103 0.312 0.688
#> SRR1036034 2 0.895 0.103 0.312 0.688
#> SRR1036035 2 0.895 0.103 0.312 0.688
#> SRR1036036 2 0.895 0.103 0.312 0.688
#> SRR1036037 2 0.895 0.103 0.312 0.688
#> SRR1036038 1 0.995 0.762 0.540 0.460
#> SRR1036039 1 0.995 0.762 0.540 0.460
#> SRR1036040 1 0.995 0.762 0.540 0.460
#> SRR1036041 1 0.978 0.821 0.588 0.412
#> SRR1036042 2 0.697 0.597 0.188 0.812
#> SRR1036043 2 0.697 0.597 0.188 0.812
#> SRR1036044 2 0.697 0.597 0.188 0.812
#> SRR1036045 2 0.697 0.597 0.188 0.812
#> SRR1036046 2 0.697 0.597 0.188 0.812
#> SRR1036047 2 0.697 0.597 0.188 0.812
#> SRR1036048 2 0.697 0.597 0.188 0.812
#> SRR1036049 2 0.697 0.597 0.188 0.812
#> SRR1036050 1 0.966 0.826 0.608 0.392
#> SRR1036051 1 0.966 0.826 0.608 0.392
#> SRR1036052 1 0.966 0.826 0.608 0.392
#> SRR1036053 1 0.966 0.826 0.608 0.392
#> SRR1036054 1 0.966 0.826 0.608 0.392
#> SRR1036055 1 0.997 0.718 0.532 0.468
#> SRR1036056 1 0.997 0.718 0.532 0.468
#> SRR1036057 1 0.997 0.718 0.532 0.468
#> SRR1036058 2 0.730 0.492 0.204 0.796
#> SRR1036059 2 0.730 0.492 0.204 0.796
#> SRR1036060 2 0.730 0.492 0.204 0.796
#> SRR1036061 2 0.730 0.492 0.204 0.796
#> SRR1036062 2 0.730 0.492 0.204 0.796
#> SRR1036063 2 0.730 0.492 0.204 0.796
#> SRR1036064 2 0.730 0.492 0.204 0.796
#> SRR1036065 2 0.730 0.492 0.204 0.796
#> SRR1036066 1 0.997 0.762 0.532 0.468
#> SRR1036067 1 0.997 0.762 0.532 0.468
#> SRR1036068 1 0.997 0.762 0.532 0.468
#> SRR1036069 1 0.997 0.762 0.532 0.468
#> SRR1036070 1 0.997 0.762 0.532 0.468
#> SRR1036071 1 0.997 0.762 0.532 0.468
#> SRR1036072 1 0.997 0.762 0.532 0.468
#> SRR1036073 1 0.997 0.762 0.532 0.468
#> SRR1036074 2 0.358 0.635 0.068 0.932
#> SRR1036075 2 0.358 0.635 0.068 0.932
#> SRR1036076 2 0.358 0.635 0.068 0.932
#> SRR1036077 2 0.358 0.635 0.068 0.932
#> SRR1036078 2 0.358 0.635 0.068 0.932
#> SRR1036079 2 0.358 0.635 0.068 0.932
#> SRR1036080 2 0.358 0.635 0.068 0.932
#> SRR1036081 2 0.358 0.635 0.068 0.932
#> SRR1036082 2 0.373 0.617 0.072 0.928
#> SRR1036083 2 0.373 0.617 0.072 0.928
#> SRR1036084 2 0.373 0.617 0.072 0.928
#> SRR1036090 2 0.615 0.595 0.152 0.848
#> SRR1036091 2 0.615 0.595 0.152 0.848
#> SRR1036092 2 0.615 0.595 0.152 0.848
#> SRR1036093 2 0.615 0.595 0.152 0.848
#> SRR1036094 2 0.615 0.595 0.152 0.848
#> SRR1036085 2 0.997 0.350 0.468 0.532
#> SRR1036086 2 0.997 0.350 0.468 0.532
#> SRR1036087 2 0.997 0.350 0.468 0.532
#> SRR1036088 2 0.997 0.350 0.468 0.532
#> SRR1036089 2 0.997 0.350 0.468 0.532
#> SRR1036095 2 0.955 -0.173 0.376 0.624
#> SRR1036096 2 0.955 -0.173 0.376 0.624
#> SRR1036097 2 0.955 -0.173 0.376 0.624
#> SRR1036098 2 0.955 -0.173 0.376 0.624
#> SRR1036099 2 0.955 -0.173 0.376 0.624
#> SRR1036100 2 0.469 0.597 0.100 0.900
#> SRR1036101 2 0.469 0.597 0.100 0.900
#> SRR1036102 2 0.469 0.597 0.100 0.900
#> SRR1036103 2 0.469 0.597 0.100 0.900
#> SRR1036104 2 0.469 0.597 0.100 0.900
#> SRR1036105 2 0.995 0.363 0.460 0.540
#> SRR1036106 2 0.995 0.363 0.460 0.540
#> SRR1036107 2 0.995 0.363 0.460 0.540
#> SRR1036108 2 0.995 0.363 0.460 0.540
#> SRR1036109 2 0.995 0.363 0.460 0.540
#> SRR1036110 2 0.605 0.614 0.148 0.852
#> SRR1036111 2 0.605 0.614 0.148 0.852
#> SRR1036112 2 0.605 0.614 0.148 0.852
#> SRR1036113 2 0.605 0.614 0.148 0.852
#> SRR1036114 2 0.605 0.614 0.148 0.852
#> SRR1036115 1 0.981 0.817 0.580 0.420
#> SRR1036116 1 0.981 0.817 0.580 0.420
#> SRR1036117 1 0.981 0.817 0.580 0.420
#> SRR1036118 1 0.981 0.817 0.580 0.420
#> SRR1036119 1 0.981 0.817 0.580 0.420
#> SRR1036120 1 0.881 0.554 0.700 0.300
#> SRR1036121 1 0.881 0.554 0.700 0.300
#> SRR1036122 1 0.881 0.554 0.700 0.300
#> SRR1036123 1 0.881 0.554 0.700 0.300
#> SRR1036124 1 0.881 0.554 0.700 0.300
#> SRR1036125 1 0.949 0.818 0.632 0.368
#> SRR1036126 1 0.949 0.818 0.632 0.368
#> SRR1036127 1 0.949 0.818 0.632 0.368
#> SRR1036128 1 0.949 0.818 0.632 0.368
#> SRR1036129 1 0.949 0.818 0.632 0.368
#> SRR1036130 1 0.949 0.818 0.632 0.368
#> SRR1036131 1 0.949 0.818 0.632 0.368
#> SRR1036132 1 0.949 0.818 0.632 0.368
#> SRR1036133 2 0.671 0.522 0.176 0.824
#> SRR1036134 2 0.671 0.522 0.176 0.824
#> SRR1036135 2 0.671 0.522 0.176 0.824
#> SRR1036136 2 0.671 0.522 0.176 0.824
#> SRR1036137 2 0.671 0.522 0.176 0.824
#> SRR1036138 2 0.653 0.591 0.168 0.832
#> SRR1036139 2 0.653 0.591 0.168 0.832
#> SRR1036140 2 0.653 0.591 0.168 0.832
#> SRR1036141 2 0.653 0.591 0.168 0.832
#> SRR1036142 2 0.653 0.591 0.168 0.832
#> SRR1036143 2 0.653 0.591 0.168 0.832
#> SRR1036144 2 0.653 0.591 0.168 0.832
#> SRR1036145 2 0.653 0.591 0.168 0.832
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 2 0.851 -0.4582 0.092 0.484 0.424
#> SRR1036003 2 0.851 -0.4582 0.092 0.484 0.424
#> SRR1036004 2 0.851 -0.4582 0.092 0.484 0.424
#> SRR1036005 3 0.807 0.9479 0.076 0.360 0.564
#> SRR1036006 3 0.807 0.9479 0.076 0.360 0.564
#> SRR1036007 3 0.807 0.9479 0.076 0.360 0.564
#> SRR1036008 3 0.807 0.9479 0.076 0.360 0.564
#> SRR1036009 3 0.807 0.9479 0.076 0.360 0.564
#> SRR1036013 2 0.713 0.4230 0.180 0.716 0.104
#> SRR1036014 2 0.713 0.4230 0.180 0.716 0.104
#> SRR1036015 2 0.713 0.4230 0.180 0.716 0.104
#> SRR1036016 2 0.713 0.4230 0.180 0.716 0.104
#> SRR1036017 2 0.713 0.4230 0.180 0.716 0.104
#> SRR1036018 2 0.713 0.4230 0.180 0.716 0.104
#> SRR1036010 1 0.468 0.7714 0.840 0.132 0.028
#> SRR1036011 1 0.468 0.7714 0.840 0.132 0.028
#> SRR1036012 1 0.468 0.7714 0.840 0.132 0.028
#> SRR1036019 2 0.731 0.4610 0.048 0.628 0.324
#> SRR1036020 2 0.731 0.4610 0.048 0.628 0.324
#> SRR1036021 2 0.731 0.4610 0.048 0.628 0.324
#> SRR1036022 2 0.731 0.4610 0.048 0.628 0.324
#> SRR1036023 2 0.731 0.4610 0.048 0.628 0.324
#> SRR1036024 2 0.660 0.4660 0.256 0.704 0.040
#> SRR1036025 2 0.660 0.4660 0.256 0.704 0.040
#> SRR1036026 2 0.660 0.4660 0.256 0.704 0.040
#> SRR1036027 2 0.660 0.4660 0.256 0.704 0.040
#> SRR1036028 2 0.660 0.4660 0.256 0.704 0.040
#> SRR1036029 2 0.660 0.4660 0.256 0.704 0.040
#> SRR1036030 2 0.903 0.2638 0.352 0.504 0.144
#> SRR1036031 2 0.903 0.2638 0.352 0.504 0.144
#> SRR1036032 2 0.903 0.2638 0.352 0.504 0.144
#> SRR1036033 2 0.903 0.2638 0.352 0.504 0.144
#> SRR1036034 2 0.903 0.2638 0.352 0.504 0.144
#> SRR1036035 2 0.903 0.2638 0.352 0.504 0.144
#> SRR1036036 2 0.903 0.2638 0.352 0.504 0.144
#> SRR1036037 2 0.903 0.2638 0.352 0.504 0.144
#> SRR1036038 1 0.615 0.7467 0.764 0.180 0.056
#> SRR1036039 1 0.615 0.7467 0.764 0.180 0.056
#> SRR1036040 1 0.615 0.7467 0.764 0.180 0.056
#> SRR1036041 1 0.448 0.7648 0.844 0.136 0.020
#> SRR1036042 2 0.723 0.2127 0.064 0.672 0.264
#> SRR1036043 2 0.723 0.2127 0.064 0.672 0.264
#> SRR1036044 2 0.723 0.2127 0.064 0.672 0.264
#> SRR1036045 2 0.723 0.2127 0.064 0.672 0.264
#> SRR1036046 2 0.723 0.2127 0.064 0.672 0.264
#> SRR1036047 2 0.723 0.2127 0.064 0.672 0.264
#> SRR1036048 2 0.723 0.2127 0.064 0.672 0.264
#> SRR1036049 2 0.723 0.2127 0.064 0.672 0.264
#> SRR1036050 1 0.432 0.7629 0.860 0.112 0.028
#> SRR1036051 1 0.432 0.7629 0.860 0.112 0.028
#> SRR1036052 1 0.432 0.7629 0.860 0.112 0.028
#> SRR1036053 1 0.432 0.7629 0.860 0.112 0.028
#> SRR1036054 1 0.432 0.7629 0.860 0.112 0.028
#> SRR1036055 1 0.630 0.6723 0.744 0.208 0.048
#> SRR1036056 1 0.630 0.6723 0.744 0.208 0.048
#> SRR1036057 1 0.630 0.6723 0.744 0.208 0.048
#> SRR1036058 2 0.824 0.4294 0.244 0.624 0.132
#> SRR1036059 2 0.824 0.4294 0.244 0.624 0.132
#> SRR1036060 2 0.824 0.4294 0.244 0.624 0.132
#> SRR1036061 2 0.824 0.4294 0.244 0.624 0.132
#> SRR1036062 2 0.824 0.4294 0.244 0.624 0.132
#> SRR1036063 2 0.824 0.4294 0.244 0.624 0.132
#> SRR1036064 2 0.824 0.4294 0.244 0.624 0.132
#> SRR1036065 2 0.824 0.4294 0.244 0.624 0.132
#> SRR1036066 1 0.748 0.5993 0.632 0.308 0.060
#> SRR1036067 1 0.748 0.5993 0.632 0.308 0.060
#> SRR1036068 1 0.748 0.5993 0.632 0.308 0.060
#> SRR1036069 1 0.748 0.5993 0.632 0.308 0.060
#> SRR1036070 1 0.748 0.5993 0.632 0.308 0.060
#> SRR1036071 1 0.748 0.5993 0.632 0.308 0.060
#> SRR1036072 1 0.748 0.5993 0.632 0.308 0.060
#> SRR1036073 1 0.748 0.5993 0.632 0.308 0.060
#> SRR1036074 2 0.594 0.5198 0.088 0.792 0.120
#> SRR1036075 2 0.594 0.5198 0.088 0.792 0.120
#> SRR1036076 2 0.594 0.5198 0.088 0.792 0.120
#> SRR1036077 2 0.594 0.5198 0.088 0.792 0.120
#> SRR1036078 2 0.594 0.5198 0.088 0.792 0.120
#> SRR1036079 2 0.594 0.5198 0.088 0.792 0.120
#> SRR1036080 2 0.594 0.5198 0.088 0.792 0.120
#> SRR1036081 2 0.594 0.5198 0.088 0.792 0.120
#> SRR1036082 2 0.582 0.5523 0.144 0.792 0.064
#> SRR1036083 2 0.582 0.5523 0.144 0.792 0.064
#> SRR1036084 2 0.582 0.5523 0.144 0.792 0.064
#> SRR1036090 2 0.780 0.5242 0.120 0.664 0.216
#> SRR1036091 2 0.780 0.5242 0.120 0.664 0.216
#> SRR1036092 2 0.780 0.5242 0.120 0.664 0.216
#> SRR1036093 2 0.780 0.5242 0.120 0.664 0.216
#> SRR1036094 2 0.780 0.5242 0.120 0.664 0.216
#> SRR1036085 3 0.844 0.9577 0.108 0.324 0.568
#> SRR1036086 3 0.844 0.9577 0.108 0.324 0.568
#> SRR1036087 3 0.844 0.9577 0.108 0.324 0.568
#> SRR1036088 3 0.844 0.9577 0.108 0.324 0.568
#> SRR1036089 3 0.844 0.9577 0.108 0.324 0.568
#> SRR1036095 1 0.806 0.0823 0.488 0.448 0.064
#> SRR1036096 1 0.806 0.0823 0.488 0.448 0.064
#> SRR1036097 1 0.806 0.0823 0.488 0.448 0.064
#> SRR1036098 1 0.806 0.0823 0.488 0.448 0.064
#> SRR1036099 1 0.806 0.0823 0.488 0.448 0.064
#> SRR1036100 2 0.661 0.5602 0.152 0.752 0.096
#> SRR1036101 2 0.661 0.5602 0.152 0.752 0.096
#> SRR1036102 2 0.661 0.5602 0.152 0.752 0.096
#> SRR1036103 2 0.661 0.5602 0.152 0.752 0.096
#> SRR1036104 2 0.661 0.5602 0.152 0.752 0.096
#> SRR1036105 3 0.839 0.9674 0.100 0.340 0.560
#> SRR1036106 3 0.839 0.9674 0.100 0.340 0.560
#> SRR1036107 3 0.839 0.9674 0.100 0.340 0.560
#> SRR1036108 3 0.839 0.9674 0.100 0.340 0.560
#> SRR1036109 3 0.839 0.9674 0.100 0.340 0.560
#> SRR1036110 2 0.666 0.4441 0.132 0.752 0.116
#> SRR1036111 2 0.666 0.4441 0.132 0.752 0.116
#> SRR1036112 2 0.666 0.4441 0.132 0.752 0.116
#> SRR1036113 2 0.666 0.4441 0.132 0.752 0.116
#> SRR1036114 2 0.666 0.4441 0.132 0.752 0.116
#> SRR1036115 1 0.454 0.7576 0.848 0.124 0.028
#> SRR1036116 1 0.454 0.7576 0.848 0.124 0.028
#> SRR1036117 1 0.454 0.7576 0.848 0.124 0.028
#> SRR1036118 1 0.454 0.7576 0.848 0.124 0.028
#> SRR1036119 1 0.454 0.7576 0.848 0.124 0.028
#> SRR1036120 1 0.830 0.5605 0.628 0.152 0.220
#> SRR1036121 1 0.830 0.5605 0.628 0.152 0.220
#> SRR1036122 1 0.830 0.5605 0.628 0.152 0.220
#> SRR1036123 1 0.830 0.5605 0.628 0.152 0.220
#> SRR1036124 1 0.830 0.5605 0.628 0.152 0.220
#> SRR1036125 1 0.551 0.7712 0.808 0.136 0.056
#> SRR1036126 1 0.551 0.7712 0.808 0.136 0.056
#> SRR1036127 1 0.551 0.7712 0.808 0.136 0.056
#> SRR1036128 1 0.551 0.7712 0.808 0.136 0.056
#> SRR1036129 1 0.551 0.7712 0.808 0.136 0.056
#> SRR1036130 1 0.551 0.7712 0.808 0.136 0.056
#> SRR1036131 1 0.551 0.7712 0.808 0.136 0.056
#> SRR1036132 1 0.551 0.7712 0.808 0.136 0.056
#> SRR1036133 2 0.808 0.5318 0.172 0.652 0.176
#> SRR1036134 2 0.808 0.5318 0.172 0.652 0.176
#> SRR1036135 2 0.808 0.5318 0.172 0.652 0.176
#> SRR1036136 2 0.808 0.5318 0.172 0.652 0.176
#> SRR1036137 2 0.808 0.5318 0.172 0.652 0.176
#> SRR1036138 2 0.802 0.4887 0.108 0.632 0.260
#> SRR1036139 2 0.802 0.4887 0.108 0.632 0.260
#> SRR1036140 2 0.802 0.4887 0.108 0.632 0.260
#> SRR1036141 2 0.802 0.4887 0.108 0.632 0.260
#> SRR1036142 2 0.802 0.4887 0.108 0.632 0.260
#> SRR1036143 2 0.802 0.4887 0.108 0.632 0.260
#> SRR1036144 2 0.802 0.4887 0.108 0.632 0.260
#> SRR1036145 2 0.802 0.4887 0.108 0.632 0.260
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.788 0.54242 0.048 0.192 0.576 0.184
#> SRR1036003 3 0.788 0.54242 0.048 0.192 0.576 0.184
#> SRR1036004 3 0.788 0.54242 0.048 0.192 0.576 0.184
#> SRR1036005 3 0.285 0.72136 0.028 0.052 0.908 0.012
#> SRR1036006 3 0.285 0.72136 0.028 0.052 0.908 0.012
#> SRR1036007 3 0.285 0.72136 0.028 0.052 0.908 0.012
#> SRR1036008 3 0.285 0.72136 0.028 0.052 0.908 0.012
#> SRR1036009 3 0.285 0.72136 0.028 0.052 0.908 0.012
#> SRR1036013 4 0.967 0.70464 0.140 0.280 0.240 0.340
#> SRR1036014 4 0.967 0.70464 0.140 0.280 0.240 0.340
#> SRR1036015 4 0.967 0.70464 0.140 0.280 0.240 0.340
#> SRR1036016 4 0.967 0.70464 0.140 0.280 0.240 0.340
#> SRR1036017 4 0.967 0.70464 0.140 0.280 0.240 0.340
#> SRR1036018 4 0.967 0.70464 0.140 0.280 0.240 0.340
#> SRR1036010 1 0.350 0.72330 0.884 0.048 0.036 0.032
#> SRR1036011 1 0.350 0.72330 0.884 0.048 0.036 0.032
#> SRR1036012 1 0.350 0.72330 0.884 0.048 0.036 0.032
#> SRR1036019 2 0.568 0.42249 0.032 0.760 0.088 0.120
#> SRR1036020 2 0.568 0.42249 0.032 0.760 0.088 0.120
#> SRR1036021 2 0.568 0.42249 0.032 0.760 0.088 0.120
#> SRR1036022 2 0.568 0.42249 0.032 0.760 0.088 0.120
#> SRR1036023 2 0.568 0.42249 0.032 0.760 0.088 0.120
#> SRR1036024 2 0.983 -0.50252 0.244 0.320 0.172 0.264
#> SRR1036025 2 0.983 -0.50252 0.244 0.320 0.172 0.264
#> SRR1036026 2 0.983 -0.50252 0.244 0.320 0.172 0.264
#> SRR1036027 2 0.983 -0.50252 0.244 0.320 0.172 0.264
#> SRR1036028 2 0.983 -0.50252 0.244 0.320 0.172 0.264
#> SRR1036029 2 0.983 -0.50252 0.244 0.320 0.172 0.264
#> SRR1036030 2 0.690 0.37818 0.300 0.592 0.016 0.092
#> SRR1036031 2 0.690 0.37818 0.300 0.592 0.016 0.092
#> SRR1036032 2 0.690 0.37818 0.300 0.592 0.016 0.092
#> SRR1036033 2 0.690 0.37818 0.300 0.592 0.016 0.092
#> SRR1036034 2 0.690 0.37818 0.300 0.592 0.016 0.092
#> SRR1036035 2 0.690 0.37818 0.300 0.592 0.016 0.092
#> SRR1036036 2 0.690 0.37818 0.300 0.592 0.016 0.092
#> SRR1036037 2 0.690 0.37818 0.300 0.592 0.016 0.092
#> SRR1036038 1 0.517 0.67995 0.788 0.128 0.044 0.040
#> SRR1036039 1 0.517 0.67995 0.788 0.128 0.044 0.040
#> SRR1036040 1 0.517 0.67995 0.788 0.128 0.044 0.040
#> SRR1036041 1 0.280 0.71693 0.908 0.060 0.012 0.020
#> SRR1036042 3 0.880 0.38504 0.072 0.244 0.468 0.216
#> SRR1036043 3 0.880 0.38504 0.072 0.244 0.468 0.216
#> SRR1036044 3 0.880 0.38504 0.072 0.244 0.468 0.216
#> SRR1036045 3 0.880 0.38504 0.072 0.244 0.468 0.216
#> SRR1036046 3 0.880 0.38504 0.072 0.244 0.468 0.216
#> SRR1036047 3 0.880 0.38504 0.072 0.244 0.468 0.216
#> SRR1036048 3 0.880 0.38504 0.072 0.244 0.468 0.216
#> SRR1036049 3 0.880 0.38504 0.072 0.244 0.468 0.216
#> SRR1036050 1 0.276 0.71610 0.912 0.048 0.012 0.028
#> SRR1036051 1 0.276 0.71610 0.912 0.048 0.012 0.028
#> SRR1036052 1 0.276 0.71610 0.912 0.048 0.012 0.028
#> SRR1036053 1 0.276 0.71610 0.912 0.048 0.012 0.028
#> SRR1036054 1 0.276 0.71610 0.912 0.048 0.012 0.028
#> SRR1036055 1 0.490 0.61360 0.764 0.188 0.004 0.044
#> SRR1036056 1 0.490 0.61360 0.764 0.188 0.004 0.044
#> SRR1036057 1 0.490 0.61360 0.764 0.188 0.004 0.044
#> SRR1036058 4 0.949 0.70407 0.180 0.280 0.148 0.392
#> SRR1036059 4 0.949 0.70407 0.180 0.280 0.148 0.392
#> SRR1036060 4 0.949 0.70407 0.180 0.280 0.148 0.392
#> SRR1036061 4 0.949 0.70407 0.180 0.280 0.148 0.392
#> SRR1036062 4 0.949 0.70407 0.180 0.280 0.148 0.392
#> SRR1036063 4 0.949 0.70407 0.180 0.280 0.148 0.392
#> SRR1036064 4 0.949 0.70407 0.180 0.280 0.148 0.392
#> SRR1036065 4 0.949 0.70407 0.180 0.280 0.148 0.392
#> SRR1036066 1 0.801 0.47055 0.596 0.140 0.100 0.164
#> SRR1036067 1 0.801 0.47055 0.596 0.140 0.100 0.164
#> SRR1036068 1 0.801 0.47055 0.596 0.140 0.100 0.164
#> SRR1036069 1 0.801 0.47055 0.596 0.140 0.100 0.164
#> SRR1036070 1 0.801 0.47055 0.596 0.140 0.100 0.164
#> SRR1036071 1 0.801 0.47055 0.596 0.140 0.100 0.164
#> SRR1036072 1 0.801 0.47055 0.596 0.140 0.100 0.164
#> SRR1036073 1 0.801 0.47055 0.596 0.140 0.100 0.164
#> SRR1036074 2 0.892 -0.01589 0.088 0.468 0.204 0.240
#> SRR1036075 2 0.892 -0.01589 0.088 0.468 0.204 0.240
#> SRR1036076 2 0.892 -0.01589 0.088 0.468 0.204 0.240
#> SRR1036077 2 0.892 -0.01589 0.088 0.468 0.204 0.240
#> SRR1036078 2 0.892 -0.01589 0.088 0.468 0.204 0.240
#> SRR1036079 2 0.892 -0.01589 0.088 0.468 0.204 0.240
#> SRR1036080 2 0.892 -0.01589 0.088 0.468 0.204 0.240
#> SRR1036081 2 0.892 -0.01589 0.088 0.468 0.204 0.240
#> SRR1036082 2 0.915 -0.42840 0.116 0.412 0.156 0.316
#> SRR1036083 2 0.915 -0.42840 0.116 0.412 0.156 0.316
#> SRR1036084 2 0.915 -0.42840 0.116 0.412 0.156 0.316
#> SRR1036090 2 0.642 0.47337 0.100 0.724 0.100 0.076
#> SRR1036091 2 0.642 0.47337 0.100 0.724 0.100 0.076
#> SRR1036092 2 0.642 0.47337 0.100 0.724 0.100 0.076
#> SRR1036093 2 0.642 0.47337 0.100 0.724 0.100 0.076
#> SRR1036094 2 0.642 0.47337 0.100 0.724 0.100 0.076
#> SRR1036085 3 0.368 0.70692 0.044 0.036 0.876 0.044
#> SRR1036086 3 0.368 0.70692 0.044 0.036 0.876 0.044
#> SRR1036087 3 0.368 0.70692 0.044 0.036 0.876 0.044
#> SRR1036088 3 0.368 0.70692 0.044 0.036 0.876 0.044
#> SRR1036089 3 0.368 0.70692 0.044 0.036 0.876 0.044
#> SRR1036095 1 0.891 -0.00871 0.432 0.280 0.068 0.220
#> SRR1036096 1 0.891 -0.00871 0.432 0.280 0.068 0.220
#> SRR1036097 1 0.891 -0.00871 0.432 0.280 0.068 0.220
#> SRR1036098 1 0.891 -0.00871 0.432 0.280 0.068 0.220
#> SRR1036099 1 0.891 -0.00871 0.432 0.280 0.068 0.220
#> SRR1036100 2 0.833 0.27491 0.140 0.564 0.112 0.184
#> SRR1036101 2 0.833 0.27491 0.140 0.564 0.112 0.184
#> SRR1036102 2 0.833 0.27491 0.140 0.564 0.112 0.184
#> SRR1036103 2 0.833 0.27491 0.140 0.564 0.112 0.184
#> SRR1036104 2 0.833 0.27491 0.140 0.564 0.112 0.184
#> SRR1036105 3 0.292 0.72008 0.040 0.048 0.904 0.008
#> SRR1036106 3 0.292 0.72008 0.040 0.048 0.904 0.008
#> SRR1036107 3 0.292 0.72008 0.040 0.048 0.904 0.008
#> SRR1036108 3 0.292 0.72008 0.040 0.048 0.904 0.008
#> SRR1036109 3 0.292 0.72008 0.040 0.048 0.904 0.008
#> SRR1036110 4 0.934 0.68371 0.100 0.304 0.224 0.372
#> SRR1036111 4 0.934 0.68371 0.100 0.304 0.224 0.372
#> SRR1036112 4 0.934 0.68371 0.100 0.304 0.224 0.372
#> SRR1036113 4 0.934 0.68371 0.100 0.304 0.224 0.372
#> SRR1036114 4 0.934 0.68371 0.100 0.304 0.224 0.372
#> SRR1036115 1 0.514 0.68510 0.796 0.076 0.032 0.096
#> SRR1036116 1 0.514 0.68510 0.796 0.076 0.032 0.096
#> SRR1036117 1 0.514 0.68510 0.796 0.076 0.032 0.096
#> SRR1036118 1 0.514 0.68510 0.796 0.076 0.032 0.096
#> SRR1036119 1 0.514 0.68510 0.796 0.076 0.032 0.096
#> SRR1036120 1 0.841 0.42270 0.508 0.056 0.188 0.248
#> SRR1036121 1 0.841 0.42270 0.508 0.056 0.188 0.248
#> SRR1036122 1 0.841 0.42270 0.508 0.056 0.188 0.248
#> SRR1036123 1 0.846 0.42287 0.508 0.060 0.192 0.240
#> SRR1036124 1 0.841 0.42270 0.508 0.056 0.188 0.248
#> SRR1036125 1 0.413 0.72051 0.848 0.048 0.084 0.020
#> SRR1036126 1 0.413 0.72051 0.848 0.048 0.084 0.020
#> SRR1036127 1 0.413 0.72051 0.848 0.048 0.084 0.020
#> SRR1036128 1 0.413 0.72051 0.848 0.048 0.084 0.020
#> SRR1036129 1 0.413 0.72051 0.848 0.048 0.084 0.020
#> SRR1036130 1 0.413 0.72051 0.848 0.048 0.084 0.020
#> SRR1036131 1 0.413 0.72051 0.848 0.048 0.084 0.020
#> SRR1036132 1 0.413 0.72051 0.848 0.048 0.084 0.020
#> SRR1036133 2 0.366 0.49140 0.136 0.840 0.000 0.024
#> SRR1036134 2 0.366 0.49140 0.136 0.840 0.000 0.024
#> SRR1036135 2 0.366 0.49140 0.136 0.840 0.000 0.024
#> SRR1036136 2 0.366 0.49140 0.136 0.840 0.000 0.024
#> SRR1036137 2 0.366 0.49140 0.136 0.840 0.000 0.024
#> SRR1036138 2 0.462 0.49420 0.068 0.824 0.084 0.024
#> SRR1036139 2 0.462 0.49420 0.068 0.824 0.084 0.024
#> SRR1036140 2 0.462 0.49420 0.068 0.824 0.084 0.024
#> SRR1036141 2 0.462 0.49420 0.068 0.824 0.084 0.024
#> SRR1036142 2 0.462 0.49420 0.068 0.824 0.084 0.024
#> SRR1036143 2 0.462 0.49420 0.068 0.824 0.084 0.024
#> SRR1036144 2 0.462 0.49420 0.068 0.824 0.084 0.024
#> SRR1036145 2 0.462 0.49420 0.068 0.824 0.084 0.024
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.773 0.2931 0.016 0.104 0.504 0.264 NA
#> SRR1036003 3 0.773 0.2931 0.016 0.104 0.504 0.264 NA
#> SRR1036004 3 0.773 0.2931 0.016 0.104 0.504 0.264 NA
#> SRR1036005 3 0.327 0.8713 0.020 0.028 0.872 0.072 NA
#> SRR1036006 3 0.327 0.8713 0.020 0.028 0.872 0.072 NA
#> SRR1036007 3 0.327 0.8713 0.020 0.028 0.872 0.072 NA
#> SRR1036008 3 0.327 0.8713 0.020 0.028 0.872 0.072 NA
#> SRR1036009 3 0.327 0.8713 0.020 0.028 0.872 0.072 NA
#> SRR1036013 4 0.715 0.5221 0.108 0.064 0.184 0.608 NA
#> SRR1036014 4 0.715 0.5221 0.108 0.064 0.184 0.608 NA
#> SRR1036015 4 0.715 0.5221 0.108 0.064 0.184 0.608 NA
#> SRR1036016 4 0.715 0.5221 0.108 0.064 0.184 0.608 NA
#> SRR1036017 4 0.715 0.5221 0.108 0.064 0.184 0.608 NA
#> SRR1036018 4 0.715 0.5221 0.108 0.064 0.184 0.608 NA
#> SRR1036010 1 0.313 0.6861 0.888 0.020 0.028 0.032 NA
#> SRR1036011 1 0.313 0.6861 0.888 0.020 0.028 0.032 NA
#> SRR1036012 1 0.313 0.6861 0.888 0.020 0.028 0.032 NA
#> SRR1036019 2 0.720 0.4331 0.012 0.576 0.080 0.208 NA
#> SRR1036020 2 0.721 0.4331 0.012 0.576 0.080 0.204 NA
#> SRR1036021 2 0.720 0.4331 0.012 0.576 0.080 0.208 NA
#> SRR1036022 2 0.721 0.4331 0.012 0.576 0.080 0.204 NA
#> SRR1036023 2 0.720 0.4331 0.012 0.576 0.080 0.208 NA
#> SRR1036024 4 0.856 0.4415 0.196 0.128 0.120 0.484 NA
#> SRR1036025 4 0.856 0.4415 0.196 0.128 0.120 0.484 NA
#> SRR1036026 4 0.856 0.4415 0.196 0.128 0.120 0.484 NA
#> SRR1036027 4 0.856 0.4415 0.196 0.128 0.120 0.484 NA
#> SRR1036028 4 0.856 0.4415 0.196 0.128 0.120 0.484 NA
#> SRR1036029 4 0.856 0.4415 0.196 0.128 0.120 0.484 NA
#> SRR1036030 2 0.741 0.5448 0.204 0.544 0.004 0.144 NA
#> SRR1036031 2 0.741 0.5448 0.204 0.544 0.004 0.144 NA
#> SRR1036032 2 0.741 0.5448 0.204 0.544 0.004 0.144 NA
#> SRR1036033 2 0.741 0.5448 0.204 0.544 0.004 0.144 NA
#> SRR1036034 2 0.741 0.5448 0.204 0.544 0.004 0.144 NA
#> SRR1036035 2 0.741 0.5448 0.204 0.544 0.004 0.144 NA
#> SRR1036036 2 0.741 0.5448 0.204 0.544 0.004 0.144 NA
#> SRR1036037 2 0.741 0.5448 0.204 0.544 0.004 0.144 NA
#> SRR1036038 1 0.558 0.6346 0.752 0.080 0.048 0.052 NA
#> SRR1036039 1 0.558 0.6346 0.752 0.080 0.048 0.052 NA
#> SRR1036040 1 0.558 0.6346 0.752 0.080 0.048 0.052 NA
#> SRR1036041 1 0.217 0.6877 0.928 0.024 0.004 0.024 NA
#> SRR1036042 4 0.853 0.2308 0.036 0.156 0.324 0.384 NA
#> SRR1036043 4 0.853 0.2308 0.036 0.156 0.324 0.384 NA
#> SRR1036044 4 0.853 0.2308 0.036 0.156 0.324 0.384 NA
#> SRR1036045 4 0.853 0.2308 0.036 0.156 0.324 0.384 NA
#> SRR1036046 4 0.853 0.2308 0.036 0.156 0.324 0.384 NA
#> SRR1036047 4 0.853 0.2308 0.036 0.156 0.324 0.384 NA
#> SRR1036048 4 0.853 0.2308 0.036 0.156 0.324 0.384 NA
#> SRR1036049 4 0.853 0.2308 0.036 0.156 0.324 0.384 NA
#> SRR1036050 1 0.267 0.6847 0.896 0.016 0.004 0.012 NA
#> SRR1036051 1 0.267 0.6847 0.896 0.016 0.004 0.012 NA
#> SRR1036052 1 0.267 0.6847 0.896 0.016 0.004 0.012 NA
#> SRR1036053 1 0.267 0.6847 0.896 0.016 0.004 0.012 NA
#> SRR1036054 1 0.267 0.6847 0.896 0.016 0.004 0.012 NA
#> SRR1036055 1 0.533 0.5235 0.712 0.172 0.000 0.028 NA
#> SRR1036056 1 0.533 0.5235 0.712 0.172 0.000 0.028 NA
#> SRR1036057 1 0.533 0.5235 0.712 0.172 0.000 0.028 NA
#> SRR1036058 4 0.643 0.5016 0.084 0.064 0.080 0.696 NA
#> SRR1036059 4 0.637 0.5016 0.084 0.064 0.080 0.700 NA
#> SRR1036060 4 0.643 0.5016 0.084 0.064 0.080 0.696 NA
#> SRR1036061 4 0.643 0.5016 0.084 0.064 0.080 0.696 NA
#> SRR1036062 4 0.637 0.5016 0.084 0.064 0.080 0.700 NA
#> SRR1036063 4 0.637 0.5016 0.084 0.064 0.080 0.700 NA
#> SRR1036064 4 0.637 0.5016 0.084 0.064 0.080 0.700 NA
#> SRR1036065 4 0.643 0.5016 0.084 0.064 0.080 0.696 NA
#> SRR1036066 1 0.759 0.4658 0.572 0.056 0.064 0.196 NA
#> SRR1036067 1 0.761 0.4659 0.572 0.060 0.064 0.196 NA
#> SRR1036068 1 0.759 0.4658 0.572 0.056 0.064 0.196 NA
#> SRR1036069 1 0.759 0.4659 0.572 0.060 0.060 0.196 NA
#> SRR1036070 1 0.757 0.4658 0.572 0.056 0.060 0.196 NA
#> SRR1036071 1 0.759 0.4658 0.572 0.056 0.064 0.196 NA
#> SRR1036072 1 0.757 0.4658 0.572 0.056 0.060 0.196 NA
#> SRR1036073 1 0.757 0.4658 0.572 0.056 0.060 0.196 NA
#> SRR1036074 4 0.745 0.3957 0.048 0.252 0.072 0.556 NA
#> SRR1036075 4 0.745 0.3957 0.048 0.252 0.072 0.556 NA
#> SRR1036076 4 0.745 0.3957 0.048 0.252 0.072 0.556 NA
#> SRR1036077 4 0.745 0.3957 0.048 0.252 0.072 0.556 NA
#> SRR1036078 4 0.745 0.3957 0.048 0.252 0.072 0.556 NA
#> SRR1036079 4 0.745 0.3957 0.048 0.252 0.072 0.556 NA
#> SRR1036080 4 0.745 0.3957 0.048 0.252 0.072 0.556 NA
#> SRR1036081 4 0.745 0.3957 0.048 0.252 0.072 0.556 NA
#> SRR1036082 4 0.676 0.4393 0.052 0.212 0.064 0.628 NA
#> SRR1036083 4 0.676 0.4393 0.052 0.212 0.064 0.628 NA
#> SRR1036084 4 0.676 0.4393 0.052 0.212 0.064 0.628 NA
#> SRR1036090 2 0.744 0.4955 0.052 0.572 0.060 0.224 NA
#> SRR1036091 2 0.744 0.4955 0.052 0.572 0.060 0.224 NA
#> SRR1036092 2 0.744 0.4955 0.052 0.572 0.060 0.224 NA
#> SRR1036093 2 0.744 0.4955 0.052 0.572 0.060 0.224 NA
#> SRR1036094 2 0.744 0.4955 0.052 0.572 0.060 0.224 NA
#> SRR1036085 3 0.395 0.8660 0.040 0.020 0.844 0.064 NA
#> SRR1036086 3 0.395 0.8660 0.040 0.020 0.844 0.064 NA
#> SRR1036087 3 0.395 0.8660 0.040 0.020 0.844 0.064 NA
#> SRR1036088 3 0.395 0.8660 0.040 0.020 0.844 0.064 NA
#> SRR1036089 3 0.395 0.8660 0.040 0.020 0.844 0.064 NA
#> SRR1036095 1 0.893 0.1647 0.360 0.112 0.052 0.292 NA
#> SRR1036096 1 0.893 0.1647 0.360 0.112 0.052 0.292 NA
#> SRR1036097 1 0.893 0.1647 0.360 0.112 0.052 0.292 NA
#> SRR1036098 1 0.893 0.1647 0.360 0.112 0.052 0.292 NA
#> SRR1036099 1 0.893 0.1647 0.360 0.112 0.052 0.292 NA
#> SRR1036100 4 0.820 0.0855 0.068 0.364 0.072 0.408 NA
#> SRR1036101 4 0.820 0.0855 0.068 0.364 0.072 0.408 NA
#> SRR1036102 4 0.820 0.0855 0.068 0.364 0.072 0.408 NA
#> SRR1036103 4 0.820 0.0855 0.068 0.364 0.072 0.408 NA
#> SRR1036104 4 0.820 0.0855 0.068 0.364 0.072 0.408 NA
#> SRR1036105 3 0.329 0.8766 0.040 0.016 0.872 0.064 NA
#> SRR1036106 3 0.329 0.8766 0.040 0.016 0.872 0.064 NA
#> SRR1036107 3 0.329 0.8766 0.040 0.016 0.872 0.064 NA
#> SRR1036108 3 0.329 0.8766 0.040 0.016 0.872 0.064 NA
#> SRR1036109 3 0.329 0.8766 0.040 0.016 0.872 0.064 NA
#> SRR1036110 4 0.649 0.5694 0.060 0.096 0.156 0.664 NA
#> SRR1036111 4 0.649 0.5694 0.060 0.096 0.156 0.664 NA
#> SRR1036112 4 0.649 0.5694 0.060 0.096 0.156 0.664 NA
#> SRR1036113 4 0.649 0.5694 0.060 0.096 0.156 0.664 NA
#> SRR1036114 4 0.649 0.5694 0.060 0.096 0.156 0.664 NA
#> SRR1036115 1 0.554 0.6232 0.700 0.044 0.000 0.076 NA
#> SRR1036116 1 0.554 0.6232 0.700 0.044 0.000 0.076 NA
#> SRR1036117 1 0.554 0.6232 0.700 0.044 0.000 0.076 NA
#> SRR1036118 1 0.554 0.6232 0.700 0.044 0.000 0.076 NA
#> SRR1036119 1 0.554 0.6232 0.700 0.044 0.000 0.076 NA
#> SRR1036120 1 0.751 0.3868 0.428 0.008 0.116 0.072 NA
#> SRR1036121 1 0.763 0.3868 0.428 0.012 0.120 0.072 NA
#> SRR1036122 1 0.763 0.3868 0.428 0.012 0.120 0.072 NA
#> SRR1036123 1 0.760 0.3869 0.428 0.012 0.116 0.072 NA
#> SRR1036124 1 0.751 0.3868 0.428 0.008 0.116 0.072 NA
#> SRR1036125 1 0.383 0.6873 0.852 0.020 0.048 0.032 NA
#> SRR1036126 1 0.383 0.6873 0.852 0.020 0.048 0.032 NA
#> SRR1036127 1 0.383 0.6873 0.852 0.020 0.048 0.032 NA
#> SRR1036128 1 0.383 0.6873 0.852 0.020 0.048 0.032 NA
#> SRR1036129 1 0.383 0.6873 0.852 0.020 0.048 0.032 NA
#> SRR1036130 1 0.383 0.6873 0.852 0.020 0.048 0.032 NA
#> SRR1036131 1 0.383 0.6873 0.852 0.020 0.048 0.032 NA
#> SRR1036132 1 0.383 0.6873 0.852 0.020 0.048 0.032 NA
#> SRR1036133 2 0.509 0.6420 0.060 0.736 0.000 0.164 NA
#> SRR1036134 2 0.509 0.6420 0.060 0.736 0.000 0.164 NA
#> SRR1036135 2 0.509 0.6420 0.060 0.736 0.000 0.164 NA
#> SRR1036136 2 0.509 0.6420 0.060 0.736 0.000 0.164 NA
#> SRR1036137 2 0.509 0.6420 0.060 0.736 0.000 0.164 NA
#> SRR1036138 2 0.464 0.6551 0.028 0.792 0.040 0.120 NA
#> SRR1036139 2 0.464 0.6551 0.028 0.792 0.040 0.120 NA
#> SRR1036140 2 0.464 0.6551 0.028 0.792 0.040 0.120 NA
#> SRR1036141 2 0.464 0.6551 0.028 0.792 0.040 0.120 NA
#> SRR1036142 2 0.464 0.6551 0.028 0.792 0.040 0.120 NA
#> SRR1036143 2 0.464 0.6551 0.028 0.792 0.040 0.120 NA
#> SRR1036144 2 0.464 0.6551 0.028 0.792 0.040 0.120 NA
#> SRR1036145 2 0.464 0.6551 0.028 0.792 0.040 0.120 NA
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 4 0.804 0.1529 0.012 0.052 0.320 0.368 0.168 0.080
#> SRR1036003 4 0.804 0.1529 0.012 0.052 0.320 0.368 0.168 0.080
#> SRR1036004 4 0.804 0.1529 0.012 0.052 0.320 0.368 0.168 0.080
#> SRR1036005 3 0.226 0.9667 0.020 0.004 0.912 0.048 0.012 0.004
#> SRR1036006 3 0.226 0.9667 0.020 0.004 0.912 0.048 0.012 0.004
#> SRR1036007 3 0.226 0.9667 0.020 0.004 0.912 0.048 0.012 0.004
#> SRR1036008 3 0.226 0.9667 0.020 0.004 0.912 0.048 0.012 0.004
#> SRR1036009 3 0.226 0.9667 0.020 0.004 0.912 0.048 0.012 0.004
#> SRR1036013 4 0.857 0.2920 0.108 0.076 0.140 0.436 0.048 0.192
#> SRR1036014 4 0.857 0.2920 0.108 0.076 0.140 0.436 0.048 0.192
#> SRR1036015 4 0.857 0.2920 0.108 0.076 0.140 0.436 0.048 0.192
#> SRR1036016 4 0.857 0.2920 0.108 0.076 0.140 0.436 0.048 0.192
#> SRR1036017 4 0.857 0.2920 0.108 0.076 0.140 0.436 0.048 0.192
#> SRR1036018 4 0.857 0.2920 0.108 0.076 0.140 0.436 0.048 0.192
#> SRR1036010 1 0.325 0.4745 0.856 0.016 0.012 0.008 0.088 0.020
#> SRR1036011 1 0.325 0.4745 0.856 0.016 0.012 0.008 0.088 0.020
#> SRR1036012 1 0.325 0.4745 0.856 0.016 0.012 0.008 0.088 0.020
#> SRR1036019 2 0.656 0.4963 0.004 0.608 0.032 0.148 0.140 0.068
#> SRR1036020 2 0.659 0.4963 0.004 0.604 0.032 0.148 0.144 0.068
#> SRR1036021 2 0.654 0.4962 0.004 0.608 0.032 0.148 0.144 0.064
#> SRR1036022 2 0.659 0.4963 0.004 0.604 0.032 0.148 0.144 0.068
#> SRR1036023 2 0.656 0.4963 0.004 0.608 0.032 0.148 0.140 0.068
#> SRR1036024 4 0.887 0.1296 0.196 0.096 0.100 0.416 0.088 0.104
#> SRR1036025 4 0.887 0.1296 0.196 0.096 0.100 0.416 0.088 0.104
#> SRR1036026 4 0.887 0.1296 0.196 0.096 0.100 0.416 0.088 0.104
#> SRR1036027 4 0.887 0.1296 0.196 0.096 0.100 0.416 0.088 0.104
#> SRR1036028 4 0.887 0.1296 0.196 0.096 0.100 0.416 0.088 0.104
#> SRR1036029 4 0.887 0.1296 0.196 0.096 0.100 0.416 0.088 0.104
#> SRR1036030 2 0.718 0.5560 0.180 0.564 0.012 0.080 0.052 0.112
#> SRR1036031 2 0.718 0.5560 0.180 0.564 0.012 0.080 0.052 0.112
#> SRR1036032 2 0.718 0.5560 0.180 0.564 0.012 0.080 0.052 0.112
#> SRR1036033 2 0.718 0.5560 0.180 0.564 0.012 0.080 0.052 0.112
#> SRR1036034 2 0.718 0.5560 0.180 0.564 0.012 0.080 0.052 0.112
#> SRR1036035 2 0.718 0.5560 0.180 0.564 0.012 0.080 0.052 0.112
#> SRR1036036 2 0.718 0.5560 0.180 0.564 0.012 0.080 0.052 0.112
#> SRR1036037 2 0.718 0.5560 0.180 0.564 0.012 0.080 0.052 0.112
#> SRR1036038 1 0.588 0.4295 0.708 0.088 0.036 0.032 0.072 0.064
#> SRR1036039 1 0.588 0.4295 0.708 0.088 0.036 0.032 0.072 0.064
#> SRR1036040 1 0.588 0.4295 0.708 0.088 0.036 0.032 0.072 0.064
#> SRR1036041 1 0.264 0.5314 0.900 0.020 0.004 0.032 0.020 0.024
#> SRR1036042 4 0.783 0.3345 0.012 0.088 0.240 0.456 0.156 0.048
#> SRR1036043 4 0.783 0.3345 0.012 0.088 0.240 0.456 0.156 0.048
#> SRR1036044 4 0.783 0.3345 0.012 0.088 0.240 0.456 0.156 0.048
#> SRR1036045 4 0.783 0.3345 0.012 0.088 0.240 0.456 0.156 0.048
#> SRR1036046 4 0.783 0.3345 0.012 0.088 0.240 0.456 0.156 0.048
#> SRR1036047 4 0.783 0.3345 0.012 0.088 0.240 0.456 0.156 0.048
#> SRR1036048 4 0.783 0.3345 0.012 0.088 0.240 0.456 0.156 0.048
#> SRR1036049 4 0.783 0.3345 0.012 0.088 0.240 0.456 0.156 0.048
#> SRR1036050 1 0.261 0.4719 0.892 0.008 0.000 0.012 0.040 0.048
#> SRR1036051 1 0.261 0.4719 0.892 0.008 0.000 0.012 0.040 0.048
#> SRR1036052 1 0.261 0.4719 0.892 0.008 0.000 0.012 0.040 0.048
#> SRR1036053 1 0.261 0.4719 0.892 0.008 0.000 0.012 0.040 0.048
#> SRR1036054 1 0.261 0.4719 0.892 0.008 0.000 0.012 0.040 0.048
#> SRR1036055 1 0.604 0.3234 0.660 0.164 0.008 0.048 0.036 0.084
#> SRR1036056 1 0.604 0.3234 0.660 0.164 0.008 0.048 0.036 0.084
#> SRR1036057 1 0.604 0.3234 0.660 0.164 0.008 0.048 0.036 0.084
#> SRR1036058 4 0.755 0.2319 0.048 0.060 0.100 0.464 0.024 0.304
#> SRR1036059 4 0.749 0.2319 0.048 0.060 0.100 0.464 0.020 0.308
#> SRR1036060 4 0.755 0.2319 0.048 0.060 0.100 0.464 0.024 0.304
#> SRR1036061 4 0.755 0.2319 0.048 0.060 0.100 0.464 0.024 0.304
#> SRR1036062 4 0.749 0.2319 0.048 0.060 0.100 0.464 0.020 0.308
#> SRR1036063 4 0.749 0.2319 0.048 0.060 0.100 0.464 0.020 0.308
#> SRR1036064 4 0.755 0.2319 0.048 0.060 0.100 0.464 0.024 0.304
#> SRR1036065 4 0.749 0.2319 0.048 0.060 0.100 0.464 0.020 0.308
#> SRR1036066 1 0.803 0.1467 0.500 0.048 0.056 0.152 0.164 0.080
#> SRR1036067 1 0.803 0.1467 0.500 0.048 0.056 0.152 0.164 0.080
#> SRR1036068 1 0.804 0.1464 0.500 0.048 0.056 0.152 0.160 0.084
#> SRR1036069 1 0.803 0.1467 0.500 0.048 0.056 0.152 0.164 0.080
#> SRR1036070 1 0.804 0.1464 0.500 0.048 0.056 0.152 0.160 0.084
#> SRR1036071 1 0.804 0.1464 0.500 0.048 0.056 0.152 0.160 0.084
#> SRR1036072 1 0.803 0.1467 0.500 0.048 0.056 0.152 0.164 0.080
#> SRR1036073 1 0.803 0.1467 0.500 0.048 0.056 0.152 0.164 0.080
#> SRR1036074 4 0.511 0.3975 0.024 0.144 0.016 0.724 0.084 0.008
#> SRR1036075 4 0.511 0.3975 0.024 0.144 0.016 0.724 0.084 0.008
#> SRR1036076 4 0.511 0.3975 0.024 0.144 0.016 0.724 0.084 0.008
#> SRR1036077 4 0.511 0.3975 0.024 0.144 0.016 0.724 0.084 0.008
#> SRR1036078 4 0.511 0.3975 0.024 0.144 0.016 0.724 0.084 0.008
#> SRR1036079 4 0.511 0.3975 0.024 0.144 0.016 0.724 0.084 0.008
#> SRR1036080 4 0.511 0.3975 0.024 0.144 0.016 0.724 0.084 0.008
#> SRR1036081 4 0.511 0.3975 0.024 0.144 0.016 0.724 0.084 0.008
#> SRR1036082 4 0.551 0.4024 0.028 0.160 0.032 0.708 0.032 0.040
#> SRR1036083 4 0.551 0.4024 0.028 0.160 0.032 0.708 0.032 0.040
#> SRR1036084 4 0.551 0.4024 0.028 0.160 0.032 0.708 0.032 0.040
#> SRR1036090 2 0.702 0.5505 0.068 0.608 0.060 0.156 0.044 0.064
#> SRR1036091 2 0.702 0.5505 0.068 0.608 0.060 0.156 0.044 0.064
#> SRR1036092 2 0.702 0.5505 0.068 0.608 0.060 0.156 0.044 0.064
#> SRR1036093 2 0.702 0.5505 0.068 0.608 0.060 0.156 0.044 0.064
#> SRR1036094 2 0.702 0.5505 0.068 0.608 0.060 0.156 0.044 0.064
#> SRR1036085 3 0.310 0.9525 0.024 0.004 0.876 0.040 0.024 0.032
#> SRR1036086 3 0.310 0.9525 0.024 0.004 0.876 0.040 0.024 0.032
#> SRR1036087 3 0.310 0.9525 0.024 0.004 0.876 0.040 0.024 0.032
#> SRR1036088 3 0.310 0.9525 0.024 0.004 0.876 0.040 0.024 0.032
#> SRR1036089 3 0.310 0.9525 0.024 0.004 0.876 0.040 0.024 0.032
#> SRR1036095 6 0.756 1.0000 0.316 0.104 0.016 0.168 0.004 0.392
#> SRR1036096 6 0.756 1.0000 0.316 0.104 0.016 0.168 0.004 0.392
#> SRR1036097 6 0.756 1.0000 0.316 0.104 0.016 0.168 0.004 0.392
#> SRR1036098 6 0.756 1.0000 0.316 0.104 0.016 0.168 0.004 0.392
#> SRR1036099 6 0.756 1.0000 0.316 0.104 0.016 0.168 0.004 0.392
#> SRR1036100 4 0.771 0.0908 0.064 0.264 0.008 0.464 0.112 0.088
#> SRR1036101 4 0.771 0.0908 0.064 0.264 0.008 0.464 0.112 0.088
#> SRR1036102 4 0.771 0.0908 0.064 0.264 0.008 0.464 0.112 0.088
#> SRR1036103 4 0.771 0.0908 0.064 0.264 0.008 0.464 0.112 0.088
#> SRR1036104 4 0.771 0.0908 0.064 0.264 0.008 0.464 0.112 0.088
#> SRR1036105 3 0.244 0.9655 0.020 0.004 0.904 0.048 0.004 0.020
#> SRR1036106 3 0.244 0.9655 0.020 0.004 0.904 0.048 0.004 0.020
#> SRR1036107 3 0.244 0.9655 0.020 0.004 0.904 0.048 0.004 0.020
#> SRR1036108 3 0.244 0.9655 0.020 0.004 0.904 0.048 0.004 0.020
#> SRR1036109 3 0.244 0.9655 0.020 0.004 0.904 0.048 0.004 0.020
#> SRR1036110 4 0.550 0.4453 0.052 0.036 0.116 0.724 0.016 0.056
#> SRR1036111 4 0.550 0.4453 0.052 0.036 0.116 0.724 0.016 0.056
#> SRR1036112 4 0.550 0.4453 0.052 0.036 0.116 0.724 0.016 0.056
#> SRR1036113 4 0.550 0.4453 0.052 0.036 0.116 0.724 0.016 0.056
#> SRR1036114 4 0.550 0.4453 0.052 0.036 0.116 0.724 0.016 0.056
#> SRR1036115 1 0.478 0.1995 0.660 0.016 0.008 0.012 0.016 0.288
#> SRR1036116 1 0.478 0.1995 0.660 0.016 0.008 0.012 0.016 0.288
#> SRR1036117 1 0.478 0.1995 0.660 0.016 0.008 0.012 0.016 0.288
#> SRR1036118 1 0.478 0.1995 0.660 0.016 0.008 0.012 0.016 0.288
#> SRR1036119 1 0.478 0.1995 0.660 0.016 0.008 0.012 0.016 0.288
#> SRR1036120 5 0.622 0.9920 0.420 0.012 0.064 0.032 0.460 0.012
#> SRR1036121 5 0.637 0.9905 0.420 0.012 0.064 0.032 0.452 0.020
#> SRR1036122 5 0.622 0.9918 0.420 0.012 0.064 0.032 0.460 0.012
#> SRR1036123 5 0.650 0.9856 0.420 0.012 0.064 0.032 0.444 0.028
#> SRR1036124 5 0.622 0.9920 0.420 0.012 0.064 0.032 0.460 0.012
#> SRR1036125 1 0.387 0.5258 0.832 0.008 0.064 0.032 0.020 0.044
#> SRR1036126 1 0.387 0.5258 0.832 0.008 0.064 0.032 0.020 0.044
#> SRR1036127 1 0.387 0.5258 0.832 0.008 0.064 0.032 0.020 0.044
#> SRR1036128 1 0.387 0.5258 0.832 0.008 0.064 0.032 0.020 0.044
#> SRR1036129 1 0.387 0.5258 0.832 0.008 0.064 0.032 0.020 0.044
#> SRR1036130 1 0.387 0.5258 0.832 0.008 0.064 0.032 0.020 0.044
#> SRR1036131 1 0.387 0.5258 0.832 0.008 0.064 0.032 0.020 0.044
#> SRR1036132 1 0.387 0.5258 0.832 0.008 0.064 0.032 0.020 0.044
#> SRR1036133 2 0.540 0.6612 0.068 0.736 0.012 0.084 0.044 0.056
#> SRR1036134 2 0.540 0.6612 0.068 0.736 0.012 0.084 0.044 0.056
#> SRR1036135 2 0.540 0.6612 0.068 0.736 0.012 0.084 0.044 0.056
#> SRR1036136 2 0.540 0.6612 0.068 0.736 0.012 0.084 0.044 0.056
#> SRR1036137 2 0.540 0.6612 0.068 0.736 0.012 0.084 0.044 0.056
#> SRR1036138 2 0.342 0.6777 0.036 0.856 0.044 0.048 0.008 0.008
#> SRR1036139 2 0.342 0.6777 0.036 0.856 0.044 0.048 0.008 0.008
#> SRR1036140 2 0.342 0.6777 0.036 0.856 0.044 0.048 0.008 0.008
#> SRR1036141 2 0.342 0.6777 0.036 0.856 0.044 0.048 0.008 0.008
#> SRR1036142 2 0.342 0.6777 0.036 0.856 0.044 0.048 0.008 0.008
#> SRR1036143 2 0.342 0.6777 0.036 0.856 0.044 0.048 0.008 0.008
#> SRR1036144 2 0.342 0.6777 0.036 0.856 0.044 0.048 0.008 0.008
#> SRR1036145 2 0.342 0.6777 0.036 0.856 0.044 0.048 0.008 0.008
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["MAD", "skmeans"]
# you can also extract it by
# res = res_list["MAD:skmeans"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'MAD' method.
#> Subgroups are detected by 'skmeans' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 2.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.417 0.794 0.881 0.4896 0.528 0.528
#> 3 3 0.553 0.755 0.870 0.3524 0.688 0.466
#> 4 4 0.632 0.735 0.850 0.1228 0.849 0.589
#> 5 5 0.659 0.662 0.779 0.0626 0.921 0.709
#> 6 6 0.702 0.570 0.711 0.0401 0.970 0.864
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 2
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.4161 0.808 0.084 0.916
#> SRR1036003 2 0.4161 0.808 0.084 0.916
#> SRR1036004 2 0.4161 0.808 0.084 0.916
#> SRR1036005 2 0.7376 0.778 0.208 0.792
#> SRR1036006 2 0.7376 0.778 0.208 0.792
#> SRR1036007 2 0.7376 0.778 0.208 0.792
#> SRR1036008 2 0.7376 0.778 0.208 0.792
#> SRR1036009 2 0.7376 0.778 0.208 0.792
#> SRR1036013 2 0.7139 0.783 0.196 0.804
#> SRR1036014 2 0.7139 0.783 0.196 0.804
#> SRR1036015 2 0.7139 0.783 0.196 0.804
#> SRR1036016 2 0.7139 0.783 0.196 0.804
#> SRR1036017 2 0.7139 0.783 0.196 0.804
#> SRR1036018 2 0.7139 0.783 0.196 0.804
#> SRR1036010 1 0.0000 0.919 1.000 0.000
#> SRR1036011 1 0.0000 0.919 1.000 0.000
#> SRR1036012 1 0.0000 0.919 1.000 0.000
#> SRR1036019 2 0.0000 0.833 0.000 1.000
#> SRR1036020 2 0.0000 0.833 0.000 1.000
#> SRR1036021 2 0.0000 0.833 0.000 1.000
#> SRR1036022 2 0.0000 0.833 0.000 1.000
#> SRR1036023 2 0.0000 0.833 0.000 1.000
#> SRR1036024 2 0.9963 0.413 0.464 0.536
#> SRR1036025 2 0.9963 0.413 0.464 0.536
#> SRR1036026 2 0.9963 0.413 0.464 0.536
#> SRR1036027 2 0.9963 0.413 0.464 0.536
#> SRR1036028 2 0.9963 0.413 0.464 0.536
#> SRR1036029 2 0.9963 0.413 0.464 0.536
#> SRR1036030 1 0.8016 0.748 0.756 0.244
#> SRR1036031 1 0.8016 0.748 0.756 0.244
#> SRR1036032 1 0.8016 0.748 0.756 0.244
#> SRR1036033 1 0.8016 0.748 0.756 0.244
#> SRR1036034 1 0.8016 0.748 0.756 0.244
#> SRR1036035 1 0.8016 0.748 0.756 0.244
#> SRR1036036 1 0.8016 0.748 0.756 0.244
#> SRR1036037 1 0.8016 0.748 0.756 0.244
#> SRR1036038 1 0.6247 0.818 0.844 0.156
#> SRR1036039 1 0.6247 0.818 0.844 0.156
#> SRR1036040 1 0.6247 0.818 0.844 0.156
#> SRR1036041 1 0.0672 0.919 0.992 0.008
#> SRR1036042 2 0.0672 0.833 0.008 0.992
#> SRR1036043 2 0.0672 0.833 0.008 0.992
#> SRR1036044 2 0.0672 0.833 0.008 0.992
#> SRR1036045 2 0.0672 0.833 0.008 0.992
#> SRR1036046 2 0.0672 0.833 0.008 0.992
#> SRR1036047 2 0.0672 0.833 0.008 0.992
#> SRR1036048 2 0.0672 0.833 0.008 0.992
#> SRR1036049 2 0.0672 0.833 0.008 0.992
#> SRR1036050 1 0.0672 0.919 0.992 0.008
#> SRR1036051 1 0.0672 0.919 0.992 0.008
#> SRR1036052 1 0.0672 0.919 0.992 0.008
#> SRR1036053 1 0.0672 0.919 0.992 0.008
#> SRR1036054 1 0.0672 0.919 0.992 0.008
#> SRR1036055 1 0.6247 0.819 0.844 0.156
#> SRR1036056 1 0.6247 0.819 0.844 0.156
#> SRR1036057 1 0.6247 0.819 0.844 0.156
#> SRR1036058 2 0.9754 0.521 0.408 0.592
#> SRR1036059 2 0.9754 0.521 0.408 0.592
#> SRR1036060 2 0.9754 0.521 0.408 0.592
#> SRR1036061 2 0.9754 0.521 0.408 0.592
#> SRR1036062 2 0.9754 0.521 0.408 0.592
#> SRR1036063 2 0.9754 0.521 0.408 0.592
#> SRR1036064 2 0.9754 0.521 0.408 0.592
#> SRR1036065 2 0.9754 0.521 0.408 0.592
#> SRR1036066 1 0.0000 0.919 1.000 0.000
#> SRR1036067 1 0.0000 0.919 1.000 0.000
#> SRR1036068 1 0.0000 0.919 1.000 0.000
#> SRR1036069 1 0.0000 0.919 1.000 0.000
#> SRR1036070 1 0.0000 0.919 1.000 0.000
#> SRR1036071 1 0.0000 0.919 1.000 0.000
#> SRR1036072 1 0.0000 0.919 1.000 0.000
#> SRR1036073 1 0.0000 0.919 1.000 0.000
#> SRR1036074 2 0.0000 0.833 0.000 1.000
#> SRR1036075 2 0.0000 0.833 0.000 1.000
#> SRR1036076 2 0.0000 0.833 0.000 1.000
#> SRR1036077 2 0.0000 0.833 0.000 1.000
#> SRR1036078 2 0.0000 0.833 0.000 1.000
#> SRR1036079 2 0.0000 0.833 0.000 1.000
#> SRR1036080 2 0.0000 0.833 0.000 1.000
#> SRR1036081 2 0.0000 0.833 0.000 1.000
#> SRR1036082 2 0.3431 0.819 0.064 0.936
#> SRR1036083 2 0.3431 0.819 0.064 0.936
#> SRR1036084 2 0.3431 0.819 0.064 0.936
#> SRR1036090 2 0.1633 0.829 0.024 0.976
#> SRR1036091 2 0.1633 0.829 0.024 0.976
#> SRR1036092 2 0.1633 0.829 0.024 0.976
#> SRR1036093 2 0.1633 0.829 0.024 0.976
#> SRR1036094 2 0.1633 0.829 0.024 0.976
#> SRR1036085 2 0.7674 0.768 0.224 0.776
#> SRR1036086 2 0.7674 0.768 0.224 0.776
#> SRR1036087 2 0.7674 0.768 0.224 0.776
#> SRR1036088 2 0.7674 0.768 0.224 0.776
#> SRR1036089 2 0.7674 0.768 0.224 0.776
#> SRR1036095 1 0.3733 0.879 0.928 0.072
#> SRR1036096 1 0.3733 0.879 0.928 0.072
#> SRR1036097 1 0.3733 0.879 0.928 0.072
#> SRR1036098 1 0.3733 0.879 0.928 0.072
#> SRR1036099 1 0.3733 0.879 0.928 0.072
#> SRR1036100 2 0.0672 0.834 0.008 0.992
#> SRR1036101 2 0.0672 0.834 0.008 0.992
#> SRR1036102 2 0.0672 0.834 0.008 0.992
#> SRR1036103 2 0.0672 0.834 0.008 0.992
#> SRR1036104 2 0.0672 0.834 0.008 0.992
#> SRR1036105 2 0.7376 0.778 0.208 0.792
#> SRR1036106 2 0.7376 0.778 0.208 0.792
#> SRR1036107 2 0.7376 0.778 0.208 0.792
#> SRR1036108 2 0.7376 0.778 0.208 0.792
#> SRR1036109 2 0.7376 0.778 0.208 0.792
#> SRR1036110 2 0.7056 0.786 0.192 0.808
#> SRR1036111 2 0.7056 0.786 0.192 0.808
#> SRR1036112 2 0.7056 0.786 0.192 0.808
#> SRR1036113 2 0.7056 0.786 0.192 0.808
#> SRR1036114 2 0.7056 0.786 0.192 0.808
#> SRR1036115 1 0.0672 0.919 0.992 0.008
#> SRR1036116 1 0.0672 0.919 0.992 0.008
#> SRR1036117 1 0.0672 0.919 0.992 0.008
#> SRR1036118 1 0.0672 0.919 0.992 0.008
#> SRR1036119 1 0.0672 0.919 0.992 0.008
#> SRR1036120 1 0.2236 0.900 0.964 0.036
#> SRR1036121 1 0.2236 0.900 0.964 0.036
#> SRR1036122 1 0.2236 0.900 0.964 0.036
#> SRR1036123 1 0.2236 0.900 0.964 0.036
#> SRR1036124 1 0.2236 0.900 0.964 0.036
#> SRR1036125 1 0.0000 0.919 1.000 0.000
#> SRR1036126 1 0.0000 0.919 1.000 0.000
#> SRR1036127 1 0.0000 0.919 1.000 0.000
#> SRR1036128 1 0.0000 0.919 1.000 0.000
#> SRR1036129 1 0.0000 0.919 1.000 0.000
#> SRR1036130 1 0.0000 0.919 1.000 0.000
#> SRR1036131 1 0.0000 0.919 1.000 0.000
#> SRR1036132 1 0.0000 0.919 1.000 0.000
#> SRR1036133 2 0.8713 0.538 0.292 0.708
#> SRR1036134 2 0.8713 0.538 0.292 0.708
#> SRR1036135 2 0.8713 0.538 0.292 0.708
#> SRR1036136 2 0.8713 0.538 0.292 0.708
#> SRR1036137 2 0.8713 0.538 0.292 0.708
#> SRR1036138 2 0.0672 0.833 0.008 0.992
#> SRR1036139 2 0.0672 0.833 0.008 0.992
#> SRR1036140 2 0.0672 0.833 0.008 0.992
#> SRR1036141 2 0.0672 0.833 0.008 0.992
#> SRR1036142 2 0.0672 0.833 0.008 0.992
#> SRR1036143 2 0.0672 0.833 0.008 0.992
#> SRR1036144 2 0.0672 0.833 0.008 0.992
#> SRR1036145 2 0.0672 0.833 0.008 0.992
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.0892 0.8399 0.000 0.020 0.980
#> SRR1036003 3 0.0892 0.8399 0.000 0.020 0.980
#> SRR1036004 3 0.0892 0.8399 0.000 0.020 0.980
#> SRR1036005 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036006 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036007 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036008 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036009 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036013 3 0.5744 0.7626 0.128 0.072 0.800
#> SRR1036014 3 0.5744 0.7626 0.128 0.072 0.800
#> SRR1036015 3 0.5744 0.7626 0.128 0.072 0.800
#> SRR1036016 3 0.5744 0.7626 0.128 0.072 0.800
#> SRR1036017 3 0.5744 0.7626 0.128 0.072 0.800
#> SRR1036018 3 0.5744 0.7626 0.128 0.072 0.800
#> SRR1036010 1 0.0892 0.8381 0.980 0.000 0.020
#> SRR1036011 1 0.0892 0.8381 0.980 0.000 0.020
#> SRR1036012 1 0.0892 0.8381 0.980 0.000 0.020
#> SRR1036019 2 0.1753 0.8851 0.000 0.952 0.048
#> SRR1036020 2 0.1753 0.8851 0.000 0.952 0.048
#> SRR1036021 2 0.1753 0.8851 0.000 0.952 0.048
#> SRR1036022 2 0.1753 0.8851 0.000 0.952 0.048
#> SRR1036023 2 0.1753 0.8851 0.000 0.952 0.048
#> SRR1036024 1 0.9633 -0.0696 0.424 0.208 0.368
#> SRR1036025 1 0.9633 -0.0696 0.424 0.208 0.368
#> SRR1036026 1 0.9633 -0.0696 0.424 0.208 0.368
#> SRR1036027 1 0.9633 -0.0696 0.424 0.208 0.368
#> SRR1036028 1 0.9633 -0.0696 0.424 0.208 0.368
#> SRR1036029 1 0.9633 -0.0696 0.424 0.208 0.368
#> SRR1036030 2 0.4178 0.7748 0.172 0.828 0.000
#> SRR1036031 2 0.4178 0.7748 0.172 0.828 0.000
#> SRR1036032 2 0.4178 0.7748 0.172 0.828 0.000
#> SRR1036033 2 0.4178 0.7748 0.172 0.828 0.000
#> SRR1036034 2 0.4178 0.7748 0.172 0.828 0.000
#> SRR1036035 2 0.4178 0.7748 0.172 0.828 0.000
#> SRR1036036 2 0.4178 0.7748 0.172 0.828 0.000
#> SRR1036037 2 0.4178 0.7748 0.172 0.828 0.000
#> SRR1036038 1 0.5804 0.7323 0.800 0.112 0.088
#> SRR1036039 1 0.5804 0.7323 0.800 0.112 0.088
#> SRR1036040 1 0.5804 0.7323 0.800 0.112 0.088
#> SRR1036041 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036042 3 0.2711 0.8192 0.000 0.088 0.912
#> SRR1036043 3 0.2711 0.8192 0.000 0.088 0.912
#> SRR1036044 3 0.2711 0.8192 0.000 0.088 0.912
#> SRR1036045 3 0.2711 0.8192 0.000 0.088 0.912
#> SRR1036046 3 0.2711 0.8192 0.000 0.088 0.912
#> SRR1036047 3 0.2711 0.8192 0.000 0.088 0.912
#> SRR1036048 3 0.2711 0.8192 0.000 0.088 0.912
#> SRR1036049 3 0.2711 0.8192 0.000 0.088 0.912
#> SRR1036050 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036051 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036052 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036053 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036054 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036055 1 0.5216 0.5994 0.740 0.260 0.000
#> SRR1036056 1 0.5216 0.5994 0.740 0.260 0.000
#> SRR1036057 1 0.5216 0.5994 0.740 0.260 0.000
#> SRR1036058 3 0.9666 0.4115 0.232 0.316 0.452
#> SRR1036059 3 0.9666 0.4115 0.232 0.316 0.452
#> SRR1036060 3 0.9666 0.4115 0.232 0.316 0.452
#> SRR1036061 3 0.9666 0.4115 0.232 0.316 0.452
#> SRR1036062 3 0.9666 0.4115 0.232 0.316 0.452
#> SRR1036063 3 0.9666 0.4115 0.232 0.316 0.452
#> SRR1036064 3 0.9666 0.4115 0.232 0.316 0.452
#> SRR1036065 3 0.9666 0.4115 0.232 0.316 0.452
#> SRR1036066 1 0.0424 0.8442 0.992 0.000 0.008
#> SRR1036067 1 0.0424 0.8442 0.992 0.000 0.008
#> SRR1036068 1 0.0424 0.8442 0.992 0.000 0.008
#> SRR1036069 1 0.0424 0.8442 0.992 0.000 0.008
#> SRR1036070 1 0.0424 0.8442 0.992 0.000 0.008
#> SRR1036071 1 0.0424 0.8442 0.992 0.000 0.008
#> SRR1036072 1 0.0424 0.8442 0.992 0.000 0.008
#> SRR1036073 1 0.0424 0.8442 0.992 0.000 0.008
#> SRR1036074 2 0.4555 0.7311 0.000 0.800 0.200
#> SRR1036075 2 0.4555 0.7311 0.000 0.800 0.200
#> SRR1036076 2 0.4555 0.7311 0.000 0.800 0.200
#> SRR1036077 2 0.4555 0.7311 0.000 0.800 0.200
#> SRR1036078 2 0.4555 0.7311 0.000 0.800 0.200
#> SRR1036079 2 0.4555 0.7311 0.000 0.800 0.200
#> SRR1036080 2 0.4555 0.7311 0.000 0.800 0.200
#> SRR1036081 2 0.4555 0.7311 0.000 0.800 0.200
#> SRR1036082 2 0.3941 0.7764 0.000 0.844 0.156
#> SRR1036083 2 0.3941 0.7764 0.000 0.844 0.156
#> SRR1036084 2 0.3941 0.7764 0.000 0.844 0.156
#> SRR1036090 2 0.2486 0.8828 0.008 0.932 0.060
#> SRR1036091 2 0.2486 0.8828 0.008 0.932 0.060
#> SRR1036092 2 0.2486 0.8828 0.008 0.932 0.060
#> SRR1036093 2 0.2486 0.8828 0.008 0.932 0.060
#> SRR1036094 2 0.2486 0.8828 0.008 0.932 0.060
#> SRR1036085 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036086 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036087 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036088 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036089 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036095 1 0.5378 0.6600 0.756 0.236 0.008
#> SRR1036096 1 0.5378 0.6600 0.756 0.236 0.008
#> SRR1036097 1 0.5378 0.6600 0.756 0.236 0.008
#> SRR1036098 1 0.5378 0.6600 0.756 0.236 0.008
#> SRR1036099 1 0.5378 0.6600 0.756 0.236 0.008
#> SRR1036100 2 0.0000 0.8784 0.000 1.000 0.000
#> SRR1036101 2 0.0000 0.8784 0.000 1.000 0.000
#> SRR1036102 2 0.0000 0.8784 0.000 1.000 0.000
#> SRR1036103 2 0.0000 0.8784 0.000 1.000 0.000
#> SRR1036104 2 0.0000 0.8784 0.000 1.000 0.000
#> SRR1036105 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036106 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036107 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036108 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036109 3 0.0475 0.8441 0.004 0.004 0.992
#> SRR1036110 3 0.3359 0.8258 0.016 0.084 0.900
#> SRR1036111 3 0.3359 0.8258 0.016 0.084 0.900
#> SRR1036112 3 0.3359 0.8258 0.016 0.084 0.900
#> SRR1036113 3 0.3359 0.8258 0.016 0.084 0.900
#> SRR1036114 3 0.3359 0.8258 0.016 0.084 0.900
#> SRR1036115 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036116 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036117 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036118 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036119 1 0.0000 0.8453 1.000 0.000 0.000
#> SRR1036120 1 0.4121 0.7418 0.832 0.000 0.168
#> SRR1036121 1 0.4121 0.7418 0.832 0.000 0.168
#> SRR1036122 1 0.4121 0.7418 0.832 0.000 0.168
#> SRR1036123 1 0.4121 0.7418 0.832 0.000 0.168
#> SRR1036124 1 0.4121 0.7418 0.832 0.000 0.168
#> SRR1036125 1 0.0237 0.8452 0.996 0.000 0.004
#> SRR1036126 1 0.0237 0.8452 0.996 0.000 0.004
#> SRR1036127 1 0.0237 0.8452 0.996 0.000 0.004
#> SRR1036128 1 0.0237 0.8452 0.996 0.000 0.004
#> SRR1036129 1 0.0237 0.8452 0.996 0.000 0.004
#> SRR1036130 1 0.0237 0.8452 0.996 0.000 0.004
#> SRR1036131 1 0.0237 0.8452 0.996 0.000 0.004
#> SRR1036132 1 0.0237 0.8452 0.996 0.000 0.004
#> SRR1036133 2 0.0475 0.8809 0.004 0.992 0.004
#> SRR1036134 2 0.0475 0.8809 0.004 0.992 0.004
#> SRR1036135 2 0.0475 0.8809 0.004 0.992 0.004
#> SRR1036136 2 0.0475 0.8809 0.004 0.992 0.004
#> SRR1036137 2 0.0475 0.8809 0.004 0.992 0.004
#> SRR1036138 2 0.2261 0.8810 0.000 0.932 0.068
#> SRR1036139 2 0.2261 0.8810 0.000 0.932 0.068
#> SRR1036140 2 0.2261 0.8810 0.000 0.932 0.068
#> SRR1036141 2 0.2261 0.8810 0.000 0.932 0.068
#> SRR1036142 2 0.2261 0.8810 0.000 0.932 0.068
#> SRR1036143 2 0.2261 0.8810 0.000 0.932 0.068
#> SRR1036144 2 0.2261 0.8810 0.000 0.932 0.068
#> SRR1036145 2 0.2261 0.8810 0.000 0.932 0.068
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.1182 0.863 0.000 0.016 0.968 0.016
#> SRR1036003 3 0.1182 0.863 0.000 0.016 0.968 0.016
#> SRR1036004 3 0.1182 0.863 0.000 0.016 0.968 0.016
#> SRR1036005 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036006 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036007 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036008 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036009 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036013 4 0.5832 0.379 0.032 0.004 0.368 0.596
#> SRR1036014 4 0.5832 0.379 0.032 0.004 0.368 0.596
#> SRR1036015 4 0.5832 0.379 0.032 0.004 0.368 0.596
#> SRR1036016 4 0.5832 0.379 0.032 0.004 0.368 0.596
#> SRR1036017 4 0.5832 0.379 0.032 0.004 0.368 0.596
#> SRR1036018 4 0.5832 0.379 0.032 0.004 0.368 0.596
#> SRR1036010 1 0.0817 0.851 0.976 0.000 0.024 0.000
#> SRR1036011 1 0.0817 0.851 0.976 0.000 0.024 0.000
#> SRR1036012 1 0.0817 0.851 0.976 0.000 0.024 0.000
#> SRR1036019 2 0.2124 0.867 0.000 0.924 0.008 0.068
#> SRR1036020 2 0.2124 0.867 0.000 0.924 0.008 0.068
#> SRR1036021 2 0.2124 0.867 0.000 0.924 0.008 0.068
#> SRR1036022 2 0.2124 0.867 0.000 0.924 0.008 0.068
#> SRR1036023 2 0.2124 0.867 0.000 0.924 0.008 0.068
#> SRR1036024 4 0.4468 0.663 0.164 0.020 0.016 0.800
#> SRR1036025 4 0.4468 0.663 0.164 0.020 0.016 0.800
#> SRR1036026 4 0.4468 0.663 0.164 0.020 0.016 0.800
#> SRR1036027 4 0.4468 0.663 0.164 0.020 0.016 0.800
#> SRR1036028 4 0.4468 0.663 0.164 0.020 0.016 0.800
#> SRR1036029 4 0.4468 0.663 0.164 0.020 0.016 0.800
#> SRR1036030 2 0.4356 0.794 0.148 0.804 0.000 0.048
#> SRR1036031 2 0.4356 0.794 0.148 0.804 0.000 0.048
#> SRR1036032 2 0.4356 0.794 0.148 0.804 0.000 0.048
#> SRR1036033 2 0.4356 0.794 0.148 0.804 0.000 0.048
#> SRR1036034 2 0.4356 0.794 0.148 0.804 0.000 0.048
#> SRR1036035 2 0.4356 0.794 0.148 0.804 0.000 0.048
#> SRR1036036 2 0.4356 0.794 0.148 0.804 0.000 0.048
#> SRR1036037 2 0.4356 0.794 0.148 0.804 0.000 0.048
#> SRR1036038 1 0.4199 0.792 0.836 0.060 0.096 0.008
#> SRR1036039 1 0.4199 0.792 0.836 0.060 0.096 0.008
#> SRR1036040 1 0.4199 0.792 0.836 0.060 0.096 0.008
#> SRR1036041 1 0.0188 0.852 0.996 0.000 0.000 0.004
#> SRR1036042 3 0.5757 0.663 0.000 0.076 0.684 0.240
#> SRR1036043 3 0.5757 0.663 0.000 0.076 0.684 0.240
#> SRR1036044 3 0.5757 0.663 0.000 0.076 0.684 0.240
#> SRR1036045 3 0.5757 0.663 0.000 0.076 0.684 0.240
#> SRR1036046 3 0.5757 0.663 0.000 0.076 0.684 0.240
#> SRR1036047 3 0.5757 0.663 0.000 0.076 0.684 0.240
#> SRR1036048 3 0.5757 0.663 0.000 0.076 0.684 0.240
#> SRR1036049 3 0.5757 0.663 0.000 0.076 0.684 0.240
#> SRR1036050 1 0.0000 0.852 1.000 0.000 0.000 0.000
#> SRR1036051 1 0.0000 0.852 1.000 0.000 0.000 0.000
#> SRR1036052 1 0.0000 0.852 1.000 0.000 0.000 0.000
#> SRR1036053 1 0.0000 0.852 1.000 0.000 0.000 0.000
#> SRR1036054 1 0.0000 0.852 1.000 0.000 0.000 0.000
#> SRR1036055 1 0.4348 0.694 0.780 0.196 0.000 0.024
#> SRR1036056 1 0.4348 0.694 0.780 0.196 0.000 0.024
#> SRR1036057 1 0.4348 0.694 0.780 0.196 0.000 0.024
#> SRR1036058 4 0.1822 0.704 0.044 0.004 0.008 0.944
#> SRR1036059 4 0.1822 0.704 0.044 0.004 0.008 0.944
#> SRR1036060 4 0.1822 0.704 0.044 0.004 0.008 0.944
#> SRR1036061 4 0.1822 0.704 0.044 0.004 0.008 0.944
#> SRR1036062 4 0.1822 0.704 0.044 0.004 0.008 0.944
#> SRR1036063 4 0.1822 0.704 0.044 0.004 0.008 0.944
#> SRR1036064 4 0.1822 0.704 0.044 0.004 0.008 0.944
#> SRR1036065 4 0.1822 0.704 0.044 0.004 0.008 0.944
#> SRR1036066 1 0.2888 0.809 0.872 0.000 0.004 0.124
#> SRR1036067 1 0.2888 0.809 0.872 0.000 0.004 0.124
#> SRR1036068 1 0.2888 0.809 0.872 0.000 0.004 0.124
#> SRR1036069 1 0.2888 0.809 0.872 0.000 0.004 0.124
#> SRR1036070 1 0.2888 0.809 0.872 0.000 0.004 0.124
#> SRR1036071 1 0.2888 0.809 0.872 0.000 0.004 0.124
#> SRR1036072 1 0.2888 0.809 0.872 0.000 0.004 0.124
#> SRR1036073 1 0.2888 0.809 0.872 0.000 0.004 0.124
#> SRR1036074 4 0.6670 0.356 0.004 0.376 0.080 0.540
#> SRR1036075 4 0.6670 0.356 0.004 0.376 0.080 0.540
#> SRR1036076 4 0.6670 0.356 0.004 0.376 0.080 0.540
#> SRR1036077 4 0.6670 0.356 0.004 0.376 0.080 0.540
#> SRR1036078 4 0.6670 0.356 0.004 0.376 0.080 0.540
#> SRR1036079 4 0.6670 0.356 0.004 0.376 0.080 0.540
#> SRR1036080 4 0.6670 0.356 0.004 0.376 0.080 0.540
#> SRR1036081 4 0.6670 0.356 0.004 0.376 0.080 0.540
#> SRR1036082 4 0.3326 0.673 0.004 0.132 0.008 0.856
#> SRR1036083 4 0.3326 0.673 0.004 0.132 0.008 0.856
#> SRR1036084 4 0.3326 0.673 0.004 0.132 0.008 0.856
#> SRR1036090 2 0.0657 0.894 0.000 0.984 0.004 0.012
#> SRR1036091 2 0.0657 0.894 0.000 0.984 0.004 0.012
#> SRR1036092 2 0.0657 0.894 0.000 0.984 0.004 0.012
#> SRR1036093 2 0.0657 0.894 0.000 0.984 0.004 0.012
#> SRR1036094 2 0.0657 0.894 0.000 0.984 0.004 0.012
#> SRR1036085 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036086 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036087 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036088 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036089 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036095 1 0.6973 0.210 0.496 0.100 0.004 0.400
#> SRR1036096 1 0.6973 0.210 0.496 0.100 0.004 0.400
#> SRR1036097 1 0.6973 0.210 0.496 0.100 0.004 0.400
#> SRR1036098 1 0.6973 0.210 0.496 0.100 0.004 0.400
#> SRR1036099 1 0.6973 0.210 0.496 0.100 0.004 0.400
#> SRR1036100 2 0.3808 0.762 0.004 0.808 0.004 0.184
#> SRR1036101 2 0.3808 0.762 0.004 0.808 0.004 0.184
#> SRR1036102 2 0.3808 0.762 0.004 0.808 0.004 0.184
#> SRR1036103 2 0.3808 0.762 0.004 0.808 0.004 0.184
#> SRR1036104 2 0.3808 0.762 0.004 0.808 0.004 0.184
#> SRR1036105 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036106 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036107 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036108 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036109 3 0.0188 0.877 0.000 0.000 0.996 0.004
#> SRR1036110 4 0.4574 0.602 0.008 0.016 0.208 0.768
#> SRR1036111 4 0.4574 0.602 0.008 0.016 0.208 0.768
#> SRR1036112 4 0.4574 0.602 0.008 0.016 0.208 0.768
#> SRR1036113 4 0.4574 0.602 0.008 0.016 0.208 0.768
#> SRR1036114 4 0.4574 0.602 0.008 0.016 0.208 0.768
#> SRR1036115 1 0.1557 0.844 0.944 0.000 0.000 0.056
#> SRR1036116 1 0.1557 0.844 0.944 0.000 0.000 0.056
#> SRR1036117 1 0.1557 0.844 0.944 0.000 0.000 0.056
#> SRR1036118 1 0.1557 0.844 0.944 0.000 0.000 0.056
#> SRR1036119 1 0.1557 0.844 0.944 0.000 0.000 0.056
#> SRR1036120 1 0.4677 0.746 0.776 0.000 0.176 0.048
#> SRR1036121 1 0.4677 0.746 0.776 0.000 0.176 0.048
#> SRR1036122 1 0.4677 0.746 0.776 0.000 0.176 0.048
#> SRR1036123 1 0.4677 0.746 0.776 0.000 0.176 0.048
#> SRR1036124 1 0.4677 0.746 0.776 0.000 0.176 0.048
#> SRR1036125 1 0.1059 0.854 0.972 0.000 0.016 0.012
#> SRR1036126 1 0.1059 0.854 0.972 0.000 0.016 0.012
#> SRR1036127 1 0.1059 0.854 0.972 0.000 0.016 0.012
#> SRR1036128 1 0.1059 0.854 0.972 0.000 0.016 0.012
#> SRR1036129 1 0.1059 0.854 0.972 0.000 0.016 0.012
#> SRR1036130 1 0.1059 0.854 0.972 0.000 0.016 0.012
#> SRR1036131 1 0.1059 0.854 0.972 0.000 0.016 0.012
#> SRR1036132 1 0.1059 0.854 0.972 0.000 0.016 0.012
#> SRR1036133 2 0.1022 0.891 0.000 0.968 0.000 0.032
#> SRR1036134 2 0.1022 0.891 0.000 0.968 0.000 0.032
#> SRR1036135 2 0.1022 0.891 0.000 0.968 0.000 0.032
#> SRR1036136 2 0.1022 0.891 0.000 0.968 0.000 0.032
#> SRR1036137 2 0.1022 0.891 0.000 0.968 0.000 0.032
#> SRR1036138 2 0.0376 0.896 0.000 0.992 0.004 0.004
#> SRR1036139 2 0.0376 0.896 0.000 0.992 0.004 0.004
#> SRR1036140 2 0.0376 0.896 0.000 0.992 0.004 0.004
#> SRR1036141 2 0.0376 0.896 0.000 0.992 0.004 0.004
#> SRR1036142 2 0.0376 0.896 0.000 0.992 0.004 0.004
#> SRR1036143 2 0.0376 0.896 0.000 0.992 0.004 0.004
#> SRR1036144 2 0.0376 0.896 0.000 0.992 0.004 0.004
#> SRR1036145 2 0.0376 0.896 0.000 0.992 0.004 0.004
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.2672 0.781 0.004 0.000 0.872 0.008 0.116
#> SRR1036003 3 0.2672 0.781 0.004 0.000 0.872 0.008 0.116
#> SRR1036004 3 0.2672 0.781 0.004 0.000 0.872 0.008 0.116
#> SRR1036005 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 4 0.5015 0.577 0.008 0.004 0.220 0.708 0.060
#> SRR1036014 4 0.5015 0.577 0.008 0.004 0.220 0.708 0.060
#> SRR1036015 4 0.5015 0.577 0.008 0.004 0.220 0.708 0.060
#> SRR1036016 4 0.5015 0.577 0.008 0.004 0.220 0.708 0.060
#> SRR1036017 4 0.5015 0.577 0.008 0.004 0.220 0.708 0.060
#> SRR1036018 4 0.5015 0.577 0.008 0.004 0.220 0.708 0.060
#> SRR1036010 1 0.0671 0.817 0.980 0.000 0.000 0.004 0.016
#> SRR1036011 1 0.0671 0.817 0.980 0.000 0.000 0.004 0.016
#> SRR1036012 1 0.0671 0.817 0.980 0.000 0.000 0.004 0.016
#> SRR1036019 2 0.4251 0.368 0.000 0.624 0.004 0.000 0.372
#> SRR1036020 2 0.4251 0.368 0.000 0.624 0.004 0.000 0.372
#> SRR1036021 2 0.4251 0.368 0.000 0.624 0.004 0.000 0.372
#> SRR1036022 2 0.4251 0.368 0.000 0.624 0.004 0.000 0.372
#> SRR1036023 2 0.4251 0.368 0.000 0.624 0.004 0.000 0.372
#> SRR1036024 4 0.3750 0.598 0.116 0.000 0.004 0.820 0.060
#> SRR1036025 4 0.3750 0.598 0.116 0.000 0.004 0.820 0.060
#> SRR1036026 4 0.3750 0.598 0.116 0.000 0.004 0.820 0.060
#> SRR1036027 4 0.3750 0.598 0.116 0.000 0.004 0.820 0.060
#> SRR1036028 4 0.3750 0.598 0.116 0.000 0.004 0.820 0.060
#> SRR1036029 4 0.3750 0.598 0.116 0.000 0.004 0.820 0.060
#> SRR1036030 2 0.4020 0.732 0.072 0.812 0.000 0.012 0.104
#> SRR1036031 2 0.4020 0.732 0.072 0.812 0.000 0.012 0.104
#> SRR1036032 2 0.4020 0.732 0.072 0.812 0.000 0.012 0.104
#> SRR1036033 2 0.4020 0.732 0.072 0.812 0.000 0.012 0.104
#> SRR1036034 2 0.4020 0.732 0.072 0.812 0.000 0.012 0.104
#> SRR1036035 2 0.4020 0.732 0.072 0.812 0.000 0.012 0.104
#> SRR1036036 2 0.4020 0.732 0.072 0.812 0.000 0.012 0.104
#> SRR1036037 2 0.4020 0.732 0.072 0.812 0.000 0.012 0.104
#> SRR1036038 1 0.4166 0.758 0.820 0.044 0.092 0.004 0.040
#> SRR1036039 1 0.4166 0.758 0.820 0.044 0.092 0.004 0.040
#> SRR1036040 1 0.4166 0.758 0.820 0.044 0.092 0.004 0.040
#> SRR1036041 1 0.0671 0.818 0.980 0.000 0.000 0.016 0.004
#> SRR1036042 3 0.6898 0.510 0.004 0.044 0.496 0.104 0.352
#> SRR1036043 3 0.6898 0.510 0.004 0.044 0.496 0.104 0.352
#> SRR1036044 3 0.6898 0.510 0.004 0.044 0.496 0.104 0.352
#> SRR1036045 3 0.6898 0.510 0.004 0.044 0.496 0.104 0.352
#> SRR1036046 3 0.6898 0.510 0.004 0.044 0.496 0.104 0.352
#> SRR1036047 3 0.6898 0.510 0.004 0.044 0.496 0.104 0.352
#> SRR1036048 3 0.6898 0.510 0.004 0.044 0.496 0.104 0.352
#> SRR1036049 3 0.6898 0.510 0.004 0.044 0.496 0.104 0.352
#> SRR1036050 1 0.0566 0.818 0.984 0.000 0.000 0.004 0.012
#> SRR1036051 1 0.0566 0.818 0.984 0.000 0.000 0.004 0.012
#> SRR1036052 1 0.0566 0.818 0.984 0.000 0.000 0.004 0.012
#> SRR1036053 1 0.0566 0.818 0.984 0.000 0.000 0.004 0.012
#> SRR1036054 1 0.0566 0.818 0.984 0.000 0.000 0.004 0.012
#> SRR1036055 1 0.4691 0.661 0.736 0.184 0.000 0.004 0.076
#> SRR1036056 1 0.4691 0.661 0.736 0.184 0.000 0.004 0.076
#> SRR1036057 1 0.4691 0.661 0.736 0.184 0.000 0.004 0.076
#> SRR1036058 4 0.3733 0.618 0.020 0.008 0.012 0.824 0.136
#> SRR1036059 4 0.3733 0.618 0.020 0.008 0.012 0.824 0.136
#> SRR1036060 4 0.3733 0.618 0.020 0.008 0.012 0.824 0.136
#> SRR1036061 4 0.3733 0.618 0.020 0.008 0.012 0.824 0.136
#> SRR1036062 4 0.3733 0.618 0.020 0.008 0.012 0.824 0.136
#> SRR1036063 4 0.3733 0.618 0.020 0.008 0.012 0.824 0.136
#> SRR1036064 4 0.3733 0.618 0.020 0.008 0.012 0.824 0.136
#> SRR1036065 4 0.3733 0.618 0.020 0.008 0.012 0.824 0.136
#> SRR1036066 1 0.5004 0.649 0.672 0.000 0.000 0.256 0.072
#> SRR1036067 1 0.5004 0.649 0.672 0.000 0.000 0.256 0.072
#> SRR1036068 1 0.5004 0.649 0.672 0.000 0.000 0.256 0.072
#> SRR1036069 1 0.5004 0.649 0.672 0.000 0.000 0.256 0.072
#> SRR1036070 1 0.5004 0.649 0.672 0.000 0.000 0.256 0.072
#> SRR1036071 1 0.5004 0.649 0.672 0.000 0.000 0.256 0.072
#> SRR1036072 1 0.5004 0.649 0.672 0.000 0.000 0.256 0.072
#> SRR1036073 1 0.5004 0.649 0.672 0.000 0.000 0.256 0.072
#> SRR1036074 5 0.5124 0.769 0.000 0.144 0.004 0.144 0.708
#> SRR1036075 5 0.5124 0.769 0.000 0.144 0.004 0.144 0.708
#> SRR1036076 5 0.5124 0.769 0.000 0.144 0.004 0.144 0.708
#> SRR1036077 5 0.5124 0.769 0.000 0.144 0.004 0.144 0.708
#> SRR1036078 5 0.5124 0.769 0.000 0.144 0.004 0.144 0.708
#> SRR1036079 5 0.5124 0.769 0.000 0.144 0.004 0.144 0.708
#> SRR1036080 5 0.5124 0.769 0.000 0.144 0.004 0.144 0.708
#> SRR1036081 5 0.5124 0.769 0.000 0.144 0.004 0.144 0.708
#> SRR1036082 5 0.5429 0.344 0.000 0.068 0.000 0.368 0.564
#> SRR1036083 5 0.5429 0.344 0.000 0.068 0.000 0.368 0.564
#> SRR1036084 5 0.5429 0.344 0.000 0.068 0.000 0.368 0.564
#> SRR1036090 2 0.2733 0.777 0.000 0.872 0.004 0.012 0.112
#> SRR1036091 2 0.2733 0.777 0.000 0.872 0.004 0.012 0.112
#> SRR1036092 2 0.2733 0.777 0.000 0.872 0.004 0.012 0.112
#> SRR1036093 2 0.2733 0.777 0.000 0.872 0.004 0.012 0.112
#> SRR1036094 2 0.2733 0.777 0.000 0.872 0.004 0.012 0.112
#> SRR1036085 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 4 0.6936 0.212 0.404 0.040 0.000 0.432 0.124
#> SRR1036096 4 0.6936 0.212 0.404 0.040 0.000 0.432 0.124
#> SRR1036097 4 0.6936 0.212 0.404 0.040 0.000 0.432 0.124
#> SRR1036098 4 0.6936 0.212 0.404 0.040 0.000 0.432 0.124
#> SRR1036099 4 0.6936 0.212 0.404 0.040 0.000 0.432 0.124
#> SRR1036100 5 0.4986 0.486 0.004 0.356 0.000 0.032 0.608
#> SRR1036101 5 0.4986 0.486 0.004 0.356 0.000 0.032 0.608
#> SRR1036102 5 0.4986 0.486 0.004 0.356 0.000 0.032 0.608
#> SRR1036103 5 0.4986 0.486 0.004 0.356 0.000 0.032 0.608
#> SRR1036104 5 0.4986 0.486 0.004 0.356 0.000 0.032 0.608
#> SRR1036105 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 0.817 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.6030 0.326 0.000 0.004 0.112 0.532 0.352
#> SRR1036111 4 0.6030 0.326 0.000 0.004 0.112 0.532 0.352
#> SRR1036112 4 0.6030 0.326 0.000 0.004 0.112 0.532 0.352
#> SRR1036113 4 0.6030 0.326 0.000 0.004 0.112 0.532 0.352
#> SRR1036114 4 0.6030 0.326 0.000 0.004 0.112 0.532 0.352
#> SRR1036115 1 0.4166 0.709 0.796 0.008 0.000 0.120 0.076
#> SRR1036116 1 0.4166 0.709 0.796 0.008 0.000 0.120 0.076
#> SRR1036117 1 0.4166 0.709 0.796 0.008 0.000 0.120 0.076
#> SRR1036118 1 0.4166 0.709 0.796 0.008 0.000 0.120 0.076
#> SRR1036119 1 0.4166 0.709 0.796 0.008 0.000 0.120 0.076
#> SRR1036120 1 0.5603 0.694 0.704 0.000 0.164 0.060 0.072
#> SRR1036121 1 0.5603 0.694 0.704 0.000 0.164 0.060 0.072
#> SRR1036122 1 0.5603 0.694 0.704 0.000 0.164 0.060 0.072
#> SRR1036123 1 0.5603 0.694 0.704 0.000 0.164 0.060 0.072
#> SRR1036124 1 0.5603 0.694 0.704 0.000 0.164 0.060 0.072
#> SRR1036125 1 0.1278 0.820 0.960 0.000 0.016 0.020 0.004
#> SRR1036126 1 0.1278 0.820 0.960 0.000 0.016 0.020 0.004
#> SRR1036127 1 0.1278 0.820 0.960 0.000 0.016 0.020 0.004
#> SRR1036128 1 0.1278 0.820 0.960 0.000 0.016 0.020 0.004
#> SRR1036129 1 0.1278 0.820 0.960 0.000 0.016 0.020 0.004
#> SRR1036130 1 0.1278 0.820 0.960 0.000 0.016 0.020 0.004
#> SRR1036131 1 0.1278 0.820 0.960 0.000 0.016 0.020 0.004
#> SRR1036132 1 0.1278 0.820 0.960 0.000 0.016 0.020 0.004
#> SRR1036133 2 0.1571 0.796 0.000 0.936 0.000 0.004 0.060
#> SRR1036134 2 0.1571 0.796 0.000 0.936 0.000 0.004 0.060
#> SRR1036135 2 0.1571 0.796 0.000 0.936 0.000 0.004 0.060
#> SRR1036136 2 0.1571 0.796 0.000 0.936 0.000 0.004 0.060
#> SRR1036137 2 0.1571 0.796 0.000 0.936 0.000 0.004 0.060
#> SRR1036138 2 0.1502 0.805 0.000 0.940 0.004 0.000 0.056
#> SRR1036139 2 0.1502 0.805 0.000 0.940 0.004 0.000 0.056
#> SRR1036140 2 0.1502 0.805 0.000 0.940 0.004 0.000 0.056
#> SRR1036141 2 0.1502 0.805 0.000 0.940 0.004 0.000 0.056
#> SRR1036142 2 0.1502 0.805 0.000 0.940 0.004 0.000 0.056
#> SRR1036143 2 0.1502 0.805 0.000 0.940 0.004 0.000 0.056
#> SRR1036144 2 0.1502 0.805 0.000 0.940 0.004 0.000 0.056
#> SRR1036145 2 0.1502 0.805 0.000 0.940 0.004 0.000 0.056
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.4307 0.7167 0.004 0.004 0.764 0.020 0.052 0.156
#> SRR1036003 3 0.4307 0.7167 0.004 0.004 0.764 0.020 0.052 0.156
#> SRR1036004 3 0.4307 0.7167 0.004 0.004 0.764 0.020 0.052 0.156
#> SRR1036005 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 4 0.6089 0.5261 0.000 0.000 0.220 0.576 0.052 0.152
#> SRR1036014 4 0.6089 0.5261 0.000 0.000 0.220 0.576 0.052 0.152
#> SRR1036015 4 0.6089 0.5261 0.000 0.000 0.220 0.576 0.052 0.152
#> SRR1036016 4 0.6089 0.5261 0.000 0.000 0.220 0.576 0.052 0.152
#> SRR1036017 4 0.6089 0.5261 0.000 0.000 0.220 0.576 0.052 0.152
#> SRR1036018 4 0.6089 0.5261 0.000 0.000 0.220 0.576 0.052 0.152
#> SRR1036010 1 0.1261 0.6363 0.956 0.004 0.004 0.008 0.000 0.028
#> SRR1036011 1 0.1261 0.6363 0.956 0.004 0.004 0.008 0.000 0.028
#> SRR1036012 1 0.1261 0.6363 0.956 0.004 0.004 0.008 0.000 0.028
#> SRR1036019 2 0.5887 0.2736 0.000 0.404 0.000 0.000 0.396 0.200
#> SRR1036020 2 0.5887 0.2736 0.000 0.404 0.000 0.000 0.396 0.200
#> SRR1036021 2 0.5887 0.2736 0.000 0.404 0.000 0.000 0.396 0.200
#> SRR1036022 2 0.5887 0.2736 0.000 0.404 0.000 0.000 0.396 0.200
#> SRR1036023 2 0.5887 0.2736 0.000 0.404 0.000 0.000 0.396 0.200
#> SRR1036024 4 0.2873 0.4595 0.068 0.000 0.004 0.872 0.044 0.012
#> SRR1036025 4 0.2873 0.4595 0.068 0.000 0.004 0.872 0.044 0.012
#> SRR1036026 4 0.2873 0.4595 0.068 0.000 0.004 0.872 0.044 0.012
#> SRR1036027 4 0.2873 0.4595 0.068 0.000 0.004 0.872 0.044 0.012
#> SRR1036028 4 0.2873 0.4595 0.068 0.000 0.004 0.872 0.044 0.012
#> SRR1036029 4 0.2873 0.4595 0.068 0.000 0.004 0.872 0.044 0.012
#> SRR1036030 2 0.3946 0.6722 0.056 0.808 0.000 0.004 0.044 0.088
#> SRR1036031 2 0.3946 0.6722 0.056 0.808 0.000 0.004 0.044 0.088
#> SRR1036032 2 0.3946 0.6722 0.056 0.808 0.000 0.004 0.044 0.088
#> SRR1036033 2 0.3946 0.6722 0.056 0.808 0.000 0.004 0.044 0.088
#> SRR1036034 2 0.3946 0.6722 0.056 0.808 0.000 0.004 0.044 0.088
#> SRR1036035 2 0.3946 0.6722 0.056 0.808 0.000 0.004 0.044 0.088
#> SRR1036036 2 0.3946 0.6722 0.056 0.808 0.000 0.004 0.044 0.088
#> SRR1036037 2 0.3946 0.6722 0.056 0.808 0.000 0.004 0.044 0.088
#> SRR1036038 1 0.4798 0.5612 0.756 0.092 0.100 0.004 0.016 0.032
#> SRR1036039 1 0.4798 0.5612 0.756 0.092 0.100 0.004 0.016 0.032
#> SRR1036040 1 0.4798 0.5612 0.756 0.092 0.100 0.004 0.016 0.032
#> SRR1036041 1 0.1218 0.6401 0.956 0.004 0.000 0.028 0.000 0.012
#> SRR1036042 3 0.7393 0.4754 0.004 0.020 0.428 0.068 0.280 0.200
#> SRR1036043 3 0.7393 0.4754 0.004 0.020 0.428 0.068 0.280 0.200
#> SRR1036044 3 0.7393 0.4754 0.004 0.020 0.428 0.068 0.280 0.200
#> SRR1036045 3 0.7393 0.4754 0.004 0.020 0.428 0.068 0.280 0.200
#> SRR1036046 3 0.7393 0.4754 0.004 0.020 0.428 0.068 0.280 0.200
#> SRR1036047 3 0.7393 0.4754 0.004 0.020 0.428 0.068 0.280 0.200
#> SRR1036048 3 0.7393 0.4754 0.004 0.020 0.428 0.068 0.280 0.200
#> SRR1036049 3 0.7393 0.4754 0.004 0.020 0.428 0.068 0.280 0.200
#> SRR1036050 1 0.0622 0.6333 0.980 0.000 0.000 0.012 0.000 0.008
#> SRR1036051 1 0.0622 0.6333 0.980 0.000 0.000 0.012 0.000 0.008
#> SRR1036052 1 0.0622 0.6333 0.980 0.000 0.000 0.012 0.000 0.008
#> SRR1036053 1 0.0622 0.6333 0.980 0.000 0.000 0.012 0.000 0.008
#> SRR1036054 1 0.0622 0.6333 0.980 0.000 0.000 0.012 0.000 0.008
#> SRR1036055 1 0.4695 0.4502 0.692 0.232 0.000 0.000 0.032 0.044
#> SRR1036056 1 0.4695 0.4502 0.692 0.232 0.000 0.000 0.032 0.044
#> SRR1036057 1 0.4695 0.4502 0.692 0.232 0.000 0.000 0.032 0.044
#> SRR1036058 4 0.6083 0.5157 0.012 0.000 0.000 0.480 0.200 0.308
#> SRR1036059 4 0.6083 0.5157 0.012 0.000 0.000 0.480 0.200 0.308
#> SRR1036060 4 0.6083 0.5157 0.012 0.000 0.000 0.480 0.200 0.308
#> SRR1036061 4 0.6083 0.5157 0.012 0.000 0.000 0.480 0.200 0.308
#> SRR1036062 4 0.6083 0.5157 0.012 0.000 0.000 0.480 0.200 0.308
#> SRR1036063 4 0.6083 0.5157 0.012 0.000 0.000 0.480 0.200 0.308
#> SRR1036064 4 0.6083 0.5157 0.012 0.000 0.000 0.480 0.200 0.308
#> SRR1036065 4 0.6083 0.5157 0.012 0.000 0.000 0.480 0.200 0.308
#> SRR1036066 1 0.5278 0.4337 0.488 0.000 0.000 0.412 0.000 0.100
#> SRR1036067 1 0.5278 0.4337 0.488 0.000 0.000 0.412 0.000 0.100
#> SRR1036068 1 0.5278 0.4337 0.488 0.000 0.000 0.412 0.000 0.100
#> SRR1036069 1 0.5278 0.4337 0.488 0.000 0.000 0.412 0.000 0.100
#> SRR1036070 1 0.5278 0.4337 0.488 0.000 0.000 0.412 0.000 0.100
#> SRR1036071 1 0.5278 0.4337 0.488 0.000 0.000 0.412 0.000 0.100
#> SRR1036072 1 0.5278 0.4337 0.488 0.000 0.000 0.412 0.000 0.100
#> SRR1036073 1 0.5278 0.4337 0.488 0.000 0.000 0.412 0.000 0.100
#> SRR1036074 5 0.0909 0.6740 0.000 0.020 0.000 0.012 0.968 0.000
#> SRR1036075 5 0.0909 0.6740 0.000 0.020 0.000 0.012 0.968 0.000
#> SRR1036076 5 0.0909 0.6740 0.000 0.020 0.000 0.012 0.968 0.000
#> SRR1036077 5 0.0909 0.6740 0.000 0.020 0.000 0.012 0.968 0.000
#> SRR1036078 5 0.0909 0.6740 0.000 0.020 0.000 0.012 0.968 0.000
#> SRR1036079 5 0.0909 0.6740 0.000 0.020 0.000 0.012 0.968 0.000
#> SRR1036080 5 0.0909 0.6740 0.000 0.020 0.000 0.012 0.968 0.000
#> SRR1036081 5 0.0909 0.6740 0.000 0.020 0.000 0.012 0.968 0.000
#> SRR1036082 5 0.5010 0.4948 0.000 0.040 0.000 0.168 0.700 0.092
#> SRR1036083 5 0.5010 0.4948 0.000 0.040 0.000 0.168 0.700 0.092
#> SRR1036084 5 0.5010 0.4948 0.000 0.040 0.000 0.168 0.700 0.092
#> SRR1036090 2 0.4329 0.7198 0.000 0.700 0.000 0.004 0.056 0.240
#> SRR1036091 2 0.4329 0.7198 0.000 0.700 0.000 0.004 0.056 0.240
#> SRR1036092 2 0.4329 0.7198 0.000 0.700 0.000 0.004 0.056 0.240
#> SRR1036093 2 0.4329 0.7198 0.000 0.700 0.000 0.004 0.056 0.240
#> SRR1036094 2 0.4329 0.7198 0.000 0.700 0.000 0.004 0.056 0.240
#> SRR1036085 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 6 0.6710 1.0000 0.344 0.020 0.000 0.228 0.012 0.396
#> SRR1036096 6 0.6710 1.0000 0.344 0.020 0.000 0.228 0.012 0.396
#> SRR1036097 6 0.6710 1.0000 0.344 0.020 0.000 0.228 0.012 0.396
#> SRR1036098 6 0.6710 1.0000 0.344 0.020 0.000 0.228 0.012 0.396
#> SRR1036099 6 0.6710 1.0000 0.344 0.020 0.000 0.228 0.012 0.396
#> SRR1036100 5 0.4354 0.4714 0.000 0.216 0.000 0.000 0.704 0.080
#> SRR1036101 5 0.4354 0.4714 0.000 0.216 0.000 0.000 0.704 0.080
#> SRR1036102 5 0.4354 0.4714 0.000 0.216 0.000 0.000 0.704 0.080
#> SRR1036103 5 0.4354 0.4714 0.000 0.216 0.000 0.000 0.704 0.080
#> SRR1036104 5 0.4354 0.4714 0.000 0.216 0.000 0.000 0.704 0.080
#> SRR1036105 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 0.7841 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 5 0.6777 -0.0576 0.000 0.000 0.068 0.380 0.388 0.164
#> SRR1036111 5 0.6777 -0.0576 0.000 0.000 0.068 0.380 0.388 0.164
#> SRR1036112 5 0.6777 -0.0576 0.000 0.000 0.068 0.380 0.388 0.164
#> SRR1036113 5 0.6777 -0.0576 0.000 0.000 0.068 0.380 0.388 0.164
#> SRR1036114 5 0.6777 -0.0576 0.000 0.000 0.068 0.380 0.388 0.164
#> SRR1036115 1 0.4158 0.1135 0.704 0.000 0.000 0.052 0.000 0.244
#> SRR1036116 1 0.4158 0.1135 0.704 0.000 0.000 0.052 0.000 0.244
#> SRR1036117 1 0.4158 0.1135 0.704 0.000 0.000 0.052 0.000 0.244
#> SRR1036118 1 0.4158 0.1135 0.704 0.000 0.000 0.052 0.000 0.244
#> SRR1036119 1 0.4158 0.1135 0.704 0.000 0.000 0.052 0.000 0.244
#> SRR1036120 1 0.6238 0.5012 0.616 0.004 0.104 0.116 0.004 0.156
#> SRR1036121 1 0.6238 0.5012 0.616 0.004 0.104 0.116 0.004 0.156
#> SRR1036122 1 0.6238 0.5012 0.616 0.004 0.104 0.116 0.004 0.156
#> SRR1036123 1 0.6238 0.5012 0.616 0.004 0.104 0.116 0.004 0.156
#> SRR1036124 1 0.6238 0.5012 0.616 0.004 0.104 0.116 0.004 0.156
#> SRR1036125 1 0.2617 0.6460 0.880 0.000 0.032 0.080 0.004 0.004
#> SRR1036126 1 0.2617 0.6460 0.880 0.000 0.032 0.080 0.004 0.004
#> SRR1036127 1 0.2617 0.6460 0.880 0.000 0.032 0.080 0.004 0.004
#> SRR1036128 1 0.2617 0.6460 0.880 0.000 0.032 0.080 0.004 0.004
#> SRR1036129 1 0.2617 0.6460 0.880 0.000 0.032 0.080 0.004 0.004
#> SRR1036130 1 0.2617 0.6460 0.880 0.000 0.032 0.080 0.004 0.004
#> SRR1036131 1 0.2617 0.6460 0.880 0.000 0.032 0.080 0.004 0.004
#> SRR1036132 1 0.2617 0.6460 0.880 0.000 0.032 0.080 0.004 0.004
#> SRR1036133 2 0.1152 0.7275 0.000 0.952 0.000 0.000 0.044 0.004
#> SRR1036134 2 0.1152 0.7275 0.000 0.952 0.000 0.000 0.044 0.004
#> SRR1036135 2 0.1152 0.7275 0.000 0.952 0.000 0.000 0.044 0.004
#> SRR1036136 2 0.1152 0.7275 0.000 0.952 0.000 0.000 0.044 0.004
#> SRR1036137 2 0.1152 0.7275 0.000 0.952 0.000 0.000 0.044 0.004
#> SRR1036138 2 0.3381 0.7483 0.000 0.800 0.000 0.000 0.044 0.156
#> SRR1036139 2 0.3381 0.7483 0.000 0.800 0.000 0.000 0.044 0.156
#> SRR1036140 2 0.3381 0.7483 0.000 0.800 0.000 0.000 0.044 0.156
#> SRR1036141 2 0.3381 0.7483 0.000 0.800 0.000 0.000 0.044 0.156
#> SRR1036142 2 0.3381 0.7483 0.000 0.800 0.000 0.000 0.044 0.156
#> SRR1036143 2 0.3381 0.7483 0.000 0.800 0.000 0.000 0.044 0.156
#> SRR1036144 2 0.3381 0.7483 0.000 0.800 0.000 0.000 0.044 0.156
#> SRR1036145 2 0.3381 0.7483 0.000 0.800 0.000 0.000 0.044 0.156
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["MAD", "pam"]
# you can also extract it by
# res = res_list["MAD:pam"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'MAD' method.
#> Subgroups are detected by 'pam' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 4.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.306 0.456 0.709 0.2958 0.548 0.548
#> 3 3 0.607 0.819 0.826 0.7304 0.560 0.402
#> 4 4 0.771 0.904 0.919 0.3180 0.813 0.612
#> 5 5 0.815 0.920 0.939 0.0804 0.951 0.836
#> 6 6 0.795 0.863 0.898 0.0817 0.948 0.794
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 4
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.625 0.407 0.844 0.156
#> SRR1036003 1 0.644 0.406 0.836 0.164
#> SRR1036004 1 0.662 0.406 0.828 0.172
#> SRR1036005 1 0.689 0.394 0.816 0.184
#> SRR1036006 1 0.689 0.394 0.816 0.184
#> SRR1036007 1 0.689 0.394 0.816 0.184
#> SRR1036008 1 0.689 0.394 0.816 0.184
#> SRR1036009 1 0.689 0.394 0.816 0.184
#> SRR1036013 2 0.961 0.508 0.384 0.616
#> SRR1036014 2 0.961 0.508 0.384 0.616
#> SRR1036015 2 0.961 0.508 0.384 0.616
#> SRR1036016 2 0.961 0.508 0.384 0.616
#> SRR1036017 2 0.961 0.508 0.384 0.616
#> SRR1036018 2 0.961 0.508 0.384 0.616
#> SRR1036010 2 0.000 0.418 0.000 1.000
#> SRR1036011 2 0.000 0.418 0.000 1.000
#> SRR1036012 2 0.000 0.418 0.000 1.000
#> SRR1036019 1 0.987 0.431 0.568 0.432
#> SRR1036020 1 0.987 0.431 0.568 0.432
#> SRR1036021 1 0.987 0.431 0.568 0.432
#> SRR1036022 1 0.987 0.431 0.568 0.432
#> SRR1036023 1 0.987 0.431 0.568 0.432
#> SRR1036024 2 0.961 0.508 0.384 0.616
#> SRR1036025 2 0.961 0.508 0.384 0.616
#> SRR1036026 2 0.961 0.508 0.384 0.616
#> SRR1036027 2 0.961 0.508 0.384 0.616
#> SRR1036028 2 0.961 0.508 0.384 0.616
#> SRR1036029 2 0.961 0.508 0.384 0.616
#> SRR1036030 1 0.987 0.431 0.568 0.432
#> SRR1036031 1 0.987 0.431 0.568 0.432
#> SRR1036032 1 0.987 0.431 0.568 0.432
#> SRR1036033 1 0.987 0.431 0.568 0.432
#> SRR1036034 1 0.987 0.431 0.568 0.432
#> SRR1036035 1 0.987 0.431 0.568 0.432
#> SRR1036036 1 0.987 0.431 0.568 0.432
#> SRR1036037 1 0.987 0.431 0.568 0.432
#> SRR1036038 2 0.000 0.418 0.000 1.000
#> SRR1036039 2 0.000 0.418 0.000 1.000
#> SRR1036040 2 0.000 0.418 0.000 1.000
#> SRR1036041 2 0.000 0.418 0.000 1.000
#> SRR1036042 2 0.961 0.508 0.384 0.616
#> SRR1036043 2 0.961 0.508 0.384 0.616
#> SRR1036044 2 0.961 0.508 0.384 0.616
#> SRR1036045 2 0.961 0.508 0.384 0.616
#> SRR1036046 2 0.961 0.508 0.384 0.616
#> SRR1036047 2 0.961 0.508 0.384 0.616
#> SRR1036048 2 0.961 0.508 0.384 0.616
#> SRR1036049 2 0.961 0.508 0.384 0.616
#> SRR1036050 2 0.000 0.418 0.000 1.000
#> SRR1036051 2 0.000 0.418 0.000 1.000
#> SRR1036052 2 0.000 0.418 0.000 1.000
#> SRR1036053 2 0.000 0.418 0.000 1.000
#> SRR1036054 2 0.000 0.418 0.000 1.000
#> SRR1036055 2 0.000 0.418 0.000 1.000
#> SRR1036056 2 0.000 0.418 0.000 1.000
#> SRR1036057 2 0.000 0.418 0.000 1.000
#> SRR1036058 2 0.961 0.508 0.384 0.616
#> SRR1036059 2 0.961 0.508 0.384 0.616
#> SRR1036060 2 0.961 0.508 0.384 0.616
#> SRR1036061 2 0.961 0.508 0.384 0.616
#> SRR1036062 2 0.961 0.508 0.384 0.616
#> SRR1036063 2 0.961 0.508 0.384 0.616
#> SRR1036064 2 0.961 0.508 0.384 0.616
#> SRR1036065 2 0.961 0.508 0.384 0.616
#> SRR1036066 2 0.961 0.508 0.384 0.616
#> SRR1036067 2 0.961 0.508 0.384 0.616
#> SRR1036068 2 0.961 0.508 0.384 0.616
#> SRR1036069 2 0.961 0.508 0.384 0.616
#> SRR1036070 2 0.961 0.508 0.384 0.616
#> SRR1036071 2 0.961 0.508 0.384 0.616
#> SRR1036072 2 0.961 0.508 0.384 0.616
#> SRR1036073 2 0.961 0.508 0.384 0.616
#> SRR1036074 2 0.961 0.508 0.384 0.616
#> SRR1036075 2 0.961 0.508 0.384 0.616
#> SRR1036076 2 0.961 0.508 0.384 0.616
#> SRR1036077 2 0.961 0.508 0.384 0.616
#> SRR1036078 2 0.961 0.508 0.384 0.616
#> SRR1036079 2 0.961 0.508 0.384 0.616
#> SRR1036080 2 0.961 0.508 0.384 0.616
#> SRR1036081 2 0.961 0.508 0.384 0.616
#> SRR1036082 2 0.961 0.508 0.384 0.616
#> SRR1036083 2 0.961 0.508 0.384 0.616
#> SRR1036084 2 0.961 0.508 0.384 0.616
#> SRR1036090 1 0.987 0.431 0.568 0.432
#> SRR1036091 1 0.987 0.431 0.568 0.432
#> SRR1036092 1 0.987 0.431 0.568 0.432
#> SRR1036093 1 0.987 0.431 0.568 0.432
#> SRR1036094 1 0.987 0.431 0.568 0.432
#> SRR1036085 1 0.795 0.343 0.760 0.240
#> SRR1036086 1 0.722 0.382 0.800 0.200
#> SRR1036087 1 0.745 0.372 0.788 0.212
#> SRR1036088 1 0.730 0.379 0.796 0.204
#> SRR1036089 1 0.767 0.360 0.776 0.224
#> SRR1036095 2 0.961 0.508 0.384 0.616
#> SRR1036096 2 0.961 0.508 0.384 0.616
#> SRR1036097 2 0.961 0.508 0.384 0.616
#> SRR1036098 2 0.961 0.508 0.384 0.616
#> SRR1036099 2 0.961 0.508 0.384 0.616
#> SRR1036100 2 0.961 0.508 0.384 0.616
#> SRR1036101 2 0.961 0.508 0.384 0.616
#> SRR1036102 2 0.961 0.508 0.384 0.616
#> SRR1036103 2 0.961 0.508 0.384 0.616
#> SRR1036104 2 0.961 0.508 0.384 0.616
#> SRR1036105 1 0.689 0.394 0.816 0.184
#> SRR1036106 1 0.689 0.394 0.816 0.184
#> SRR1036107 1 0.689 0.394 0.816 0.184
#> SRR1036108 1 0.689 0.394 0.816 0.184
#> SRR1036109 1 0.689 0.394 0.816 0.184
#> SRR1036110 2 0.961 0.508 0.384 0.616
#> SRR1036111 2 0.961 0.508 0.384 0.616
#> SRR1036112 2 0.961 0.508 0.384 0.616
#> SRR1036113 2 0.961 0.508 0.384 0.616
#> SRR1036114 2 0.961 0.508 0.384 0.616
#> SRR1036115 2 0.000 0.418 0.000 1.000
#> SRR1036116 2 0.000 0.418 0.000 1.000
#> SRR1036117 2 0.000 0.418 0.000 1.000
#> SRR1036118 2 0.000 0.418 0.000 1.000
#> SRR1036119 2 0.000 0.418 0.000 1.000
#> SRR1036120 2 0.000 0.418 0.000 1.000
#> SRR1036121 2 0.000 0.418 0.000 1.000
#> SRR1036122 2 0.000 0.418 0.000 1.000
#> SRR1036123 2 0.000 0.418 0.000 1.000
#> SRR1036124 2 0.000 0.418 0.000 1.000
#> SRR1036125 2 0.000 0.418 0.000 1.000
#> SRR1036126 2 0.000 0.418 0.000 1.000
#> SRR1036127 2 0.000 0.418 0.000 1.000
#> SRR1036128 2 0.000 0.418 0.000 1.000
#> SRR1036129 2 0.000 0.418 0.000 1.000
#> SRR1036130 2 0.000 0.418 0.000 1.000
#> SRR1036131 2 0.000 0.418 0.000 1.000
#> SRR1036132 2 0.000 0.418 0.000 1.000
#> SRR1036133 1 0.987 0.431 0.568 0.432
#> SRR1036134 1 0.987 0.431 0.568 0.432
#> SRR1036135 1 0.987 0.431 0.568 0.432
#> SRR1036136 1 0.987 0.431 0.568 0.432
#> SRR1036137 1 0.987 0.431 0.568 0.432
#> SRR1036138 1 0.987 0.431 0.568 0.432
#> SRR1036139 1 0.987 0.431 0.568 0.432
#> SRR1036140 1 0.987 0.431 0.568 0.432
#> SRR1036141 1 0.987 0.431 0.568 0.432
#> SRR1036142 1 0.987 0.431 0.568 0.432
#> SRR1036143 1 0.987 0.431 0.568 0.432
#> SRR1036144 1 0.987 0.431 0.568 0.432
#> SRR1036145 1 0.987 0.431 0.568 0.432
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.807 0.883 0.316 0.088 0.596
#> SRR1036003 3 0.804 0.889 0.324 0.084 0.592
#> SRR1036004 3 0.820 0.864 0.304 0.100 0.596
#> SRR1036005 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036006 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036007 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036008 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036009 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036013 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036014 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036015 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036016 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036017 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036018 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036010 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036011 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036012 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036019 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036020 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036021 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036022 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036023 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036024 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036025 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036026 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036027 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036028 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036029 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036030 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036031 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036032 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036033 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036034 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036035 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036036 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036037 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036038 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036039 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036040 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036041 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036042 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036043 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036044 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036045 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036046 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036047 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036048 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036049 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036050 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036051 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036052 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036053 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036054 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036055 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036056 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036057 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036058 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036059 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036060 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036061 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036062 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036063 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036064 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036065 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036066 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036067 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036068 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036069 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036070 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036071 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036072 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036073 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036074 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036075 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036076 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036077 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036078 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036079 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036080 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036081 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036082 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036083 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036084 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036090 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036091 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036092 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036093 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036094 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036085 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036086 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036087 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036088 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036089 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036095 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036096 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036097 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036098 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036099 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036100 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036101 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036102 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036103 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036104 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036105 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036106 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036107 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036108 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036109 3 0.613 0.979 0.400 0.000 0.600
#> SRR1036110 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036111 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036112 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036113 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036114 2 0.000 0.775 0.000 1.000 0.000
#> SRR1036115 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036116 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036117 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036118 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036119 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036120 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036121 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036122 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036123 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036124 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036125 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036126 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036127 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036128 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036129 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036130 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036131 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036132 1 0.613 1.000 0.600 0.400 0.000
#> SRR1036133 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036134 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036135 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036136 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036137 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036138 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036139 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036140 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036141 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036142 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036143 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036144 2 0.613 0.629 0.000 0.600 0.400
#> SRR1036145 2 0.613 0.629 0.000 0.600 0.400
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.5636 0.761 0.236 0.004 0.700 0.060
#> SRR1036003 3 0.5706 0.758 0.236 0.004 0.696 0.064
#> SRR1036004 3 0.5774 0.753 0.236 0.004 0.692 0.068
#> SRR1036005 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036013 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036014 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036015 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036016 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036017 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036018 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036010 1 0.3688 0.929 0.792 0.000 0.000 0.208
#> SRR1036011 1 0.3688 0.929 0.792 0.000 0.000 0.208
#> SRR1036012 1 0.3688 0.929 0.792 0.000 0.000 0.208
#> SRR1036019 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036020 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036021 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036022 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036023 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036024 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036025 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036026 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036027 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036028 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036029 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036030 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036031 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036032 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036033 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036034 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036035 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036036 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036037 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036038 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036039 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036040 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036041 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036042 4 0.4122 0.718 0.236 0.004 0.000 0.760
#> SRR1036043 4 0.4122 0.718 0.236 0.004 0.000 0.760
#> SRR1036044 4 0.4122 0.718 0.236 0.004 0.000 0.760
#> SRR1036045 4 0.4122 0.718 0.236 0.004 0.000 0.760
#> SRR1036046 4 0.4122 0.718 0.236 0.004 0.000 0.760
#> SRR1036047 4 0.4122 0.718 0.236 0.004 0.000 0.760
#> SRR1036048 4 0.4122 0.718 0.236 0.004 0.000 0.760
#> SRR1036049 4 0.4122 0.718 0.236 0.004 0.000 0.760
#> SRR1036050 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036051 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036052 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036053 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036054 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036055 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036056 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036057 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036058 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036059 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036060 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036061 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036062 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036063 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036064 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036065 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036066 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036067 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036068 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036069 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036070 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036071 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036072 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036073 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036074 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036075 4 0.0188 0.956 0.004 0.000 0.000 0.996
#> SRR1036076 4 0.0188 0.956 0.004 0.000 0.000 0.996
#> SRR1036077 4 0.0188 0.956 0.004 0.000 0.000 0.996
#> SRR1036078 4 0.0188 0.956 0.004 0.000 0.000 0.996
#> SRR1036079 4 0.0188 0.956 0.004 0.000 0.000 0.996
#> SRR1036080 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036081 4 0.0188 0.956 0.004 0.000 0.000 0.996
#> SRR1036082 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036083 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036084 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036090 2 0.4855 0.408 0.000 0.600 0.000 0.400
#> SRR1036091 2 0.4817 0.437 0.000 0.612 0.000 0.388
#> SRR1036092 2 0.4679 0.511 0.000 0.648 0.000 0.352
#> SRR1036093 2 0.4817 0.437 0.000 0.612 0.000 0.388
#> SRR1036094 2 0.4746 0.480 0.000 0.632 0.000 0.368
#> SRR1036085 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036095 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036096 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036097 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036098 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036099 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036100 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036101 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036102 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036103 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036104 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036105 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.955 0.000 0.000 1.000 0.000
#> SRR1036110 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036111 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036112 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036113 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036114 4 0.0000 0.959 0.000 0.000 0.000 1.000
#> SRR1036115 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036116 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036117 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036118 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036119 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036120 1 0.1302 0.718 0.956 0.000 0.000 0.044
#> SRR1036121 1 0.1302 0.718 0.956 0.000 0.000 0.044
#> SRR1036122 1 0.1302 0.718 0.956 0.000 0.000 0.044
#> SRR1036123 1 0.1211 0.717 0.960 0.000 0.000 0.040
#> SRR1036124 1 0.1302 0.718 0.956 0.000 0.000 0.044
#> SRR1036125 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036126 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036127 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036128 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036129 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036130 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036131 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036132 1 0.3942 0.952 0.764 0.000 0.000 0.236
#> SRR1036133 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036134 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036135 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036136 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036137 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036138 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036139 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036140 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036141 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036142 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036143 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036144 2 0.0188 0.909 0.000 0.996 0.000 0.004
#> SRR1036145 2 0.0188 0.909 0.000 0.996 0.000 0.004
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036003 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036004 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036013 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036014 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036015 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036016 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036017 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036018 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036010 1 0.3412 0.909 0.820 0.000 0 0.152 0.028
#> SRR1036011 1 0.3236 0.910 0.828 0.000 0 0.152 0.020
#> SRR1036012 1 0.3194 0.910 0.832 0.000 0 0.148 0.020
#> SRR1036019 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036020 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036021 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036022 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036023 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036024 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036025 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036026 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036027 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036028 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036029 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036030 2 0.2806 0.805 0.152 0.844 0 0.004 0.000
#> SRR1036031 2 0.2806 0.805 0.152 0.844 0 0.004 0.000
#> SRR1036032 2 0.2806 0.805 0.152 0.844 0 0.004 0.000
#> SRR1036033 2 0.2806 0.805 0.152 0.844 0 0.004 0.000
#> SRR1036034 2 0.2806 0.805 0.152 0.844 0 0.004 0.000
#> SRR1036035 2 0.2806 0.805 0.152 0.844 0 0.004 0.000
#> SRR1036036 2 0.2806 0.805 0.152 0.844 0 0.004 0.000
#> SRR1036037 2 0.2806 0.805 0.152 0.844 0 0.004 0.000
#> SRR1036038 1 0.2813 0.904 0.832 0.000 0 0.168 0.000
#> SRR1036039 1 0.2852 0.904 0.828 0.000 0 0.172 0.000
#> SRR1036040 1 0.2690 0.900 0.844 0.000 0 0.156 0.000
#> SRR1036041 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036042 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036043 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036044 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036045 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036046 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036047 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036048 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036049 5 0.0000 1.000 0.000 0.000 0 0.000 1.000
#> SRR1036050 1 0.2424 0.906 0.868 0.000 0 0.132 0.000
#> SRR1036051 1 0.2471 0.907 0.864 0.000 0 0.136 0.000
#> SRR1036052 1 0.2424 0.906 0.868 0.000 0 0.132 0.000
#> SRR1036053 1 0.2424 0.906 0.868 0.000 0 0.132 0.000
#> SRR1036054 1 0.2424 0.906 0.868 0.000 0 0.132 0.000
#> SRR1036055 1 0.0880 0.796 0.968 0.000 0 0.032 0.000
#> SRR1036056 1 0.0794 0.793 0.972 0.000 0 0.028 0.000
#> SRR1036057 1 0.0880 0.796 0.968 0.000 0 0.032 0.000
#> SRR1036058 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036059 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036060 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036061 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036062 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036063 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036064 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036065 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036066 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036067 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036068 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036069 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036070 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036071 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036072 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036073 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036074 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036075 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036076 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036077 4 0.0162 0.991 0.000 0.000 0 0.996 0.004
#> SRR1036078 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036079 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036080 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036081 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036082 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036083 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036084 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036090 2 0.4182 0.411 0.000 0.600 0 0.400 0.000
#> SRR1036091 2 0.4150 0.440 0.000 0.612 0 0.388 0.000
#> SRR1036092 2 0.4030 0.497 0.000 0.648 0 0.352 0.000
#> SRR1036093 2 0.4150 0.440 0.000 0.612 0 0.388 0.000
#> SRR1036094 2 0.4088 0.480 0.000 0.632 0 0.368 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036095 4 0.1197 0.949 0.048 0.000 0 0.952 0.000
#> SRR1036096 4 0.1197 0.949 0.048 0.000 0 0.952 0.000
#> SRR1036097 4 0.1197 0.949 0.048 0.000 0 0.952 0.000
#> SRR1036098 4 0.1197 0.949 0.048 0.000 0 0.952 0.000
#> SRR1036099 4 0.1197 0.949 0.048 0.000 0 0.952 0.000
#> SRR1036100 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036101 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036102 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036103 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036104 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036110 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036111 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036112 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036113 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036114 4 0.0000 0.995 0.000 0.000 0 1.000 0.000
#> SRR1036115 1 0.2648 0.909 0.848 0.000 0 0.152 0.000
#> SRR1036116 1 0.2648 0.909 0.848 0.000 0 0.152 0.000
#> SRR1036117 1 0.2648 0.909 0.848 0.000 0 0.152 0.000
#> SRR1036118 1 0.2648 0.909 0.848 0.000 0 0.152 0.000
#> SRR1036119 1 0.2648 0.909 0.848 0.000 0 0.152 0.000
#> SRR1036120 1 0.3596 0.740 0.784 0.000 0 0.016 0.200
#> SRR1036121 1 0.3596 0.740 0.784 0.000 0 0.016 0.200
#> SRR1036122 1 0.3596 0.740 0.784 0.000 0 0.016 0.200
#> SRR1036123 1 0.3496 0.739 0.788 0.000 0 0.012 0.200
#> SRR1036124 1 0.3596 0.740 0.784 0.000 0 0.016 0.200
#> SRR1036125 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036126 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036127 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036128 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036129 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036130 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036131 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036132 1 0.3109 0.899 0.800 0.000 0 0.200 0.000
#> SRR1036133 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036134 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036135 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036136 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036137 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036138 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036139 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036140 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036141 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036142 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036143 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036144 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
#> SRR1036145 2 0.0000 0.865 0.000 1.000 0 0.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036003 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036004 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036013 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036014 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036015 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036016 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036017 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036018 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036010 1 0.2536 0.852 0.864 0.000 0 0.116 0.000 0.020
#> SRR1036011 1 0.2212 0.852 0.880 0.000 0 0.112 0.000 0.008
#> SRR1036012 1 0.2165 0.852 0.884 0.000 0 0.108 0.000 0.008
#> SRR1036019 2 0.0458 0.830 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036020 2 0.0458 0.830 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036021 2 0.0458 0.830 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036022 2 0.0363 0.831 0.000 0.988 0 0.000 0.012 0.000
#> SRR1036023 2 0.0458 0.830 0.000 0.984 0 0.000 0.016 0.000
#> SRR1036024 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036025 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036026 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036027 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036028 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036029 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036030 2 0.3881 0.737 0.024 0.720 0 0.004 0.252 0.000
#> SRR1036031 2 0.3881 0.737 0.024 0.720 0 0.004 0.252 0.000
#> SRR1036032 2 0.3881 0.737 0.024 0.720 0 0.004 0.252 0.000
#> SRR1036033 2 0.3881 0.737 0.024 0.720 0 0.004 0.252 0.000
#> SRR1036034 2 0.3881 0.737 0.024 0.720 0 0.004 0.252 0.000
#> SRR1036035 2 0.3881 0.737 0.024 0.720 0 0.004 0.252 0.000
#> SRR1036036 2 0.3881 0.737 0.024 0.720 0 0.004 0.252 0.000
#> SRR1036037 2 0.3881 0.737 0.024 0.720 0 0.004 0.252 0.000
#> SRR1036038 1 0.3139 0.830 0.812 0.000 0 0.160 0.028 0.000
#> SRR1036039 1 0.3139 0.830 0.812 0.000 0 0.160 0.028 0.000
#> SRR1036040 1 0.3176 0.832 0.812 0.000 0 0.156 0.032 0.000
#> SRR1036041 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036042 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036043 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036044 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036045 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036046 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036047 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036048 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036049 6 0.0000 1.000 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036050 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036051 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036052 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036053 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036054 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036055 1 0.3494 0.709 0.736 0.012 0 0.000 0.252 0.000
#> SRR1036056 1 0.3494 0.709 0.736 0.012 0 0.000 0.252 0.000
#> SRR1036057 1 0.3494 0.709 0.736 0.012 0 0.000 0.252 0.000
#> SRR1036058 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036059 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036060 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036061 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036062 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036063 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036064 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036065 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036066 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036067 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036068 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036069 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036070 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036071 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036072 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036073 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036074 5 0.3151 0.997 0.000 0.000 0 0.252 0.748 0.000
#> SRR1036075 5 0.3151 0.997 0.000 0.000 0 0.252 0.748 0.000
#> SRR1036076 5 0.3151 0.997 0.000 0.000 0 0.252 0.748 0.000
#> SRR1036077 5 0.3265 0.991 0.000 0.000 0 0.248 0.748 0.004
#> SRR1036078 5 0.3151 0.997 0.000 0.000 0 0.252 0.748 0.000
#> SRR1036079 5 0.3151 0.997 0.000 0.000 0 0.252 0.748 0.000
#> SRR1036080 5 0.3151 0.997 0.000 0.000 0 0.252 0.748 0.000
#> SRR1036081 5 0.3151 0.997 0.000 0.000 0 0.252 0.748 0.000
#> SRR1036082 4 0.3428 0.358 0.000 0.000 0 0.696 0.304 0.000
#> SRR1036083 4 0.3446 0.345 0.000 0.000 0 0.692 0.308 0.000
#> SRR1036084 4 0.3446 0.345 0.000 0.000 0 0.692 0.308 0.000
#> SRR1036090 2 0.3695 0.427 0.000 0.624 0 0.376 0.000 0.000
#> SRR1036091 2 0.3672 0.445 0.000 0.632 0 0.368 0.000 0.000
#> SRR1036092 2 0.3592 0.493 0.000 0.656 0 0.344 0.000 0.000
#> SRR1036093 2 0.3672 0.447 0.000 0.632 0 0.368 0.000 0.000
#> SRR1036094 2 0.3620 0.478 0.000 0.648 0 0.352 0.000 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036095 4 0.2597 0.724 0.176 0.000 0 0.824 0.000 0.000
#> SRR1036096 4 0.2597 0.724 0.176 0.000 0 0.824 0.000 0.000
#> SRR1036097 4 0.2597 0.724 0.176 0.000 0 0.824 0.000 0.000
#> SRR1036098 4 0.2597 0.724 0.176 0.000 0 0.824 0.000 0.000
#> SRR1036099 4 0.2597 0.724 0.176 0.000 0 0.824 0.000 0.000
#> SRR1036100 5 0.3175 0.995 0.000 0.000 0 0.256 0.744 0.000
#> SRR1036101 5 0.3175 0.995 0.000 0.000 0 0.256 0.744 0.000
#> SRR1036102 5 0.3175 0.995 0.000 0.000 0 0.256 0.744 0.000
#> SRR1036103 5 0.3175 0.995 0.000 0.000 0 0.256 0.744 0.000
#> SRR1036104 5 0.3175 0.995 0.000 0.000 0 0.256 0.744 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036110 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036111 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036112 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036113 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036114 4 0.0000 0.934 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036115 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036116 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036117 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036118 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036119 1 0.0632 0.839 0.976 0.000 0 0.024 0.000 0.000
#> SRR1036120 1 0.3231 0.767 0.784 0.000 0 0.016 0.000 0.200
#> SRR1036121 1 0.3231 0.767 0.784 0.000 0 0.016 0.000 0.200
#> SRR1036122 1 0.3231 0.767 0.784 0.000 0 0.016 0.000 0.200
#> SRR1036123 1 0.3141 0.767 0.788 0.000 0 0.012 0.000 0.200
#> SRR1036124 1 0.3231 0.767 0.784 0.000 0 0.016 0.000 0.200
#> SRR1036125 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036126 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036127 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036128 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036129 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036130 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036131 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036132 1 0.2793 0.816 0.800 0.000 0 0.200 0.000 0.000
#> SRR1036133 2 0.1141 0.829 0.000 0.948 0 0.000 0.052 0.000
#> SRR1036134 2 0.1007 0.831 0.000 0.956 0 0.000 0.044 0.000
#> SRR1036135 2 0.1075 0.830 0.000 0.952 0 0.000 0.048 0.000
#> SRR1036136 2 0.1007 0.831 0.000 0.956 0 0.000 0.044 0.000
#> SRR1036137 2 0.1075 0.830 0.000 0.952 0 0.000 0.048 0.000
#> SRR1036138 2 0.0000 0.834 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036139 2 0.0000 0.834 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036140 2 0.0000 0.834 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036141 2 0.0000 0.834 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036142 2 0.0000 0.834 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036143 2 0.0000 0.834 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036144 2 0.0000 0.834 0.000 1.000 0 0.000 0.000 0.000
#> SRR1036145 2 0.0000 0.834 0.000 1.000 0 0.000 0.000 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["MAD", "mclust"]
# you can also extract it by
# res = res_list["MAD:mclust"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'MAD' method.
#> Subgroups are detected by 'mclust' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 5.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.294 0.587 0.694 0.3925 0.557 0.557
#> 3 3 0.324 0.616 0.774 0.4586 0.739 0.570
#> 4 4 0.567 0.688 0.821 0.2500 0.802 0.541
#> 5 5 0.669 0.702 0.819 0.0548 0.970 0.889
#> 6 6 0.724 0.721 0.783 0.0532 0.983 0.929
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 5
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.494 0.63992 0.892 0.108
#> SRR1036003 1 0.494 0.63992 0.892 0.108
#> SRR1036004 1 0.494 0.63992 0.892 0.108
#> SRR1036005 1 0.943 0.48403 0.640 0.360
#> SRR1036006 1 0.943 0.48403 0.640 0.360
#> SRR1036007 1 0.943 0.48403 0.640 0.360
#> SRR1036008 1 0.943 0.48403 0.640 0.360
#> SRR1036009 1 0.943 0.48403 0.640 0.360
#> SRR1036013 1 0.990 -0.02427 0.560 0.440
#> SRR1036014 1 0.990 -0.02427 0.560 0.440
#> SRR1036015 1 0.990 -0.02427 0.560 0.440
#> SRR1036016 1 0.988 -0.00787 0.564 0.436
#> SRR1036017 1 0.990 -0.02427 0.560 0.440
#> SRR1036018 1 0.990 -0.02427 0.560 0.440
#> SRR1036010 1 0.163 0.65086 0.976 0.024
#> SRR1036011 1 0.163 0.65086 0.976 0.024
#> SRR1036012 1 0.163 0.65086 0.976 0.024
#> SRR1036019 2 0.961 0.95488 0.384 0.616
#> SRR1036020 2 0.961 0.95488 0.384 0.616
#> SRR1036021 2 0.961 0.95488 0.384 0.616
#> SRR1036022 2 0.961 0.95488 0.384 0.616
#> SRR1036023 2 0.961 0.95488 0.384 0.616
#> SRR1036024 1 0.966 -0.06195 0.608 0.392
#> SRR1036025 1 0.969 -0.07928 0.604 0.396
#> SRR1036026 1 0.966 -0.06195 0.608 0.392
#> SRR1036027 1 0.966 -0.06195 0.608 0.392
#> SRR1036028 1 0.966 -0.06195 0.608 0.392
#> SRR1036029 1 0.966 -0.06195 0.608 0.392
#> SRR1036030 2 0.971 0.95029 0.400 0.600
#> SRR1036031 2 0.971 0.95029 0.400 0.600
#> SRR1036032 2 0.971 0.95029 0.400 0.600
#> SRR1036033 2 0.971 0.95029 0.400 0.600
#> SRR1036034 2 0.971 0.95029 0.400 0.600
#> SRR1036035 2 0.971 0.95029 0.400 0.600
#> SRR1036036 2 0.971 0.95029 0.400 0.600
#> SRR1036037 2 0.971 0.95029 0.400 0.600
#> SRR1036038 1 0.224 0.64423 0.964 0.036
#> SRR1036039 1 0.224 0.64423 0.964 0.036
#> SRR1036040 1 0.224 0.64423 0.964 0.036
#> SRR1036041 1 0.118 0.64700 0.984 0.016
#> SRR1036042 1 0.985 -0.09685 0.572 0.428
#> SRR1036043 1 0.983 -0.08042 0.576 0.424
#> SRR1036044 1 0.985 -0.09685 0.572 0.428
#> SRR1036045 1 0.985 -0.09685 0.572 0.428
#> SRR1036046 1 0.985 -0.09685 0.572 0.428
#> SRR1036047 1 0.983 -0.08042 0.576 0.424
#> SRR1036048 1 0.983 -0.08042 0.576 0.424
#> SRR1036049 1 0.983 -0.08042 0.576 0.424
#> SRR1036050 1 0.118 0.64901 0.984 0.016
#> SRR1036051 1 0.118 0.64901 0.984 0.016
#> SRR1036052 1 0.118 0.64901 0.984 0.016
#> SRR1036053 1 0.118 0.64901 0.984 0.016
#> SRR1036054 1 0.118 0.64901 0.984 0.016
#> SRR1036055 1 0.373 0.61795 0.928 0.072
#> SRR1036056 1 0.388 0.61709 0.924 0.076
#> SRR1036057 1 0.373 0.61795 0.928 0.072
#> SRR1036058 1 0.925 0.44850 0.660 0.340
#> SRR1036059 1 0.925 0.44850 0.660 0.340
#> SRR1036060 1 0.925 0.44850 0.660 0.340
#> SRR1036061 1 0.925 0.44850 0.660 0.340
#> SRR1036062 1 0.925 0.44850 0.660 0.340
#> SRR1036063 1 0.925 0.44850 0.660 0.340
#> SRR1036064 1 0.925 0.44850 0.660 0.340
#> SRR1036065 1 0.925 0.44850 0.660 0.340
#> SRR1036066 1 0.327 0.64720 0.940 0.060
#> SRR1036067 1 0.327 0.64720 0.940 0.060
#> SRR1036068 1 0.327 0.64720 0.940 0.060
#> SRR1036069 1 0.327 0.64720 0.940 0.060
#> SRR1036070 1 0.327 0.64720 0.940 0.060
#> SRR1036071 1 0.327 0.64720 0.940 0.060
#> SRR1036072 1 0.327 0.64720 0.940 0.060
#> SRR1036073 1 0.327 0.64720 0.940 0.060
#> SRR1036074 2 0.943 0.92780 0.360 0.640
#> SRR1036075 2 0.943 0.92780 0.360 0.640
#> SRR1036076 2 0.943 0.92780 0.360 0.640
#> SRR1036077 2 0.943 0.92780 0.360 0.640
#> SRR1036078 2 0.943 0.92780 0.360 0.640
#> SRR1036079 2 0.943 0.92780 0.360 0.640
#> SRR1036080 2 0.943 0.92780 0.360 0.640
#> SRR1036081 2 0.943 0.92780 0.360 0.640
#> SRR1036082 2 0.952 0.93548 0.372 0.628
#> SRR1036083 2 0.952 0.93548 0.372 0.628
#> SRR1036084 2 0.952 0.93548 0.372 0.628
#> SRR1036090 2 0.971 0.95272 0.400 0.600
#> SRR1036091 2 0.971 0.95272 0.400 0.600
#> SRR1036092 2 0.971 0.95272 0.400 0.600
#> SRR1036093 2 0.969 0.95523 0.396 0.604
#> SRR1036094 2 0.971 0.95272 0.400 0.600
#> SRR1036085 1 0.943 0.48403 0.640 0.360
#> SRR1036086 1 0.943 0.48403 0.640 0.360
#> SRR1036087 1 0.943 0.48403 0.640 0.360
#> SRR1036088 1 0.943 0.48403 0.640 0.360
#> SRR1036089 1 0.943 0.48403 0.640 0.360
#> SRR1036095 1 0.680 0.47194 0.820 0.180
#> SRR1036096 1 0.680 0.47194 0.820 0.180
#> SRR1036097 1 0.680 0.47194 0.820 0.180
#> SRR1036098 1 0.680 0.47194 0.820 0.180
#> SRR1036099 1 0.680 0.47194 0.820 0.180
#> SRR1036100 2 0.969 0.94852 0.396 0.604
#> SRR1036101 2 0.969 0.94852 0.396 0.604
#> SRR1036102 2 0.969 0.94852 0.396 0.604
#> SRR1036103 2 0.969 0.94852 0.396 0.604
#> SRR1036104 2 0.969 0.94852 0.396 0.604
#> SRR1036105 1 0.943 0.48403 0.640 0.360
#> SRR1036106 1 0.943 0.48403 0.640 0.360
#> SRR1036107 1 0.943 0.48403 0.640 0.360
#> SRR1036108 1 0.943 0.48403 0.640 0.360
#> SRR1036109 1 0.943 0.48403 0.640 0.360
#> SRR1036110 1 0.999 -0.10047 0.520 0.480
#> SRR1036111 1 0.999 -0.10047 0.520 0.480
#> SRR1036112 1 0.999 -0.10047 0.520 0.480
#> SRR1036113 1 0.999 -0.10047 0.520 0.480
#> SRR1036114 1 0.999 -0.10047 0.520 0.480
#> SRR1036115 1 0.163 0.65347 0.976 0.024
#> SRR1036116 1 0.163 0.65347 0.976 0.024
#> SRR1036117 1 0.163 0.65347 0.976 0.024
#> SRR1036118 1 0.163 0.65347 0.976 0.024
#> SRR1036119 1 0.163 0.65347 0.976 0.024
#> SRR1036120 1 0.242 0.65218 0.960 0.040
#> SRR1036121 1 0.242 0.65218 0.960 0.040
#> SRR1036122 1 0.242 0.65218 0.960 0.040
#> SRR1036123 1 0.242 0.65218 0.960 0.040
#> SRR1036124 1 0.242 0.65218 0.960 0.040
#> SRR1036125 1 0.141 0.65278 0.980 0.020
#> SRR1036126 1 0.141 0.65278 0.980 0.020
#> SRR1036127 1 0.141 0.65278 0.980 0.020
#> SRR1036128 1 0.141 0.65278 0.980 0.020
#> SRR1036129 1 0.141 0.65278 0.980 0.020
#> SRR1036130 1 0.141 0.65278 0.980 0.020
#> SRR1036131 1 0.141 0.65278 0.980 0.020
#> SRR1036132 1 0.141 0.65278 0.980 0.020
#> SRR1036133 2 0.973 0.95119 0.404 0.596
#> SRR1036134 2 0.973 0.95119 0.404 0.596
#> SRR1036135 2 0.973 0.95119 0.404 0.596
#> SRR1036136 2 0.973 0.95119 0.404 0.596
#> SRR1036137 2 0.973 0.95119 0.404 0.596
#> SRR1036138 2 0.961 0.95439 0.384 0.616
#> SRR1036139 2 0.961 0.95439 0.384 0.616
#> SRR1036140 2 0.961 0.95439 0.384 0.616
#> SRR1036141 2 0.961 0.95439 0.384 0.616
#> SRR1036142 2 0.961 0.95439 0.384 0.616
#> SRR1036143 2 0.961 0.95439 0.384 0.616
#> SRR1036144 2 0.961 0.95439 0.384 0.616
#> SRR1036145 2 0.961 0.95439 0.384 0.616
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.9953 -0.172 0.300 0.320 0.380
#> SRR1036003 3 0.9953 -0.172 0.300 0.320 0.380
#> SRR1036004 3 0.9953 -0.172 0.300 0.320 0.380
#> SRR1036005 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036006 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036007 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036008 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036009 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036013 1 0.6541 0.489 0.672 0.304 0.024
#> SRR1036014 1 0.6541 0.489 0.672 0.304 0.024
#> SRR1036015 1 0.6541 0.489 0.672 0.304 0.024
#> SRR1036016 1 0.6541 0.489 0.672 0.304 0.024
#> SRR1036017 1 0.6541 0.489 0.672 0.304 0.024
#> SRR1036018 1 0.6541 0.489 0.672 0.304 0.024
#> SRR1036010 1 0.6451 0.605 0.684 0.292 0.024
#> SRR1036011 1 0.6451 0.605 0.684 0.292 0.024
#> SRR1036012 1 0.6451 0.605 0.684 0.292 0.024
#> SRR1036019 2 0.0829 0.822 0.012 0.984 0.004
#> SRR1036020 2 0.0829 0.822 0.012 0.984 0.004
#> SRR1036021 2 0.0829 0.822 0.012 0.984 0.004
#> SRR1036022 2 0.0829 0.822 0.012 0.984 0.004
#> SRR1036023 2 0.0829 0.822 0.012 0.984 0.004
#> SRR1036024 1 0.5591 0.484 0.696 0.304 0.000
#> SRR1036025 1 0.5591 0.486 0.696 0.304 0.000
#> SRR1036026 1 0.5529 0.491 0.704 0.296 0.000
#> SRR1036027 1 0.5529 0.491 0.704 0.296 0.000
#> SRR1036028 1 0.5529 0.491 0.704 0.296 0.000
#> SRR1036029 1 0.5560 0.487 0.700 0.300 0.000
#> SRR1036030 2 0.2564 0.793 0.036 0.936 0.028
#> SRR1036031 2 0.2564 0.793 0.036 0.936 0.028
#> SRR1036032 2 0.2564 0.793 0.036 0.936 0.028
#> SRR1036033 2 0.2564 0.793 0.036 0.936 0.028
#> SRR1036034 2 0.2564 0.793 0.036 0.936 0.028
#> SRR1036035 2 0.2564 0.793 0.036 0.936 0.028
#> SRR1036036 2 0.2564 0.793 0.036 0.936 0.028
#> SRR1036037 2 0.2564 0.793 0.036 0.936 0.028
#> SRR1036038 1 0.7451 0.452 0.564 0.396 0.040
#> SRR1036039 1 0.7451 0.452 0.564 0.396 0.040
#> SRR1036040 1 0.7451 0.452 0.564 0.396 0.040
#> SRR1036041 1 0.6543 0.563 0.640 0.344 0.016
#> SRR1036042 2 0.9070 0.375 0.308 0.528 0.164
#> SRR1036043 2 0.9070 0.375 0.308 0.528 0.164
#> SRR1036044 2 0.9070 0.375 0.308 0.528 0.164
#> SRR1036045 2 0.9070 0.375 0.308 0.528 0.164
#> SRR1036046 2 0.9070 0.375 0.308 0.528 0.164
#> SRR1036047 2 0.9070 0.375 0.308 0.528 0.164
#> SRR1036048 2 0.9070 0.375 0.308 0.528 0.164
#> SRR1036049 2 0.9070 0.375 0.308 0.528 0.164
#> SRR1036050 1 0.6630 0.599 0.672 0.300 0.028
#> SRR1036051 1 0.6630 0.599 0.672 0.300 0.028
#> SRR1036052 1 0.6630 0.599 0.672 0.300 0.028
#> SRR1036053 1 0.6630 0.599 0.672 0.300 0.028
#> SRR1036054 1 0.6630 0.599 0.672 0.300 0.028
#> SRR1036055 2 0.7819 -0.208 0.440 0.508 0.052
#> SRR1036056 2 0.7740 -0.211 0.444 0.508 0.048
#> SRR1036057 2 0.7819 -0.208 0.440 0.508 0.052
#> SRR1036058 1 0.6994 0.377 0.612 0.360 0.028
#> SRR1036059 1 0.6994 0.377 0.612 0.360 0.028
#> SRR1036060 1 0.6994 0.377 0.612 0.360 0.028
#> SRR1036061 1 0.6994 0.377 0.612 0.360 0.028
#> SRR1036062 1 0.6994 0.377 0.612 0.360 0.028
#> SRR1036063 1 0.6994 0.377 0.612 0.360 0.028
#> SRR1036064 1 0.6994 0.377 0.612 0.360 0.028
#> SRR1036065 1 0.6994 0.377 0.612 0.360 0.028
#> SRR1036066 1 0.5574 0.627 0.784 0.184 0.032
#> SRR1036067 1 0.5574 0.627 0.784 0.184 0.032
#> SRR1036068 1 0.5574 0.627 0.784 0.184 0.032
#> SRR1036069 1 0.5574 0.627 0.784 0.184 0.032
#> SRR1036070 1 0.5574 0.627 0.784 0.184 0.032
#> SRR1036071 1 0.5574 0.627 0.784 0.184 0.032
#> SRR1036072 1 0.5574 0.627 0.784 0.184 0.032
#> SRR1036073 1 0.5574 0.627 0.784 0.184 0.032
#> SRR1036074 2 0.3921 0.752 0.112 0.872 0.016
#> SRR1036075 2 0.3921 0.752 0.112 0.872 0.016
#> SRR1036076 2 0.3921 0.752 0.112 0.872 0.016
#> SRR1036077 2 0.3846 0.755 0.108 0.876 0.016
#> SRR1036078 2 0.3846 0.755 0.108 0.876 0.016
#> SRR1036079 2 0.3846 0.755 0.108 0.876 0.016
#> SRR1036080 2 0.3846 0.755 0.108 0.876 0.016
#> SRR1036081 2 0.3846 0.755 0.108 0.876 0.016
#> SRR1036082 2 0.3607 0.756 0.112 0.880 0.008
#> SRR1036083 2 0.3607 0.756 0.112 0.880 0.008
#> SRR1036084 2 0.3607 0.756 0.112 0.880 0.008
#> SRR1036090 2 0.1919 0.821 0.024 0.956 0.020
#> SRR1036091 2 0.1919 0.821 0.024 0.956 0.020
#> SRR1036092 2 0.1919 0.821 0.024 0.956 0.020
#> SRR1036093 2 0.1919 0.821 0.024 0.956 0.020
#> SRR1036094 2 0.1919 0.821 0.024 0.956 0.020
#> SRR1036085 3 0.1015 0.874 0.012 0.008 0.980
#> SRR1036086 3 0.1015 0.874 0.012 0.008 0.980
#> SRR1036087 3 0.1015 0.874 0.012 0.008 0.980
#> SRR1036088 3 0.1015 0.874 0.012 0.008 0.980
#> SRR1036089 3 0.1015 0.874 0.012 0.008 0.980
#> SRR1036095 1 0.5502 0.564 0.744 0.248 0.008
#> SRR1036096 1 0.5656 0.554 0.728 0.264 0.008
#> SRR1036097 1 0.5580 0.559 0.736 0.256 0.008
#> SRR1036098 1 0.5618 0.556 0.732 0.260 0.008
#> SRR1036099 1 0.5502 0.564 0.744 0.248 0.008
#> SRR1036100 2 0.1031 0.819 0.024 0.976 0.000
#> SRR1036101 2 0.1031 0.819 0.024 0.976 0.000
#> SRR1036102 2 0.1031 0.819 0.024 0.976 0.000
#> SRR1036103 2 0.1031 0.819 0.024 0.976 0.000
#> SRR1036104 2 0.1031 0.819 0.024 0.976 0.000
#> SRR1036105 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036106 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036107 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036108 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036109 3 0.0829 0.875 0.012 0.004 0.984
#> SRR1036110 1 0.6129 0.469 0.668 0.324 0.008
#> SRR1036111 1 0.6155 0.463 0.664 0.328 0.008
#> SRR1036112 1 0.6129 0.469 0.668 0.324 0.008
#> SRR1036113 1 0.6129 0.469 0.668 0.324 0.008
#> SRR1036114 1 0.6155 0.463 0.664 0.328 0.008
#> SRR1036115 1 0.6420 0.606 0.688 0.288 0.024
#> SRR1036116 1 0.6420 0.606 0.688 0.288 0.024
#> SRR1036117 1 0.6451 0.604 0.684 0.292 0.024
#> SRR1036118 1 0.6451 0.604 0.684 0.292 0.024
#> SRR1036119 1 0.6451 0.604 0.684 0.292 0.024
#> SRR1036120 1 0.6850 0.507 0.720 0.072 0.208
#> SRR1036121 1 0.6850 0.507 0.720 0.072 0.208
#> SRR1036122 1 0.6850 0.507 0.720 0.072 0.208
#> SRR1036123 1 0.6850 0.507 0.720 0.072 0.208
#> SRR1036124 1 0.6850 0.507 0.720 0.072 0.208
#> SRR1036125 1 0.6937 0.605 0.680 0.272 0.048
#> SRR1036126 1 0.6937 0.605 0.680 0.272 0.048
#> SRR1036127 1 0.6937 0.605 0.680 0.272 0.048
#> SRR1036128 1 0.6937 0.605 0.680 0.272 0.048
#> SRR1036129 1 0.6937 0.605 0.680 0.272 0.048
#> SRR1036130 1 0.6937 0.605 0.680 0.272 0.048
#> SRR1036131 1 0.6937 0.605 0.680 0.272 0.048
#> SRR1036132 1 0.6937 0.605 0.680 0.272 0.048
#> SRR1036133 2 0.1289 0.814 0.000 0.968 0.032
#> SRR1036134 2 0.1289 0.814 0.000 0.968 0.032
#> SRR1036135 2 0.1289 0.814 0.000 0.968 0.032
#> SRR1036136 2 0.1289 0.814 0.000 0.968 0.032
#> SRR1036137 2 0.1289 0.814 0.000 0.968 0.032
#> SRR1036138 2 0.0000 0.819 0.000 1.000 0.000
#> SRR1036139 2 0.0000 0.819 0.000 1.000 0.000
#> SRR1036140 2 0.0000 0.819 0.000 1.000 0.000
#> SRR1036141 2 0.0000 0.819 0.000 1.000 0.000
#> SRR1036142 2 0.0000 0.819 0.000 1.000 0.000
#> SRR1036143 2 0.0000 0.819 0.000 1.000 0.000
#> SRR1036144 2 0.0000 0.819 0.000 1.000 0.000
#> SRR1036145 2 0.0000 0.819 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.9137 0.0119 0.068 0.284 0.360 0.288
#> SRR1036003 3 0.9137 0.0119 0.068 0.284 0.360 0.288
#> SRR1036004 3 0.9137 0.0119 0.068 0.284 0.360 0.288
#> SRR1036005 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036013 4 0.3404 0.6956 0.104 0.032 0.000 0.864
#> SRR1036014 4 0.3404 0.6956 0.104 0.032 0.000 0.864
#> SRR1036015 4 0.3404 0.6956 0.104 0.032 0.000 0.864
#> SRR1036016 4 0.3404 0.6956 0.104 0.032 0.000 0.864
#> SRR1036017 4 0.3404 0.6956 0.104 0.032 0.000 0.864
#> SRR1036018 4 0.3404 0.6956 0.104 0.032 0.000 0.864
#> SRR1036010 1 0.3770 0.8040 0.868 0.028 0.032 0.072
#> SRR1036011 1 0.3770 0.8040 0.868 0.028 0.032 0.072
#> SRR1036012 1 0.3770 0.8040 0.868 0.028 0.032 0.072
#> SRR1036019 2 0.2198 0.8566 0.000 0.920 0.008 0.072
#> SRR1036020 2 0.2198 0.8566 0.000 0.920 0.008 0.072
#> SRR1036021 2 0.2198 0.8566 0.000 0.920 0.008 0.072
#> SRR1036022 2 0.2198 0.8566 0.000 0.920 0.008 0.072
#> SRR1036023 2 0.2198 0.8566 0.000 0.920 0.008 0.072
#> SRR1036024 4 0.5168 0.5708 0.248 0.040 0.000 0.712
#> SRR1036025 4 0.5168 0.5708 0.248 0.040 0.000 0.712
#> SRR1036026 4 0.5168 0.5708 0.248 0.040 0.000 0.712
#> SRR1036027 4 0.5168 0.5708 0.248 0.040 0.000 0.712
#> SRR1036028 4 0.5198 0.5642 0.252 0.040 0.000 0.708
#> SRR1036029 4 0.5168 0.5708 0.248 0.040 0.000 0.712
#> SRR1036030 2 0.1798 0.8445 0.016 0.944 0.040 0.000
#> SRR1036031 2 0.1798 0.8445 0.016 0.944 0.040 0.000
#> SRR1036032 2 0.1798 0.8445 0.016 0.944 0.040 0.000
#> SRR1036033 2 0.1798 0.8445 0.016 0.944 0.040 0.000
#> SRR1036034 2 0.1798 0.8445 0.016 0.944 0.040 0.000
#> SRR1036035 2 0.1798 0.8445 0.016 0.944 0.040 0.000
#> SRR1036036 2 0.1798 0.8445 0.016 0.944 0.040 0.000
#> SRR1036037 2 0.1798 0.8445 0.016 0.944 0.040 0.000
#> SRR1036038 1 0.6217 0.7188 0.736 0.104 0.096 0.064
#> SRR1036039 1 0.6217 0.7188 0.736 0.104 0.096 0.064
#> SRR1036040 1 0.6217 0.7188 0.736 0.104 0.096 0.064
#> SRR1036041 1 0.2594 0.8133 0.920 0.036 0.012 0.032
#> SRR1036042 4 0.8002 0.1032 0.004 0.324 0.276 0.396
#> SRR1036043 4 0.8002 0.1032 0.004 0.324 0.276 0.396
#> SRR1036044 4 0.8002 0.1032 0.004 0.324 0.276 0.396
#> SRR1036045 4 0.8002 0.1032 0.004 0.324 0.276 0.396
#> SRR1036046 4 0.8002 0.1032 0.004 0.324 0.276 0.396
#> SRR1036047 4 0.8002 0.1032 0.004 0.324 0.276 0.396
#> SRR1036048 4 0.8002 0.1032 0.004 0.324 0.276 0.396
#> SRR1036049 4 0.8002 0.1032 0.004 0.324 0.276 0.396
#> SRR1036050 1 0.0992 0.8160 0.976 0.012 0.008 0.004
#> SRR1036051 1 0.0992 0.8160 0.976 0.012 0.008 0.004
#> SRR1036052 1 0.0992 0.8160 0.976 0.012 0.008 0.004
#> SRR1036053 1 0.0992 0.8160 0.976 0.012 0.008 0.004
#> SRR1036054 1 0.0992 0.8160 0.976 0.012 0.008 0.004
#> SRR1036055 1 0.6350 0.5078 0.612 0.296 0.092 0.000
#> SRR1036056 1 0.6350 0.5078 0.612 0.296 0.092 0.000
#> SRR1036057 1 0.6350 0.5078 0.612 0.296 0.092 0.000
#> SRR1036058 4 0.0524 0.6666 0.004 0.008 0.000 0.988
#> SRR1036059 4 0.0524 0.6666 0.004 0.008 0.000 0.988
#> SRR1036060 4 0.0524 0.6666 0.004 0.008 0.000 0.988
#> SRR1036061 4 0.0524 0.6666 0.004 0.008 0.000 0.988
#> SRR1036062 4 0.0524 0.6666 0.004 0.008 0.000 0.988
#> SRR1036063 4 0.0524 0.6666 0.004 0.008 0.000 0.988
#> SRR1036064 4 0.0524 0.6666 0.004 0.008 0.000 0.988
#> SRR1036065 4 0.0524 0.6666 0.004 0.008 0.000 0.988
#> SRR1036066 1 0.4074 0.7293 0.792 0.004 0.008 0.196
#> SRR1036067 1 0.4074 0.7293 0.792 0.004 0.008 0.196
#> SRR1036068 1 0.4074 0.7293 0.792 0.004 0.008 0.196
#> SRR1036069 1 0.4074 0.7293 0.792 0.004 0.008 0.196
#> SRR1036070 1 0.4074 0.7293 0.792 0.004 0.008 0.196
#> SRR1036071 1 0.4074 0.7293 0.792 0.004 0.008 0.196
#> SRR1036072 1 0.4074 0.7293 0.792 0.004 0.008 0.196
#> SRR1036073 1 0.4074 0.7293 0.792 0.004 0.008 0.196
#> SRR1036074 2 0.4720 0.6552 0.000 0.672 0.004 0.324
#> SRR1036075 2 0.4720 0.6552 0.000 0.672 0.004 0.324
#> SRR1036076 2 0.4720 0.6552 0.000 0.672 0.004 0.324
#> SRR1036077 2 0.4720 0.6552 0.000 0.672 0.004 0.324
#> SRR1036078 2 0.4720 0.6552 0.000 0.672 0.004 0.324
#> SRR1036079 2 0.4720 0.6552 0.000 0.672 0.004 0.324
#> SRR1036080 2 0.4720 0.6552 0.000 0.672 0.004 0.324
#> SRR1036081 2 0.4720 0.6552 0.000 0.672 0.004 0.324
#> SRR1036082 2 0.5252 0.6058 0.020 0.644 0.000 0.336
#> SRR1036083 2 0.5252 0.6058 0.020 0.644 0.000 0.336
#> SRR1036084 2 0.5252 0.6058 0.020 0.644 0.000 0.336
#> SRR1036090 2 0.3993 0.8283 0.020 0.848 0.028 0.104
#> SRR1036091 2 0.3993 0.8283 0.020 0.848 0.028 0.104
#> SRR1036092 2 0.3993 0.8283 0.020 0.848 0.028 0.104
#> SRR1036093 2 0.3993 0.8283 0.020 0.848 0.028 0.104
#> SRR1036094 2 0.3993 0.8283 0.020 0.848 0.028 0.104
#> SRR1036085 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036095 4 0.5861 0.2431 0.480 0.032 0.000 0.488
#> SRR1036096 4 0.5861 0.2431 0.480 0.032 0.000 0.488
#> SRR1036097 4 0.5861 0.2431 0.480 0.032 0.000 0.488
#> SRR1036098 4 0.5861 0.2431 0.480 0.032 0.000 0.488
#> SRR1036099 4 0.5861 0.2431 0.480 0.032 0.000 0.488
#> SRR1036100 2 0.2988 0.8394 0.000 0.876 0.012 0.112
#> SRR1036101 2 0.2988 0.8394 0.000 0.876 0.012 0.112
#> SRR1036102 2 0.2988 0.8394 0.000 0.876 0.012 0.112
#> SRR1036103 2 0.2859 0.8398 0.000 0.880 0.008 0.112
#> SRR1036104 2 0.2988 0.8394 0.000 0.876 0.012 0.112
#> SRR1036105 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.8752 0.000 0.000 1.000 0.000
#> SRR1036110 4 0.3342 0.6975 0.100 0.032 0.000 0.868
#> SRR1036111 4 0.3342 0.6975 0.100 0.032 0.000 0.868
#> SRR1036112 4 0.3342 0.6975 0.100 0.032 0.000 0.868
#> SRR1036113 4 0.3342 0.6975 0.100 0.032 0.000 0.868
#> SRR1036114 4 0.3342 0.6975 0.100 0.032 0.000 0.868
#> SRR1036115 1 0.1211 0.8083 0.960 0.000 0.000 0.040
#> SRR1036116 1 0.1211 0.8083 0.960 0.000 0.000 0.040
#> SRR1036117 1 0.1211 0.8083 0.960 0.000 0.000 0.040
#> SRR1036118 1 0.1211 0.8083 0.960 0.000 0.000 0.040
#> SRR1036119 1 0.1211 0.8083 0.960 0.000 0.000 0.040
#> SRR1036120 1 0.7978 0.4936 0.548 0.044 0.248 0.160
#> SRR1036121 1 0.7978 0.4936 0.548 0.044 0.248 0.160
#> SRR1036122 1 0.7978 0.4936 0.548 0.044 0.248 0.160
#> SRR1036123 1 0.7978 0.4936 0.548 0.044 0.248 0.160
#> SRR1036124 1 0.7978 0.4936 0.548 0.044 0.248 0.160
#> SRR1036125 1 0.0844 0.8148 0.980 0.004 0.004 0.012
#> SRR1036126 1 0.0844 0.8148 0.980 0.004 0.004 0.012
#> SRR1036127 1 0.0844 0.8148 0.980 0.004 0.004 0.012
#> SRR1036128 1 0.0844 0.8148 0.980 0.004 0.004 0.012
#> SRR1036129 1 0.0844 0.8148 0.980 0.004 0.004 0.012
#> SRR1036130 1 0.0844 0.8148 0.980 0.004 0.004 0.012
#> SRR1036131 1 0.0844 0.8148 0.980 0.004 0.004 0.012
#> SRR1036132 1 0.0844 0.8148 0.980 0.004 0.004 0.012
#> SRR1036133 2 0.1545 0.8472 0.008 0.952 0.040 0.000
#> SRR1036134 2 0.1545 0.8472 0.008 0.952 0.040 0.000
#> SRR1036135 2 0.1545 0.8472 0.008 0.952 0.040 0.000
#> SRR1036136 2 0.1545 0.8472 0.008 0.952 0.040 0.000
#> SRR1036137 2 0.1545 0.8472 0.008 0.952 0.040 0.000
#> SRR1036138 2 0.1118 0.8582 0.000 0.964 0.000 0.036
#> SRR1036139 2 0.1118 0.8582 0.000 0.964 0.000 0.036
#> SRR1036140 2 0.1118 0.8582 0.000 0.964 0.000 0.036
#> SRR1036141 2 0.1118 0.8582 0.000 0.964 0.000 0.036
#> SRR1036142 2 0.1118 0.8582 0.000 0.964 0.000 0.036
#> SRR1036143 2 0.1118 0.8582 0.000 0.964 0.000 0.036
#> SRR1036144 2 0.1118 0.8582 0.000 0.964 0.000 0.036
#> SRR1036145 2 0.1118 0.8582 0.000 0.964 0.000 0.036
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 5 0.8841 0.6413 0.140 0.248 0.052 0.148 0.412
#> SRR1036003 5 0.8841 0.6413 0.140 0.248 0.052 0.148 0.412
#> SRR1036004 5 0.8841 0.6413 0.140 0.248 0.052 0.148 0.412
#> SRR1036005 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 4 0.3102 0.7117 0.084 0.000 0.000 0.860 0.056
#> SRR1036014 4 0.3102 0.7117 0.084 0.000 0.000 0.860 0.056
#> SRR1036015 4 0.3102 0.7117 0.084 0.000 0.000 0.860 0.056
#> SRR1036016 4 0.3102 0.7117 0.084 0.000 0.000 0.860 0.056
#> SRR1036017 4 0.3102 0.7117 0.084 0.000 0.000 0.860 0.056
#> SRR1036018 4 0.3102 0.7117 0.084 0.000 0.000 0.860 0.056
#> SRR1036010 1 0.3359 0.7822 0.844 0.084 0.000 0.072 0.000
#> SRR1036011 1 0.3359 0.7822 0.844 0.084 0.000 0.072 0.000
#> SRR1036012 1 0.3359 0.7822 0.844 0.084 0.000 0.072 0.000
#> SRR1036019 2 0.1891 0.8025 0.004 0.928 0.004 0.004 0.060
#> SRR1036020 2 0.1891 0.8025 0.004 0.928 0.004 0.004 0.060
#> SRR1036021 2 0.1891 0.8025 0.004 0.928 0.004 0.004 0.060
#> SRR1036022 2 0.1891 0.8025 0.004 0.928 0.004 0.004 0.060
#> SRR1036023 2 0.1891 0.8025 0.004 0.928 0.004 0.004 0.060
#> SRR1036024 4 0.2605 0.7267 0.148 0.000 0.000 0.852 0.000
#> SRR1036025 4 0.2605 0.7267 0.148 0.000 0.000 0.852 0.000
#> SRR1036026 4 0.2605 0.7267 0.148 0.000 0.000 0.852 0.000
#> SRR1036027 4 0.2605 0.7267 0.148 0.000 0.000 0.852 0.000
#> SRR1036028 4 0.2605 0.7267 0.148 0.000 0.000 0.852 0.000
#> SRR1036029 4 0.2605 0.7267 0.148 0.000 0.000 0.852 0.000
#> SRR1036030 2 0.0727 0.8087 0.012 0.980 0.004 0.000 0.004
#> SRR1036031 2 0.0727 0.8087 0.012 0.980 0.004 0.000 0.004
#> SRR1036032 2 0.0727 0.8087 0.012 0.980 0.004 0.000 0.004
#> SRR1036033 2 0.0727 0.8087 0.012 0.980 0.004 0.000 0.004
#> SRR1036034 2 0.0727 0.8087 0.012 0.980 0.004 0.000 0.004
#> SRR1036035 2 0.0727 0.8087 0.012 0.980 0.004 0.000 0.004
#> SRR1036036 2 0.0727 0.8087 0.012 0.980 0.004 0.000 0.004
#> SRR1036037 2 0.0727 0.8087 0.012 0.980 0.004 0.000 0.004
#> SRR1036038 1 0.3876 0.7653 0.812 0.116 0.000 0.068 0.004
#> SRR1036039 1 0.3876 0.7653 0.812 0.116 0.000 0.068 0.004
#> SRR1036040 1 0.3876 0.7653 0.812 0.116 0.000 0.068 0.004
#> SRR1036041 1 0.2236 0.7948 0.908 0.068 0.000 0.024 0.000
#> SRR1036042 5 0.5467 0.8764 0.000 0.104 0.020 0.184 0.692
#> SRR1036043 5 0.5467 0.8764 0.000 0.104 0.020 0.184 0.692
#> SRR1036044 5 0.5467 0.8764 0.000 0.104 0.020 0.184 0.692
#> SRR1036045 5 0.5467 0.8764 0.000 0.104 0.020 0.184 0.692
#> SRR1036046 5 0.5467 0.8764 0.000 0.104 0.020 0.184 0.692
#> SRR1036047 5 0.5467 0.8764 0.000 0.104 0.020 0.184 0.692
#> SRR1036048 5 0.5467 0.8764 0.000 0.104 0.020 0.184 0.692
#> SRR1036049 5 0.5467 0.8764 0.000 0.104 0.020 0.184 0.692
#> SRR1036050 1 0.0794 0.7995 0.972 0.028 0.000 0.000 0.000
#> SRR1036051 1 0.0794 0.7995 0.972 0.028 0.000 0.000 0.000
#> SRR1036052 1 0.0794 0.7995 0.972 0.028 0.000 0.000 0.000
#> SRR1036053 1 0.0794 0.7995 0.972 0.028 0.000 0.000 0.000
#> SRR1036054 1 0.0794 0.7995 0.972 0.028 0.000 0.000 0.000
#> SRR1036055 1 0.4047 0.5362 0.676 0.320 0.000 0.000 0.004
#> SRR1036056 1 0.4047 0.5362 0.676 0.320 0.000 0.000 0.004
#> SRR1036057 1 0.4047 0.5362 0.676 0.320 0.000 0.000 0.004
#> SRR1036058 4 0.3857 0.5631 0.000 0.000 0.000 0.688 0.312
#> SRR1036059 4 0.3857 0.5631 0.000 0.000 0.000 0.688 0.312
#> SRR1036060 4 0.3857 0.5631 0.000 0.000 0.000 0.688 0.312
#> SRR1036061 4 0.3857 0.5631 0.000 0.000 0.000 0.688 0.312
#> SRR1036062 4 0.3857 0.5631 0.000 0.000 0.000 0.688 0.312
#> SRR1036063 4 0.3857 0.5631 0.000 0.000 0.000 0.688 0.312
#> SRR1036064 4 0.3857 0.5631 0.000 0.000 0.000 0.688 0.312
#> SRR1036065 4 0.3857 0.5631 0.000 0.000 0.000 0.688 0.312
#> SRR1036066 1 0.3305 0.7039 0.776 0.000 0.000 0.224 0.000
#> SRR1036067 1 0.3305 0.7039 0.776 0.000 0.000 0.224 0.000
#> SRR1036068 1 0.3305 0.7039 0.776 0.000 0.000 0.224 0.000
#> SRR1036069 1 0.3305 0.7039 0.776 0.000 0.000 0.224 0.000
#> SRR1036070 1 0.3305 0.7039 0.776 0.000 0.000 0.224 0.000
#> SRR1036071 1 0.3305 0.7039 0.776 0.000 0.000 0.224 0.000
#> SRR1036072 1 0.3305 0.7039 0.776 0.000 0.000 0.224 0.000
#> SRR1036073 1 0.3305 0.7039 0.776 0.000 0.000 0.224 0.000
#> SRR1036074 2 0.6321 -0.0714 0.000 0.464 0.000 0.160 0.376
#> SRR1036075 2 0.6321 -0.0714 0.000 0.464 0.000 0.160 0.376
#> SRR1036076 2 0.6321 -0.0714 0.000 0.464 0.000 0.160 0.376
#> SRR1036077 2 0.6321 -0.0714 0.000 0.464 0.000 0.160 0.376
#> SRR1036078 2 0.6321 -0.0714 0.000 0.464 0.000 0.160 0.376
#> SRR1036079 2 0.6321 -0.0714 0.000 0.464 0.000 0.160 0.376
#> SRR1036080 2 0.6321 -0.0714 0.000 0.464 0.000 0.160 0.376
#> SRR1036081 2 0.6321 -0.0714 0.000 0.464 0.000 0.160 0.376
#> SRR1036082 2 0.5912 0.3364 0.004 0.616 0.000 0.196 0.184
#> SRR1036083 2 0.5912 0.3364 0.004 0.616 0.000 0.196 0.184
#> SRR1036084 2 0.5912 0.3364 0.004 0.616 0.000 0.196 0.184
#> SRR1036090 2 0.1914 0.7887 0.008 0.928 0.000 0.056 0.008
#> SRR1036091 2 0.1914 0.7887 0.008 0.928 0.000 0.056 0.008
#> SRR1036092 2 0.1914 0.7887 0.008 0.928 0.000 0.056 0.008
#> SRR1036093 2 0.2026 0.7881 0.008 0.924 0.000 0.056 0.012
#> SRR1036094 2 0.1914 0.7887 0.008 0.928 0.000 0.056 0.008
#> SRR1036085 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 4 0.4307 0.3411 0.496 0.000 0.000 0.504 0.000
#> SRR1036096 4 0.4307 0.3411 0.496 0.000 0.000 0.504 0.000
#> SRR1036097 4 0.4307 0.3411 0.496 0.000 0.000 0.504 0.000
#> SRR1036098 4 0.4307 0.3411 0.496 0.000 0.000 0.504 0.000
#> SRR1036099 4 0.4307 0.3411 0.496 0.000 0.000 0.504 0.000
#> SRR1036100 2 0.1444 0.7997 0.000 0.948 0.000 0.040 0.012
#> SRR1036101 2 0.1444 0.7997 0.000 0.948 0.000 0.040 0.012
#> SRR1036102 2 0.1444 0.7997 0.000 0.948 0.000 0.040 0.012
#> SRR1036103 2 0.1444 0.7997 0.000 0.948 0.000 0.040 0.012
#> SRR1036104 2 0.1444 0.7997 0.000 0.948 0.000 0.040 0.012
#> SRR1036105 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 1.0000 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.3192 0.7239 0.112 0.000 0.000 0.848 0.040
#> SRR1036111 4 0.3192 0.7239 0.112 0.000 0.000 0.848 0.040
#> SRR1036112 4 0.3192 0.7239 0.112 0.000 0.000 0.848 0.040
#> SRR1036113 4 0.3192 0.7239 0.112 0.000 0.000 0.848 0.040
#> SRR1036114 4 0.3192 0.7239 0.112 0.000 0.000 0.848 0.040
#> SRR1036115 1 0.1197 0.7896 0.952 0.000 0.000 0.048 0.000
#> SRR1036116 1 0.1197 0.7896 0.952 0.000 0.000 0.048 0.000
#> SRR1036117 1 0.1197 0.7896 0.952 0.000 0.000 0.048 0.000
#> SRR1036118 1 0.1197 0.7896 0.952 0.000 0.000 0.048 0.000
#> SRR1036119 1 0.1197 0.7896 0.952 0.000 0.000 0.048 0.000
#> SRR1036120 1 0.7512 0.4776 0.528 0.052 0.020 0.172 0.228
#> SRR1036121 1 0.7512 0.4776 0.528 0.052 0.020 0.172 0.228
#> SRR1036122 1 0.7512 0.4776 0.528 0.052 0.020 0.172 0.228
#> SRR1036123 1 0.7512 0.4776 0.528 0.052 0.020 0.172 0.228
#> SRR1036124 1 0.7512 0.4776 0.528 0.052 0.020 0.172 0.228
#> SRR1036125 1 0.0290 0.8009 0.992 0.000 0.000 0.008 0.000
#> SRR1036126 1 0.0290 0.8009 0.992 0.000 0.000 0.008 0.000
#> SRR1036127 1 0.0290 0.8009 0.992 0.000 0.000 0.008 0.000
#> SRR1036128 1 0.0290 0.8009 0.992 0.000 0.000 0.008 0.000
#> SRR1036129 1 0.0290 0.8009 0.992 0.000 0.000 0.008 0.000
#> SRR1036130 1 0.0290 0.8009 0.992 0.000 0.000 0.008 0.000
#> SRR1036131 1 0.0290 0.8009 0.992 0.000 0.000 0.008 0.000
#> SRR1036132 1 0.0290 0.8009 0.992 0.000 0.000 0.008 0.000
#> SRR1036133 2 0.0451 0.8101 0.008 0.988 0.000 0.000 0.004
#> SRR1036134 2 0.0451 0.8101 0.008 0.988 0.000 0.000 0.004
#> SRR1036135 2 0.0451 0.8101 0.008 0.988 0.000 0.000 0.004
#> SRR1036136 2 0.0451 0.8101 0.008 0.988 0.000 0.000 0.004
#> SRR1036137 2 0.0451 0.8101 0.008 0.988 0.000 0.000 0.004
#> SRR1036138 2 0.1124 0.8044 0.004 0.960 0.000 0.000 0.036
#> SRR1036139 2 0.1124 0.8044 0.004 0.960 0.000 0.000 0.036
#> SRR1036140 2 0.1124 0.8044 0.004 0.960 0.000 0.000 0.036
#> SRR1036141 2 0.1124 0.8044 0.004 0.960 0.000 0.000 0.036
#> SRR1036142 2 0.1124 0.8044 0.004 0.960 0.000 0.000 0.036
#> SRR1036143 2 0.1124 0.8044 0.004 0.960 0.000 0.000 0.036
#> SRR1036144 2 0.1124 0.8044 0.004 0.960 0.000 0.000 0.036
#> SRR1036145 2 0.1124 0.8044 0.004 0.960 0.000 0.000 0.036
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.6582 0.669 0.100 0.152 0.068 0.056 0.004 0.620
#> SRR1036003 6 0.6582 0.669 0.100 0.152 0.068 0.056 0.004 0.620
#> SRR1036004 6 0.6582 0.669 0.100 0.152 0.068 0.056 0.004 0.620
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 4 0.1364 0.745 0.004 0.000 0.000 0.944 0.004 0.048
#> SRR1036014 4 0.1477 0.744 0.004 0.000 0.000 0.940 0.008 0.048
#> SRR1036015 4 0.1477 0.744 0.004 0.000 0.000 0.940 0.008 0.048
#> SRR1036016 4 0.1477 0.744 0.004 0.000 0.000 0.940 0.008 0.048
#> SRR1036017 4 0.1477 0.744 0.004 0.000 0.000 0.940 0.008 0.048
#> SRR1036018 4 0.1477 0.744 0.004 0.000 0.000 0.940 0.008 0.048
#> SRR1036010 1 0.2398 0.765 0.888 0.080 0.000 0.028 0.004 0.000
#> SRR1036011 1 0.2398 0.765 0.888 0.080 0.000 0.028 0.004 0.000
#> SRR1036012 1 0.2398 0.765 0.888 0.080 0.000 0.028 0.004 0.000
#> SRR1036019 2 0.4353 0.708 0.008 0.752 0.000 0.008 0.152 0.080
#> SRR1036020 2 0.4353 0.708 0.008 0.752 0.000 0.008 0.152 0.080
#> SRR1036021 2 0.4353 0.708 0.008 0.752 0.000 0.008 0.152 0.080
#> SRR1036022 2 0.4353 0.708 0.008 0.752 0.000 0.008 0.152 0.080
#> SRR1036023 2 0.4353 0.708 0.008 0.752 0.000 0.008 0.152 0.080
#> SRR1036024 4 0.0508 0.737 0.012 0.000 0.000 0.984 0.004 0.000
#> SRR1036025 4 0.0508 0.737 0.012 0.000 0.000 0.984 0.004 0.000
#> SRR1036026 4 0.0508 0.737 0.012 0.000 0.000 0.984 0.004 0.000
#> SRR1036027 4 0.0508 0.737 0.012 0.000 0.000 0.984 0.004 0.000
#> SRR1036028 4 0.0508 0.737 0.012 0.000 0.000 0.984 0.004 0.000
#> SRR1036029 4 0.0508 0.737 0.012 0.000 0.000 0.984 0.004 0.000
#> SRR1036030 2 0.1616 0.757 0.020 0.940 0.000 0.000 0.028 0.012
#> SRR1036031 2 0.1616 0.757 0.020 0.940 0.000 0.000 0.028 0.012
#> SRR1036032 2 0.1616 0.757 0.020 0.940 0.000 0.000 0.028 0.012
#> SRR1036033 2 0.1616 0.757 0.020 0.940 0.000 0.000 0.028 0.012
#> SRR1036034 2 0.1616 0.757 0.020 0.940 0.000 0.000 0.028 0.012
#> SRR1036035 2 0.1616 0.757 0.020 0.940 0.000 0.000 0.028 0.012
#> SRR1036036 2 0.1616 0.757 0.020 0.940 0.000 0.000 0.028 0.012
#> SRR1036037 2 0.1616 0.757 0.020 0.940 0.000 0.000 0.028 0.012
#> SRR1036038 1 0.3025 0.736 0.840 0.132 0.004 0.012 0.012 0.000
#> SRR1036039 1 0.3025 0.736 0.840 0.132 0.004 0.012 0.012 0.000
#> SRR1036040 1 0.3025 0.736 0.840 0.132 0.004 0.012 0.012 0.000
#> SRR1036041 1 0.1858 0.775 0.924 0.052 0.000 0.012 0.012 0.000
#> SRR1036042 6 0.2110 0.883 0.000 0.012 0.004 0.084 0.000 0.900
#> SRR1036043 6 0.2110 0.883 0.000 0.012 0.004 0.084 0.000 0.900
#> SRR1036044 6 0.2110 0.883 0.000 0.012 0.004 0.084 0.000 0.900
#> SRR1036045 6 0.2110 0.883 0.000 0.012 0.004 0.084 0.000 0.900
#> SRR1036046 6 0.2110 0.883 0.000 0.012 0.004 0.084 0.000 0.900
#> SRR1036047 6 0.2110 0.883 0.000 0.012 0.004 0.084 0.000 0.900
#> SRR1036048 6 0.2110 0.883 0.000 0.012 0.004 0.084 0.000 0.900
#> SRR1036049 6 0.2110 0.883 0.000 0.012 0.004 0.084 0.000 0.900
#> SRR1036050 1 0.1275 0.778 0.956 0.012 0.000 0.016 0.016 0.000
#> SRR1036051 1 0.1275 0.778 0.956 0.012 0.000 0.016 0.016 0.000
#> SRR1036052 1 0.1275 0.778 0.956 0.012 0.000 0.016 0.016 0.000
#> SRR1036053 1 0.1275 0.778 0.956 0.012 0.000 0.016 0.016 0.000
#> SRR1036054 1 0.1275 0.778 0.956 0.012 0.000 0.016 0.016 0.000
#> SRR1036055 1 0.4247 0.638 0.732 0.220 0.008 0.008 0.028 0.004
#> SRR1036056 1 0.4247 0.638 0.732 0.220 0.008 0.008 0.028 0.004
#> SRR1036057 1 0.4247 0.638 0.732 0.220 0.008 0.008 0.028 0.004
#> SRR1036058 5 0.3592 1.000 0.000 0.000 0.000 0.344 0.656 0.000
#> SRR1036059 5 0.3592 1.000 0.000 0.000 0.000 0.344 0.656 0.000
#> SRR1036060 5 0.3592 1.000 0.000 0.000 0.000 0.344 0.656 0.000
#> SRR1036061 5 0.3592 1.000 0.000 0.000 0.000 0.344 0.656 0.000
#> SRR1036062 5 0.3592 1.000 0.000 0.000 0.000 0.344 0.656 0.000
#> SRR1036063 5 0.3592 1.000 0.000 0.000 0.000 0.344 0.656 0.000
#> SRR1036064 5 0.3592 1.000 0.000 0.000 0.000 0.344 0.656 0.000
#> SRR1036065 5 0.3592 1.000 0.000 0.000 0.000 0.344 0.656 0.000
#> SRR1036066 1 0.5289 0.634 0.644 0.000 0.000 0.240 0.036 0.080
#> SRR1036067 1 0.5289 0.634 0.644 0.000 0.000 0.240 0.036 0.080
#> SRR1036068 1 0.5289 0.634 0.644 0.000 0.000 0.240 0.036 0.080
#> SRR1036069 1 0.5289 0.634 0.644 0.000 0.000 0.240 0.036 0.080
#> SRR1036070 1 0.5289 0.634 0.644 0.000 0.000 0.240 0.036 0.080
#> SRR1036071 1 0.5289 0.634 0.644 0.000 0.000 0.240 0.036 0.080
#> SRR1036072 1 0.5289 0.634 0.644 0.000 0.000 0.240 0.036 0.080
#> SRR1036073 1 0.5289 0.634 0.644 0.000 0.000 0.240 0.036 0.080
#> SRR1036074 2 0.6381 0.155 0.000 0.432 0.000 0.172 0.032 0.364
#> SRR1036075 2 0.6381 0.155 0.000 0.432 0.000 0.172 0.032 0.364
#> SRR1036076 2 0.6434 0.159 0.000 0.432 0.000 0.172 0.036 0.360
#> SRR1036077 2 0.6434 0.159 0.000 0.432 0.000 0.172 0.036 0.360
#> SRR1036078 2 0.6434 0.159 0.000 0.432 0.000 0.172 0.036 0.360
#> SRR1036079 2 0.6434 0.159 0.000 0.432 0.000 0.172 0.036 0.360
#> SRR1036080 2 0.6434 0.159 0.000 0.432 0.000 0.172 0.036 0.360
#> SRR1036081 2 0.6381 0.155 0.000 0.432 0.000 0.172 0.032 0.364
#> SRR1036082 2 0.5480 0.464 0.000 0.624 0.000 0.208 0.020 0.148
#> SRR1036083 2 0.5480 0.464 0.000 0.624 0.000 0.208 0.020 0.148
#> SRR1036084 2 0.5480 0.464 0.000 0.624 0.000 0.208 0.020 0.148
#> SRR1036090 2 0.1937 0.764 0.040 0.928 0.004 0.004 0.008 0.016
#> SRR1036091 2 0.1937 0.764 0.040 0.928 0.004 0.004 0.008 0.016
#> SRR1036092 2 0.1937 0.764 0.040 0.928 0.004 0.004 0.008 0.016
#> SRR1036093 2 0.2025 0.763 0.040 0.924 0.004 0.004 0.008 0.020
#> SRR1036094 2 0.1937 0.764 0.040 0.928 0.004 0.004 0.008 0.016
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 4 0.5891 0.262 0.348 0.000 0.000 0.524 0.052 0.076
#> SRR1036096 4 0.5891 0.262 0.348 0.000 0.000 0.524 0.052 0.076
#> SRR1036097 4 0.5891 0.262 0.348 0.000 0.000 0.524 0.052 0.076
#> SRR1036098 4 0.5891 0.262 0.348 0.000 0.000 0.524 0.052 0.076
#> SRR1036099 4 0.5891 0.262 0.348 0.000 0.000 0.524 0.052 0.076
#> SRR1036100 2 0.1986 0.764 0.008 0.932 0.016 0.012 0.016 0.016
#> SRR1036101 2 0.1986 0.764 0.008 0.932 0.016 0.012 0.016 0.016
#> SRR1036102 2 0.1986 0.764 0.008 0.932 0.016 0.012 0.016 0.016
#> SRR1036103 2 0.1986 0.764 0.008 0.932 0.016 0.012 0.016 0.016
#> SRR1036104 2 0.1986 0.764 0.008 0.932 0.016 0.012 0.016 0.016
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 4 0.1370 0.745 0.000 0.004 0.000 0.948 0.012 0.036
#> SRR1036111 4 0.1370 0.745 0.000 0.004 0.000 0.948 0.012 0.036
#> SRR1036112 4 0.1370 0.745 0.000 0.004 0.000 0.948 0.012 0.036
#> SRR1036113 4 0.1370 0.745 0.000 0.004 0.000 0.948 0.012 0.036
#> SRR1036114 4 0.1370 0.745 0.000 0.004 0.000 0.948 0.012 0.036
#> SRR1036115 1 0.3743 0.741 0.788 0.000 0.000 0.072 0.136 0.004
#> SRR1036116 1 0.3743 0.741 0.788 0.000 0.000 0.072 0.136 0.004
#> SRR1036117 1 0.3743 0.741 0.788 0.000 0.000 0.072 0.136 0.004
#> SRR1036118 1 0.3743 0.741 0.788 0.000 0.000 0.072 0.136 0.004
#> SRR1036119 1 0.3743 0.741 0.788 0.000 0.000 0.072 0.136 0.004
#> SRR1036120 1 0.7025 0.509 0.508 0.040 0.000 0.200 0.044 0.208
#> SRR1036121 1 0.7025 0.509 0.508 0.040 0.000 0.200 0.044 0.208
#> SRR1036122 1 0.7025 0.509 0.508 0.040 0.000 0.200 0.044 0.208
#> SRR1036123 1 0.7025 0.509 0.508 0.040 0.000 0.200 0.044 0.208
#> SRR1036124 1 0.7025 0.509 0.508 0.040 0.000 0.200 0.044 0.208
#> SRR1036125 1 0.2146 0.766 0.880 0.000 0.000 0.004 0.116 0.000
#> SRR1036126 1 0.2146 0.766 0.880 0.000 0.000 0.004 0.116 0.000
#> SRR1036127 1 0.2146 0.766 0.880 0.000 0.000 0.004 0.116 0.000
#> SRR1036128 1 0.2146 0.766 0.880 0.000 0.000 0.004 0.116 0.000
#> SRR1036129 1 0.2146 0.766 0.880 0.000 0.000 0.004 0.116 0.000
#> SRR1036130 1 0.2146 0.766 0.880 0.000 0.000 0.004 0.116 0.000
#> SRR1036131 1 0.2146 0.766 0.880 0.000 0.000 0.004 0.116 0.000
#> SRR1036132 1 0.2146 0.766 0.880 0.000 0.000 0.004 0.116 0.000
#> SRR1036133 2 0.0603 0.766 0.016 0.980 0.000 0.000 0.000 0.004
#> SRR1036134 2 0.0603 0.766 0.016 0.980 0.000 0.000 0.000 0.004
#> SRR1036135 2 0.0603 0.766 0.016 0.980 0.000 0.000 0.000 0.004
#> SRR1036136 2 0.0603 0.766 0.016 0.980 0.000 0.000 0.000 0.004
#> SRR1036137 2 0.0603 0.766 0.016 0.980 0.000 0.000 0.000 0.004
#> SRR1036138 2 0.3852 0.697 0.000 0.760 0.000 0.000 0.176 0.064
#> SRR1036139 2 0.3852 0.697 0.000 0.760 0.000 0.000 0.176 0.064
#> SRR1036140 2 0.3852 0.697 0.000 0.760 0.000 0.000 0.176 0.064
#> SRR1036141 2 0.3852 0.697 0.000 0.760 0.000 0.000 0.176 0.064
#> SRR1036142 2 0.3852 0.697 0.000 0.760 0.000 0.000 0.176 0.064
#> SRR1036143 2 0.3852 0.697 0.000 0.760 0.000 0.000 0.176 0.064
#> SRR1036144 2 0.3852 0.697 0.000 0.760 0.000 0.000 0.176 0.064
#> SRR1036145 2 0.3852 0.697 0.000 0.760 0.000 0.000 0.176 0.064
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["MAD", "NMF"]
# you can also extract it by
# res = res_list["MAD:NMF"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'MAD' method.
#> Subgroups are detected by 'NMF' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 3.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.471 0.698 0.868 0.4388 0.557 0.557
#> 3 3 0.764 0.836 0.921 0.4218 0.628 0.433
#> 4 4 0.815 0.797 0.905 0.1723 0.772 0.479
#> 5 5 0.756 0.700 0.841 0.0771 0.862 0.546
#> 6 6 0.751 0.693 0.780 0.0424 0.911 0.622
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 3
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.0000 0.874044 1.000 0.000
#> SRR1036003 1 0.0000 0.874044 1.000 0.000
#> SRR1036004 1 0.0000 0.874044 1.000 0.000
#> SRR1036005 1 0.0000 0.874044 1.000 0.000
#> SRR1036006 1 0.0000 0.874044 1.000 0.000
#> SRR1036007 1 0.0000 0.874044 1.000 0.000
#> SRR1036008 1 0.0000 0.874044 1.000 0.000
#> SRR1036009 1 0.0000 0.874044 1.000 0.000
#> SRR1036013 1 0.1414 0.861420 0.980 0.020
#> SRR1036014 1 0.1633 0.858033 0.976 0.024
#> SRR1036015 1 0.1414 0.861420 0.980 0.020
#> SRR1036016 1 0.1414 0.861420 0.980 0.020
#> SRR1036017 1 0.1633 0.858033 0.976 0.024
#> SRR1036018 1 0.1414 0.861420 0.980 0.020
#> SRR1036010 2 0.0000 0.806479 0.000 1.000
#> SRR1036011 2 0.0000 0.806479 0.000 1.000
#> SRR1036012 2 0.0000 0.806479 0.000 1.000
#> SRR1036019 1 0.9909 0.000162 0.556 0.444
#> SRR1036020 1 0.9909 0.000162 0.556 0.444
#> SRR1036021 1 0.9896 0.017958 0.560 0.440
#> SRR1036022 1 0.9896 0.017958 0.560 0.440
#> SRR1036023 1 0.9909 0.000162 0.556 0.444
#> SRR1036024 2 0.8327 0.669466 0.264 0.736
#> SRR1036025 2 0.8267 0.672834 0.260 0.740
#> SRR1036026 2 0.8144 0.679290 0.252 0.748
#> SRR1036027 2 0.8144 0.679290 0.252 0.748
#> SRR1036028 2 0.8144 0.679290 0.252 0.748
#> SRR1036029 2 0.8327 0.669466 0.264 0.736
#> SRR1036030 2 0.0000 0.806479 0.000 1.000
#> SRR1036031 2 0.0000 0.806479 0.000 1.000
#> SRR1036032 2 0.0000 0.806479 0.000 1.000
#> SRR1036033 2 0.0000 0.806479 0.000 1.000
#> SRR1036034 2 0.0000 0.806479 0.000 1.000
#> SRR1036035 2 0.0000 0.806479 0.000 1.000
#> SRR1036036 2 0.0000 0.806479 0.000 1.000
#> SRR1036037 2 0.0000 0.806479 0.000 1.000
#> SRR1036038 2 0.0000 0.806479 0.000 1.000
#> SRR1036039 2 0.0000 0.806479 0.000 1.000
#> SRR1036040 2 0.0000 0.806479 0.000 1.000
#> SRR1036041 2 0.0000 0.806479 0.000 1.000
#> SRR1036042 1 0.0000 0.874044 1.000 0.000
#> SRR1036043 1 0.0000 0.874044 1.000 0.000
#> SRR1036044 1 0.0000 0.874044 1.000 0.000
#> SRR1036045 1 0.0000 0.874044 1.000 0.000
#> SRR1036046 1 0.0000 0.874044 1.000 0.000
#> SRR1036047 1 0.0000 0.874044 1.000 0.000
#> SRR1036048 1 0.0000 0.874044 1.000 0.000
#> SRR1036049 1 0.0000 0.874044 1.000 0.000
#> SRR1036050 2 0.0000 0.806479 0.000 1.000
#> SRR1036051 2 0.0000 0.806479 0.000 1.000
#> SRR1036052 2 0.0000 0.806479 0.000 1.000
#> SRR1036053 2 0.0000 0.806479 0.000 1.000
#> SRR1036054 2 0.0000 0.806479 0.000 1.000
#> SRR1036055 2 0.0000 0.806479 0.000 1.000
#> SRR1036056 2 0.0000 0.806479 0.000 1.000
#> SRR1036057 2 0.0000 0.806479 0.000 1.000
#> SRR1036058 2 0.8861 0.631659 0.304 0.696
#> SRR1036059 2 0.8861 0.631659 0.304 0.696
#> SRR1036060 2 0.8861 0.631659 0.304 0.696
#> SRR1036061 2 0.8861 0.631659 0.304 0.696
#> SRR1036062 2 0.8861 0.631659 0.304 0.696
#> SRR1036063 2 0.8861 0.631659 0.304 0.696
#> SRR1036064 2 0.8861 0.631659 0.304 0.696
#> SRR1036065 2 0.8861 0.631659 0.304 0.696
#> SRR1036066 2 0.0000 0.806479 0.000 1.000
#> SRR1036067 2 0.0000 0.806479 0.000 1.000
#> SRR1036068 2 0.0000 0.806479 0.000 1.000
#> SRR1036069 2 0.0000 0.806479 0.000 1.000
#> SRR1036070 2 0.0000 0.806479 0.000 1.000
#> SRR1036071 2 0.0000 0.806479 0.000 1.000
#> SRR1036072 2 0.0000 0.806479 0.000 1.000
#> SRR1036073 2 0.0000 0.806479 0.000 1.000
#> SRR1036074 2 0.9732 0.482776 0.404 0.596
#> SRR1036075 2 0.9754 0.474103 0.408 0.592
#> SRR1036076 2 0.9732 0.482776 0.404 0.596
#> SRR1036077 2 0.9732 0.482776 0.404 0.596
#> SRR1036078 2 0.9732 0.482776 0.404 0.596
#> SRR1036079 2 0.9732 0.482776 0.404 0.596
#> SRR1036080 2 0.9732 0.482776 0.404 0.596
#> SRR1036081 2 0.9732 0.482776 0.404 0.596
#> SRR1036082 2 0.9491 0.546605 0.368 0.632
#> SRR1036083 2 0.9491 0.546605 0.368 0.632
#> SRR1036084 2 0.9491 0.546605 0.368 0.632
#> SRR1036090 2 0.9580 0.527165 0.380 0.620
#> SRR1036091 2 0.9608 0.520089 0.384 0.616
#> SRR1036092 2 0.9580 0.527165 0.380 0.620
#> SRR1036093 2 0.9580 0.527165 0.380 0.620
#> SRR1036094 2 0.9522 0.540263 0.372 0.628
#> SRR1036085 1 0.0000 0.874044 1.000 0.000
#> SRR1036086 1 0.0000 0.874044 1.000 0.000
#> SRR1036087 1 0.0000 0.874044 1.000 0.000
#> SRR1036088 1 0.0000 0.874044 1.000 0.000
#> SRR1036089 1 0.0000 0.874044 1.000 0.000
#> SRR1036095 2 0.0000 0.806479 0.000 1.000
#> SRR1036096 2 0.0000 0.806479 0.000 1.000
#> SRR1036097 2 0.0000 0.806479 0.000 1.000
#> SRR1036098 2 0.0000 0.806479 0.000 1.000
#> SRR1036099 2 0.0000 0.806479 0.000 1.000
#> SRR1036100 2 0.6247 0.741810 0.156 0.844
#> SRR1036101 2 0.6438 0.737254 0.164 0.836
#> SRR1036102 2 0.6148 0.743998 0.152 0.848
#> SRR1036103 2 0.6148 0.743945 0.152 0.848
#> SRR1036104 2 0.4815 0.766628 0.104 0.896
#> SRR1036105 1 0.0000 0.874044 1.000 0.000
#> SRR1036106 1 0.0000 0.874044 1.000 0.000
#> SRR1036107 1 0.0000 0.874044 1.000 0.000
#> SRR1036108 1 0.0000 0.874044 1.000 0.000
#> SRR1036109 1 0.0000 0.874044 1.000 0.000
#> SRR1036110 1 0.9580 0.240564 0.620 0.380
#> SRR1036111 1 0.9580 0.240564 0.620 0.380
#> SRR1036112 1 0.9580 0.240564 0.620 0.380
#> SRR1036113 1 0.9580 0.240564 0.620 0.380
#> SRR1036114 1 0.9580 0.240564 0.620 0.380
#> SRR1036115 2 0.0000 0.806479 0.000 1.000
#> SRR1036116 2 0.0000 0.806479 0.000 1.000
#> SRR1036117 2 0.0000 0.806479 0.000 1.000
#> SRR1036118 2 0.0000 0.806479 0.000 1.000
#> SRR1036119 2 0.0000 0.806479 0.000 1.000
#> SRR1036120 1 0.0000 0.874044 1.000 0.000
#> SRR1036121 1 0.0000 0.874044 1.000 0.000
#> SRR1036122 1 0.0000 0.874044 1.000 0.000
#> SRR1036123 1 0.0000 0.874044 1.000 0.000
#> SRR1036124 1 0.0000 0.874044 1.000 0.000
#> SRR1036125 2 0.0672 0.802176 0.008 0.992
#> SRR1036126 2 0.0672 0.802176 0.008 0.992
#> SRR1036127 2 0.0672 0.802176 0.008 0.992
#> SRR1036128 2 0.0672 0.802176 0.008 0.992
#> SRR1036129 2 0.0672 0.802176 0.008 0.992
#> SRR1036130 2 0.0672 0.802176 0.008 0.992
#> SRR1036131 2 0.0672 0.802176 0.008 0.992
#> SRR1036132 2 0.0672 0.802176 0.008 0.992
#> SRR1036133 2 0.0000 0.806479 0.000 1.000
#> SRR1036134 2 0.0000 0.806479 0.000 1.000
#> SRR1036135 2 0.0000 0.806479 0.000 1.000
#> SRR1036136 2 0.0000 0.806479 0.000 1.000
#> SRR1036137 2 0.0000 0.806479 0.000 1.000
#> SRR1036138 2 0.9977 0.309618 0.472 0.528
#> SRR1036139 2 0.9977 0.309618 0.472 0.528
#> SRR1036140 2 0.9977 0.309618 0.472 0.528
#> SRR1036141 2 0.9977 0.309618 0.472 0.528
#> SRR1036142 2 0.9977 0.309618 0.472 0.528
#> SRR1036143 2 0.9977 0.309618 0.472 0.528
#> SRR1036144 2 0.9977 0.309618 0.472 0.528
#> SRR1036145 2 0.9977 0.309618 0.472 0.528
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.1411 0.900 0.000 0.036 0.964
#> SRR1036003 3 0.1289 0.903 0.000 0.032 0.968
#> SRR1036004 3 0.1289 0.903 0.000 0.032 0.968
#> SRR1036005 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036006 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036007 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036008 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036009 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036013 3 0.7495 0.607 0.084 0.248 0.668
#> SRR1036014 3 0.7677 0.591 0.092 0.252 0.656
#> SRR1036015 3 0.7605 0.596 0.088 0.252 0.660
#> SRR1036016 3 0.7421 0.620 0.084 0.240 0.676
#> SRR1036017 3 0.7530 0.600 0.084 0.252 0.664
#> SRR1036018 3 0.7458 0.614 0.084 0.244 0.672
#> SRR1036010 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036011 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036012 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036019 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036020 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036021 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036022 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036023 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036024 2 0.6309 0.267 0.496 0.504 0.000
#> SRR1036025 2 0.6295 0.332 0.472 0.528 0.000
#> SRR1036026 2 0.6309 0.267 0.496 0.504 0.000
#> SRR1036027 2 0.6309 0.267 0.496 0.504 0.000
#> SRR1036028 2 0.6309 0.267 0.496 0.504 0.000
#> SRR1036029 2 0.6308 0.279 0.492 0.508 0.000
#> SRR1036030 2 0.2537 0.809 0.080 0.920 0.000
#> SRR1036031 2 0.2711 0.805 0.088 0.912 0.000
#> SRR1036032 2 0.2711 0.805 0.088 0.912 0.000
#> SRR1036033 2 0.2625 0.808 0.084 0.916 0.000
#> SRR1036034 2 0.2711 0.805 0.088 0.912 0.000
#> SRR1036035 2 0.2711 0.805 0.088 0.912 0.000
#> SRR1036036 2 0.2625 0.807 0.084 0.916 0.000
#> SRR1036037 2 0.2711 0.805 0.088 0.912 0.000
#> SRR1036038 1 0.0237 0.994 0.996 0.004 0.000
#> SRR1036039 1 0.0237 0.994 0.996 0.004 0.000
#> SRR1036040 1 0.0237 0.994 0.996 0.004 0.000
#> SRR1036041 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036042 2 0.0237 0.850 0.000 0.996 0.004
#> SRR1036043 2 0.0237 0.850 0.000 0.996 0.004
#> SRR1036044 2 0.0237 0.850 0.000 0.996 0.004
#> SRR1036045 2 0.0237 0.850 0.000 0.996 0.004
#> SRR1036046 2 0.0237 0.850 0.000 0.996 0.004
#> SRR1036047 2 0.0237 0.850 0.000 0.996 0.004
#> SRR1036048 2 0.0237 0.850 0.000 0.996 0.004
#> SRR1036049 2 0.0237 0.850 0.000 0.996 0.004
#> SRR1036050 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036051 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036052 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036053 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036054 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036055 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036056 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036057 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036058 2 0.6154 0.476 0.408 0.592 0.000
#> SRR1036059 2 0.6154 0.476 0.408 0.592 0.000
#> SRR1036060 2 0.6140 0.482 0.404 0.596 0.000
#> SRR1036061 2 0.6140 0.482 0.404 0.596 0.000
#> SRR1036062 2 0.6140 0.482 0.404 0.596 0.000
#> SRR1036063 2 0.6140 0.482 0.404 0.596 0.000
#> SRR1036064 2 0.6140 0.482 0.404 0.596 0.000
#> SRR1036065 2 0.6154 0.476 0.408 0.592 0.000
#> SRR1036066 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036067 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036068 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036069 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036070 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036071 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036072 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036073 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036074 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036075 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036076 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036077 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036078 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036079 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036080 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036081 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036082 2 0.4452 0.743 0.192 0.808 0.000
#> SRR1036083 2 0.4399 0.746 0.188 0.812 0.000
#> SRR1036084 2 0.4452 0.743 0.192 0.808 0.000
#> SRR1036090 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036091 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036092 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036093 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036094 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036085 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036086 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036087 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036088 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036089 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036095 1 0.0424 0.991 0.992 0.008 0.000
#> SRR1036096 1 0.0424 0.991 0.992 0.008 0.000
#> SRR1036097 1 0.0424 0.991 0.992 0.008 0.000
#> SRR1036098 1 0.0424 0.991 0.992 0.008 0.000
#> SRR1036099 1 0.0424 0.991 0.992 0.008 0.000
#> SRR1036100 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036101 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036102 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036103 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036104 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036105 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036106 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036107 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036108 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036109 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036110 2 0.7824 0.624 0.212 0.664 0.124
#> SRR1036111 2 0.7824 0.624 0.212 0.664 0.124
#> SRR1036112 2 0.7824 0.624 0.212 0.664 0.124
#> SRR1036113 2 0.7824 0.624 0.212 0.664 0.124
#> SRR1036114 2 0.7824 0.624 0.212 0.664 0.124
#> SRR1036115 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036116 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036117 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036118 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036119 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036120 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036121 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036122 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036123 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036124 3 0.0000 0.919 0.000 0.000 1.000
#> SRR1036125 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036126 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036127 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036128 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036129 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036130 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036131 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036132 1 0.0000 0.998 1.000 0.000 0.000
#> SRR1036133 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036134 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036135 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036136 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036137 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036138 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036139 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036140 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036141 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036142 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036143 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036144 2 0.0000 0.852 0.000 1.000 0.000
#> SRR1036145 2 0.0000 0.852 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.0817 0.8641 0.000 0.000 0.976 0.024
#> SRR1036003 3 0.0817 0.8641 0.000 0.000 0.976 0.024
#> SRR1036004 3 0.0921 0.8615 0.000 0.000 0.972 0.028
#> SRR1036005 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036013 4 0.1398 0.7537 0.000 0.004 0.040 0.956
#> SRR1036014 4 0.1396 0.7571 0.004 0.004 0.032 0.960
#> SRR1036015 4 0.1398 0.7537 0.000 0.004 0.040 0.956
#> SRR1036016 4 0.1398 0.7537 0.000 0.004 0.040 0.956
#> SRR1036017 4 0.1305 0.7555 0.000 0.004 0.036 0.960
#> SRR1036018 4 0.1305 0.7555 0.000 0.004 0.036 0.960
#> SRR1036010 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036011 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036012 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036019 2 0.0336 0.9840 0.000 0.992 0.000 0.008
#> SRR1036020 2 0.0336 0.9840 0.000 0.992 0.000 0.008
#> SRR1036021 2 0.0336 0.9840 0.000 0.992 0.000 0.008
#> SRR1036022 2 0.0336 0.9840 0.000 0.992 0.000 0.008
#> SRR1036023 2 0.0336 0.9840 0.000 0.992 0.000 0.008
#> SRR1036024 4 0.1978 0.7429 0.068 0.004 0.000 0.928
#> SRR1036025 4 0.2124 0.7438 0.068 0.008 0.000 0.924
#> SRR1036026 4 0.1867 0.7403 0.072 0.000 0.000 0.928
#> SRR1036027 4 0.1978 0.7430 0.068 0.004 0.000 0.928
#> SRR1036028 4 0.2053 0.7405 0.072 0.004 0.000 0.924
#> SRR1036029 4 0.1792 0.7425 0.068 0.000 0.000 0.932
#> SRR1036030 2 0.1022 0.9693 0.032 0.968 0.000 0.000
#> SRR1036031 2 0.1118 0.9658 0.036 0.964 0.000 0.000
#> SRR1036032 2 0.1022 0.9693 0.032 0.968 0.000 0.000
#> SRR1036033 2 0.1022 0.9693 0.032 0.968 0.000 0.000
#> SRR1036034 2 0.1118 0.9658 0.036 0.964 0.000 0.000
#> SRR1036035 2 0.1022 0.9693 0.032 0.968 0.000 0.000
#> SRR1036036 2 0.1022 0.9693 0.032 0.968 0.000 0.000
#> SRR1036037 2 0.1118 0.9658 0.036 0.964 0.000 0.000
#> SRR1036038 1 0.1151 0.9337 0.968 0.008 0.024 0.000
#> SRR1036039 1 0.1151 0.9337 0.968 0.008 0.024 0.000
#> SRR1036040 1 0.1256 0.9304 0.964 0.008 0.028 0.000
#> SRR1036041 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036042 4 0.4741 0.5986 0.000 0.328 0.004 0.668
#> SRR1036043 4 0.4741 0.5986 0.000 0.328 0.004 0.668
#> SRR1036044 4 0.4741 0.5986 0.000 0.328 0.004 0.668
#> SRR1036045 4 0.4741 0.5986 0.000 0.328 0.004 0.668
#> SRR1036046 4 0.4741 0.5986 0.000 0.328 0.004 0.668
#> SRR1036047 4 0.4741 0.5986 0.000 0.328 0.004 0.668
#> SRR1036048 4 0.4741 0.5986 0.000 0.328 0.004 0.668
#> SRR1036049 4 0.4741 0.5986 0.000 0.328 0.004 0.668
#> SRR1036050 1 0.0188 0.9487 0.996 0.000 0.000 0.004
#> SRR1036051 1 0.0188 0.9487 0.996 0.000 0.000 0.004
#> SRR1036052 1 0.0188 0.9487 0.996 0.000 0.000 0.004
#> SRR1036053 1 0.0188 0.9487 0.996 0.000 0.000 0.004
#> SRR1036054 1 0.0188 0.9487 0.996 0.000 0.000 0.004
#> SRR1036055 1 0.1022 0.9291 0.968 0.032 0.000 0.000
#> SRR1036056 1 0.1022 0.9291 0.968 0.032 0.000 0.000
#> SRR1036057 1 0.0921 0.9324 0.972 0.028 0.000 0.000
#> SRR1036058 4 0.0672 0.7651 0.008 0.008 0.000 0.984
#> SRR1036059 4 0.0672 0.7651 0.008 0.008 0.000 0.984
#> SRR1036060 4 0.0672 0.7651 0.008 0.008 0.000 0.984
#> SRR1036061 4 0.0672 0.7651 0.008 0.008 0.000 0.984
#> SRR1036062 4 0.0672 0.7651 0.008 0.008 0.000 0.984
#> SRR1036063 4 0.0672 0.7651 0.008 0.008 0.000 0.984
#> SRR1036064 4 0.0672 0.7651 0.008 0.008 0.000 0.984
#> SRR1036065 4 0.0672 0.7651 0.008 0.008 0.000 0.984
#> SRR1036066 4 0.4981 0.1686 0.464 0.000 0.000 0.536
#> SRR1036067 4 0.4985 0.1573 0.468 0.000 0.000 0.532
#> SRR1036068 4 0.4977 0.1819 0.460 0.000 0.000 0.540
#> SRR1036069 4 0.4989 0.1442 0.472 0.000 0.000 0.528
#> SRR1036070 4 0.4961 0.2152 0.448 0.000 0.000 0.552
#> SRR1036071 4 0.4996 0.1040 0.484 0.000 0.000 0.516
#> SRR1036072 4 0.5000 0.0596 0.496 0.000 0.000 0.504
#> SRR1036073 4 0.5000 0.0590 0.496 0.000 0.000 0.504
#> SRR1036074 4 0.4072 0.6699 0.000 0.252 0.000 0.748
#> SRR1036075 4 0.4072 0.6699 0.000 0.252 0.000 0.748
#> SRR1036076 4 0.4072 0.6699 0.000 0.252 0.000 0.748
#> SRR1036077 4 0.4072 0.6699 0.000 0.252 0.000 0.748
#> SRR1036078 4 0.4072 0.6699 0.000 0.252 0.000 0.748
#> SRR1036079 4 0.4072 0.6699 0.000 0.252 0.000 0.748
#> SRR1036080 4 0.4072 0.6699 0.000 0.252 0.000 0.748
#> SRR1036081 4 0.4072 0.6699 0.000 0.252 0.000 0.748
#> SRR1036082 4 0.0592 0.7640 0.000 0.016 0.000 0.984
#> SRR1036083 4 0.0592 0.7640 0.000 0.016 0.000 0.984
#> SRR1036084 4 0.0592 0.7640 0.000 0.016 0.000 0.984
#> SRR1036090 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036091 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036092 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036093 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036094 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036085 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036095 1 0.4088 0.7386 0.764 0.004 0.000 0.232
#> SRR1036096 1 0.4228 0.7350 0.760 0.008 0.000 0.232
#> SRR1036097 1 0.4088 0.7386 0.764 0.004 0.000 0.232
#> SRR1036098 1 0.4088 0.7386 0.764 0.004 0.000 0.232
#> SRR1036099 1 0.4088 0.7386 0.764 0.004 0.000 0.232
#> SRR1036100 2 0.0336 0.9858 0.000 0.992 0.000 0.008
#> SRR1036101 2 0.0336 0.9858 0.000 0.992 0.000 0.008
#> SRR1036102 2 0.0336 0.9858 0.000 0.992 0.000 0.008
#> SRR1036103 2 0.0336 0.9858 0.000 0.992 0.000 0.008
#> SRR1036104 2 0.0336 0.9858 0.000 0.992 0.000 0.008
#> SRR1036105 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.8743 0.000 0.000 1.000 0.000
#> SRR1036110 4 0.0376 0.7629 0.000 0.004 0.004 0.992
#> SRR1036111 4 0.0376 0.7629 0.000 0.004 0.004 0.992
#> SRR1036112 4 0.0376 0.7629 0.000 0.004 0.004 0.992
#> SRR1036113 4 0.0376 0.7629 0.000 0.004 0.004 0.992
#> SRR1036114 4 0.0376 0.7629 0.000 0.004 0.004 0.992
#> SRR1036115 1 0.0895 0.9425 0.976 0.004 0.000 0.020
#> SRR1036116 1 0.0895 0.9425 0.976 0.004 0.000 0.020
#> SRR1036117 1 0.0895 0.9425 0.976 0.004 0.000 0.020
#> SRR1036118 1 0.0895 0.9425 0.976 0.004 0.000 0.020
#> SRR1036119 1 0.0895 0.9425 0.976 0.004 0.000 0.020
#> SRR1036120 3 0.4994 0.2303 0.000 0.000 0.520 0.480
#> SRR1036121 3 0.4996 0.2253 0.000 0.000 0.516 0.484
#> SRR1036122 3 0.4996 0.2253 0.000 0.000 0.516 0.484
#> SRR1036123 3 0.4996 0.2253 0.000 0.000 0.516 0.484
#> SRR1036124 3 0.4994 0.2303 0.000 0.000 0.520 0.480
#> SRR1036125 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.9492 1.000 0.000 0.000 0.000
#> SRR1036133 2 0.0188 0.9874 0.000 0.996 0.000 0.004
#> SRR1036134 2 0.0188 0.9874 0.000 0.996 0.000 0.004
#> SRR1036135 2 0.0188 0.9874 0.000 0.996 0.000 0.004
#> SRR1036136 2 0.0188 0.9874 0.000 0.996 0.000 0.004
#> SRR1036137 2 0.0188 0.9874 0.000 0.996 0.000 0.004
#> SRR1036138 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036139 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036140 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036141 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036142 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036143 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036144 2 0.0000 0.9879 0.000 1.000 0.000 0.000
#> SRR1036145 2 0.0000 0.9879 0.000 1.000 0.000 0.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 4 0.4630 0.09433 0.000 0.008 0.416 0.572 0.004
#> SRR1036003 4 0.4630 0.09433 0.000 0.008 0.416 0.572 0.004
#> SRR1036004 4 0.4630 0.09433 0.000 0.008 0.416 0.572 0.004
#> SRR1036005 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 5 0.2864 0.74571 0.000 0.000 0.024 0.112 0.864
#> SRR1036014 5 0.2773 0.74634 0.000 0.000 0.020 0.112 0.868
#> SRR1036015 5 0.2864 0.74571 0.000 0.000 0.024 0.112 0.864
#> SRR1036016 5 0.2900 0.74556 0.000 0.000 0.028 0.108 0.864
#> SRR1036017 5 0.2773 0.74634 0.000 0.000 0.020 0.112 0.868
#> SRR1036018 5 0.2824 0.74384 0.000 0.000 0.020 0.116 0.864
#> SRR1036010 1 0.1522 0.81899 0.944 0.000 0.000 0.044 0.012
#> SRR1036011 1 0.1522 0.81899 0.944 0.000 0.000 0.044 0.012
#> SRR1036012 1 0.1444 0.82163 0.948 0.000 0.000 0.040 0.012
#> SRR1036019 2 0.0404 0.96957 0.000 0.988 0.000 0.012 0.000
#> SRR1036020 2 0.0404 0.96957 0.000 0.988 0.000 0.012 0.000
#> SRR1036021 2 0.0404 0.96957 0.000 0.988 0.000 0.012 0.000
#> SRR1036022 2 0.0404 0.96957 0.000 0.988 0.000 0.012 0.000
#> SRR1036023 2 0.0404 0.96957 0.000 0.988 0.000 0.012 0.000
#> SRR1036024 4 0.4593 0.50142 0.184 0.000 0.000 0.736 0.080
#> SRR1036025 4 0.4593 0.50142 0.184 0.000 0.000 0.736 0.080
#> SRR1036026 4 0.4714 0.49465 0.192 0.000 0.000 0.724 0.084
#> SRR1036027 4 0.4660 0.49582 0.192 0.000 0.000 0.728 0.080
#> SRR1036028 4 0.4637 0.49432 0.196 0.000 0.000 0.728 0.076
#> SRR1036029 4 0.4681 0.49709 0.188 0.000 0.000 0.728 0.084
#> SRR1036030 2 0.1671 0.92703 0.076 0.924 0.000 0.000 0.000
#> SRR1036031 2 0.1732 0.92414 0.080 0.920 0.000 0.000 0.000
#> SRR1036032 2 0.1732 0.92414 0.080 0.920 0.000 0.000 0.000
#> SRR1036033 2 0.1792 0.91986 0.084 0.916 0.000 0.000 0.000
#> SRR1036034 2 0.1732 0.92414 0.080 0.920 0.000 0.000 0.000
#> SRR1036035 2 0.1732 0.92366 0.080 0.920 0.000 0.000 0.000
#> SRR1036036 2 0.1792 0.91986 0.084 0.916 0.000 0.000 0.000
#> SRR1036037 2 0.1732 0.92414 0.080 0.920 0.000 0.000 0.000
#> SRR1036038 1 0.0566 0.83283 0.984 0.000 0.012 0.004 0.000
#> SRR1036039 1 0.0566 0.83283 0.984 0.000 0.012 0.004 0.000
#> SRR1036040 1 0.0566 0.83283 0.984 0.000 0.012 0.004 0.000
#> SRR1036041 1 0.0510 0.83401 0.984 0.000 0.000 0.000 0.016
#> SRR1036042 4 0.3357 0.61023 0.000 0.092 0.008 0.852 0.048
#> SRR1036043 4 0.3357 0.61023 0.000 0.092 0.008 0.852 0.048
#> SRR1036044 4 0.3357 0.61023 0.000 0.092 0.008 0.852 0.048
#> SRR1036045 4 0.3357 0.61023 0.000 0.092 0.008 0.852 0.048
#> SRR1036046 4 0.3357 0.61023 0.000 0.092 0.008 0.852 0.048
#> SRR1036047 4 0.3357 0.61023 0.000 0.092 0.008 0.852 0.048
#> SRR1036048 4 0.3357 0.61023 0.000 0.092 0.008 0.852 0.048
#> SRR1036049 4 0.3357 0.61023 0.000 0.092 0.008 0.852 0.048
#> SRR1036050 1 0.0451 0.83396 0.988 0.000 0.000 0.008 0.004
#> SRR1036051 1 0.0451 0.83396 0.988 0.000 0.000 0.008 0.004
#> SRR1036052 1 0.0451 0.83396 0.988 0.000 0.000 0.008 0.004
#> SRR1036053 1 0.0451 0.83396 0.988 0.000 0.000 0.008 0.004
#> SRR1036054 1 0.0451 0.83396 0.988 0.000 0.000 0.008 0.004
#> SRR1036055 1 0.0693 0.82783 0.980 0.012 0.000 0.008 0.000
#> SRR1036056 1 0.0693 0.82783 0.980 0.012 0.000 0.008 0.000
#> SRR1036057 1 0.0693 0.82783 0.980 0.012 0.000 0.008 0.000
#> SRR1036058 5 0.0510 0.77370 0.000 0.000 0.000 0.016 0.984
#> SRR1036059 5 0.0510 0.77370 0.000 0.000 0.000 0.016 0.984
#> SRR1036060 5 0.0510 0.77370 0.000 0.000 0.000 0.016 0.984
#> SRR1036061 5 0.0510 0.77370 0.000 0.000 0.000 0.016 0.984
#> SRR1036062 5 0.0510 0.77370 0.000 0.000 0.000 0.016 0.984
#> SRR1036063 5 0.0510 0.77370 0.000 0.000 0.000 0.016 0.984
#> SRR1036064 5 0.0510 0.77370 0.000 0.000 0.000 0.016 0.984
#> SRR1036065 5 0.0510 0.77370 0.000 0.000 0.000 0.016 0.984
#> SRR1036066 1 0.4854 0.64052 0.680 0.000 0.000 0.260 0.060
#> SRR1036067 1 0.4854 0.64052 0.680 0.000 0.000 0.260 0.060
#> SRR1036068 1 0.4901 0.63005 0.672 0.000 0.000 0.268 0.060
#> SRR1036069 1 0.4878 0.63546 0.676 0.000 0.000 0.264 0.060
#> SRR1036070 1 0.4901 0.63005 0.672 0.000 0.000 0.268 0.060
#> SRR1036071 1 0.4854 0.64052 0.680 0.000 0.000 0.260 0.060
#> SRR1036072 1 0.4854 0.64052 0.680 0.000 0.000 0.260 0.060
#> SRR1036073 1 0.4854 0.64052 0.680 0.000 0.000 0.260 0.060
#> SRR1036074 4 0.6534 0.36631 0.008 0.160 0.000 0.480 0.352
#> SRR1036075 4 0.6537 0.37867 0.008 0.164 0.000 0.488 0.340
#> SRR1036076 4 0.6540 0.33750 0.008 0.156 0.000 0.464 0.372
#> SRR1036077 4 0.6518 0.37690 0.008 0.160 0.000 0.488 0.344
#> SRR1036078 4 0.6528 0.35045 0.008 0.156 0.000 0.472 0.364
#> SRR1036079 4 0.6513 0.33952 0.008 0.152 0.000 0.468 0.372
#> SRR1036080 4 0.6513 0.33952 0.008 0.152 0.000 0.468 0.372
#> SRR1036081 4 0.6522 0.35772 0.008 0.156 0.000 0.476 0.360
#> SRR1036082 4 0.4655 -0.00453 0.012 0.000 0.000 0.512 0.476
#> SRR1036083 4 0.4659 -0.04118 0.012 0.000 0.000 0.500 0.488
#> SRR1036084 4 0.4659 -0.04137 0.012 0.000 0.000 0.500 0.488
#> SRR1036090 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036091 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036092 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036093 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036094 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036085 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 5 0.2911 0.68408 0.136 0.008 0.000 0.004 0.852
#> SRR1036096 5 0.2911 0.68408 0.136 0.008 0.000 0.004 0.852
#> SRR1036097 5 0.2911 0.68408 0.136 0.008 0.000 0.004 0.852
#> SRR1036098 5 0.2911 0.68408 0.136 0.008 0.000 0.004 0.852
#> SRR1036099 5 0.2911 0.68408 0.136 0.008 0.000 0.004 0.852
#> SRR1036100 2 0.0693 0.96523 0.012 0.980 0.000 0.008 0.000
#> SRR1036101 2 0.0693 0.96523 0.012 0.980 0.000 0.008 0.000
#> SRR1036102 2 0.0693 0.96523 0.012 0.980 0.000 0.008 0.000
#> SRR1036103 2 0.0693 0.96523 0.012 0.980 0.000 0.008 0.000
#> SRR1036104 2 0.0693 0.96523 0.012 0.980 0.000 0.008 0.000
#> SRR1036105 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 0.85312 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 5 0.4249 0.21227 0.000 0.000 0.000 0.432 0.568
#> SRR1036111 5 0.4249 0.21227 0.000 0.000 0.000 0.432 0.568
#> SRR1036112 5 0.4249 0.21227 0.000 0.000 0.000 0.432 0.568
#> SRR1036113 5 0.4249 0.21227 0.000 0.000 0.000 0.432 0.568
#> SRR1036114 5 0.4249 0.21227 0.000 0.000 0.000 0.432 0.568
#> SRR1036115 1 0.4551 0.34108 0.556 0.004 0.000 0.004 0.436
#> SRR1036116 1 0.4562 0.32360 0.548 0.004 0.000 0.004 0.444
#> SRR1036117 1 0.4551 0.34108 0.556 0.004 0.000 0.004 0.436
#> SRR1036118 1 0.4557 0.33303 0.552 0.004 0.000 0.004 0.440
#> SRR1036119 1 0.4545 0.34940 0.560 0.004 0.000 0.004 0.432
#> SRR1036120 3 0.6442 0.29812 0.004 0.000 0.460 0.380 0.156
#> SRR1036121 3 0.6468 0.29138 0.004 0.000 0.456 0.380 0.160
#> SRR1036122 3 0.6391 0.30132 0.004 0.000 0.464 0.384 0.148
#> SRR1036123 3 0.6426 0.31903 0.004 0.000 0.472 0.368 0.156
#> SRR1036124 3 0.6473 0.31394 0.004 0.000 0.468 0.364 0.164
#> SRR1036125 1 0.1179 0.83529 0.964 0.000 0.004 0.016 0.016
#> SRR1036126 1 0.1179 0.83529 0.964 0.000 0.004 0.016 0.016
#> SRR1036127 1 0.1179 0.83529 0.964 0.000 0.004 0.016 0.016
#> SRR1036128 1 0.1179 0.83529 0.964 0.000 0.004 0.016 0.016
#> SRR1036129 1 0.1179 0.83529 0.964 0.000 0.004 0.016 0.016
#> SRR1036130 1 0.1018 0.83516 0.968 0.000 0.000 0.016 0.016
#> SRR1036131 1 0.1018 0.83516 0.968 0.000 0.000 0.016 0.016
#> SRR1036132 1 0.1179 0.83529 0.964 0.000 0.004 0.016 0.016
#> SRR1036133 2 0.0162 0.97175 0.004 0.996 0.000 0.000 0.000
#> SRR1036134 2 0.0162 0.97175 0.004 0.996 0.000 0.000 0.000
#> SRR1036135 2 0.0162 0.97175 0.004 0.996 0.000 0.000 0.000
#> SRR1036136 2 0.0162 0.97175 0.004 0.996 0.000 0.000 0.000
#> SRR1036137 2 0.0162 0.97175 0.004 0.996 0.000 0.000 0.000
#> SRR1036138 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036139 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036140 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036141 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036142 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036143 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036144 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
#> SRR1036145 2 0.0162 0.97263 0.000 0.996 0.000 0.004 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 6 0.5937 0.207 0.000 0.004 0.188 0.000 0.360 0.448
#> SRR1036003 6 0.5937 0.207 0.000 0.004 0.188 0.000 0.360 0.448
#> SRR1036004 6 0.5937 0.207 0.000 0.004 0.188 0.000 0.360 0.448
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036013 4 0.5017 0.605 0.008 0.000 0.032 0.692 0.060 0.208
#> SRR1036014 4 0.5000 0.603 0.008 0.000 0.028 0.688 0.060 0.216
#> SRR1036015 4 0.5000 0.603 0.008 0.000 0.028 0.688 0.060 0.216
#> SRR1036016 4 0.4990 0.606 0.008 0.000 0.032 0.696 0.060 0.204
#> SRR1036017 4 0.5000 0.603 0.008 0.000 0.028 0.688 0.060 0.216
#> SRR1036018 4 0.5001 0.604 0.008 0.000 0.028 0.692 0.064 0.208
#> SRR1036010 1 0.3601 0.789 0.816 0.000 0.000 0.016 0.068 0.100
#> SRR1036011 1 0.3553 0.794 0.820 0.000 0.000 0.016 0.068 0.096
#> SRR1036012 1 0.3553 0.794 0.820 0.000 0.000 0.016 0.068 0.096
#> SRR1036019 2 0.1364 0.890 0.000 0.944 0.000 0.004 0.048 0.004
#> SRR1036020 2 0.1364 0.890 0.000 0.944 0.000 0.004 0.048 0.004
#> SRR1036021 2 0.1364 0.890 0.000 0.944 0.000 0.004 0.048 0.004
#> SRR1036022 2 0.1296 0.892 0.000 0.948 0.000 0.004 0.044 0.004
#> SRR1036023 2 0.1364 0.890 0.000 0.944 0.000 0.004 0.048 0.004
#> SRR1036024 6 0.3470 0.527 0.156 0.000 0.000 0.020 0.020 0.804
#> SRR1036025 6 0.3433 0.525 0.152 0.000 0.000 0.020 0.020 0.808
#> SRR1036026 6 0.3586 0.527 0.160 0.000 0.000 0.024 0.020 0.796
#> SRR1036027 6 0.3506 0.528 0.160 0.000 0.000 0.020 0.020 0.800
#> SRR1036028 6 0.3506 0.528 0.160 0.000 0.000 0.020 0.020 0.800
#> SRR1036029 6 0.3586 0.527 0.160 0.000 0.000 0.024 0.020 0.796
#> SRR1036030 2 0.2501 0.874 0.056 0.896 0.000 0.004 0.028 0.016
#> SRR1036031 2 0.2501 0.874 0.056 0.896 0.000 0.004 0.028 0.016
#> SRR1036032 2 0.2501 0.874 0.056 0.896 0.000 0.004 0.028 0.016
#> SRR1036033 2 0.2501 0.874 0.056 0.896 0.000 0.004 0.028 0.016
#> SRR1036034 2 0.2501 0.874 0.056 0.896 0.000 0.004 0.028 0.016
#> SRR1036035 2 0.2501 0.874 0.056 0.896 0.000 0.004 0.028 0.016
#> SRR1036036 2 0.2501 0.874 0.056 0.896 0.000 0.004 0.028 0.016
#> SRR1036037 2 0.2501 0.874 0.056 0.896 0.000 0.004 0.028 0.016
#> SRR1036038 1 0.1741 0.893 0.940 0.012 0.004 0.004 0.020 0.020
#> SRR1036039 1 0.1652 0.895 0.944 0.012 0.004 0.004 0.016 0.020
#> SRR1036040 1 0.1652 0.895 0.944 0.012 0.004 0.004 0.016 0.020
#> SRR1036041 1 0.0909 0.904 0.968 0.000 0.000 0.012 0.000 0.020
#> SRR1036042 6 0.5227 0.308 0.000 0.060 0.004 0.012 0.364 0.560
#> SRR1036043 6 0.5227 0.308 0.000 0.060 0.004 0.012 0.364 0.560
#> SRR1036044 6 0.5227 0.308 0.000 0.060 0.004 0.012 0.364 0.560
#> SRR1036045 6 0.5227 0.308 0.000 0.060 0.004 0.012 0.364 0.560
#> SRR1036046 6 0.5227 0.308 0.000 0.060 0.004 0.012 0.364 0.560
#> SRR1036047 6 0.5227 0.308 0.000 0.060 0.004 0.012 0.364 0.560
#> SRR1036048 6 0.5227 0.308 0.000 0.060 0.004 0.012 0.364 0.560
#> SRR1036049 6 0.5227 0.308 0.000 0.060 0.004 0.012 0.364 0.560
#> SRR1036050 1 0.1708 0.895 0.932 0.000 0.000 0.040 0.024 0.004
#> SRR1036051 1 0.1708 0.895 0.932 0.000 0.000 0.040 0.024 0.004
#> SRR1036052 1 0.1708 0.895 0.932 0.000 0.000 0.040 0.024 0.004
#> SRR1036053 1 0.1624 0.896 0.936 0.000 0.000 0.040 0.020 0.004
#> SRR1036054 1 0.1708 0.895 0.932 0.000 0.000 0.040 0.024 0.004
#> SRR1036055 1 0.2228 0.875 0.912 0.024 0.000 0.004 0.044 0.016
#> SRR1036056 1 0.2228 0.875 0.912 0.024 0.000 0.004 0.044 0.016
#> SRR1036057 1 0.2228 0.875 0.912 0.024 0.000 0.004 0.044 0.016
#> SRR1036058 4 0.1957 0.630 0.000 0.000 0.000 0.888 0.112 0.000
#> SRR1036059 4 0.1957 0.630 0.000 0.000 0.000 0.888 0.112 0.000
#> SRR1036060 4 0.2100 0.629 0.000 0.000 0.000 0.884 0.112 0.004
#> SRR1036061 4 0.2100 0.629 0.000 0.000 0.000 0.884 0.112 0.004
#> SRR1036062 4 0.1957 0.630 0.000 0.000 0.000 0.888 0.112 0.000
#> SRR1036063 4 0.1957 0.630 0.000 0.000 0.000 0.888 0.112 0.000
#> SRR1036064 4 0.1957 0.630 0.000 0.000 0.000 0.888 0.112 0.000
#> SRR1036065 4 0.1957 0.630 0.000 0.000 0.000 0.888 0.112 0.000
#> SRR1036066 6 0.4292 0.351 0.388 0.000 0.000 0.000 0.024 0.588
#> SRR1036067 6 0.4283 0.357 0.384 0.000 0.000 0.000 0.024 0.592
#> SRR1036068 6 0.4292 0.351 0.388 0.000 0.000 0.000 0.024 0.588
#> SRR1036069 6 0.4292 0.351 0.388 0.000 0.000 0.000 0.024 0.588
#> SRR1036070 6 0.4273 0.362 0.380 0.000 0.000 0.000 0.024 0.596
#> SRR1036071 6 0.4326 0.316 0.404 0.000 0.000 0.000 0.024 0.572
#> SRR1036072 6 0.4301 0.343 0.392 0.000 0.000 0.000 0.024 0.584
#> SRR1036073 6 0.4301 0.343 0.392 0.000 0.000 0.000 0.024 0.584
#> SRR1036074 5 0.3125 0.754 0.000 0.080 0.000 0.084 0.836 0.000
#> SRR1036075 5 0.3227 0.750 0.000 0.088 0.000 0.084 0.828 0.000
#> SRR1036076 5 0.3072 0.752 0.000 0.084 0.000 0.076 0.840 0.000
#> SRR1036077 5 0.3072 0.751 0.000 0.084 0.000 0.076 0.840 0.000
#> SRR1036078 5 0.3073 0.754 0.000 0.080 0.000 0.080 0.840 0.000
#> SRR1036079 5 0.3073 0.754 0.000 0.080 0.000 0.080 0.840 0.000
#> SRR1036080 5 0.3073 0.754 0.000 0.080 0.000 0.080 0.840 0.000
#> SRR1036081 5 0.3125 0.753 0.000 0.084 0.000 0.080 0.836 0.000
#> SRR1036082 5 0.5960 0.482 0.004 0.000 0.000 0.220 0.480 0.296
#> SRR1036083 5 0.5960 0.483 0.004 0.000 0.000 0.228 0.484 0.284
#> SRR1036084 5 0.5972 0.480 0.004 0.000 0.000 0.228 0.480 0.288
#> SRR1036090 2 0.0665 0.903 0.000 0.980 0.000 0.008 0.008 0.004
#> SRR1036091 2 0.0665 0.903 0.000 0.980 0.000 0.008 0.008 0.004
#> SRR1036092 2 0.0665 0.903 0.000 0.980 0.000 0.008 0.008 0.004
#> SRR1036093 2 0.0665 0.903 0.000 0.980 0.000 0.008 0.008 0.004
#> SRR1036094 2 0.0665 0.903 0.000 0.980 0.000 0.008 0.008 0.004
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 4 0.2936 0.617 0.144 0.004 0.000 0.836 0.004 0.012
#> SRR1036096 4 0.2896 0.618 0.140 0.004 0.000 0.840 0.004 0.012
#> SRR1036097 4 0.2896 0.618 0.140 0.004 0.000 0.840 0.004 0.012
#> SRR1036098 4 0.2896 0.618 0.140 0.004 0.000 0.840 0.004 0.012
#> SRR1036099 4 0.2936 0.617 0.144 0.004 0.000 0.836 0.004 0.012
#> SRR1036100 2 0.3986 0.537 0.004 0.648 0.000 0.004 0.340 0.004
#> SRR1036101 2 0.4000 0.529 0.004 0.644 0.000 0.004 0.344 0.004
#> SRR1036102 2 0.3892 0.519 0.004 0.640 0.000 0.000 0.352 0.004
#> SRR1036103 2 0.3971 0.544 0.004 0.652 0.000 0.004 0.336 0.004
#> SRR1036104 2 0.3986 0.537 0.004 0.648 0.000 0.004 0.340 0.004
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 4 0.5667 0.293 0.000 0.000 0.000 0.520 0.192 0.288
#> SRR1036111 4 0.5658 0.295 0.000 0.000 0.000 0.520 0.188 0.292
#> SRR1036112 4 0.5658 0.295 0.000 0.000 0.000 0.520 0.188 0.292
#> SRR1036113 4 0.5635 0.301 0.000 0.000 0.000 0.524 0.184 0.292
#> SRR1036114 4 0.5689 0.284 0.000 0.000 0.000 0.516 0.196 0.288
#> SRR1036115 4 0.4517 0.204 0.440 0.004 0.000 0.536 0.008 0.012
#> SRR1036116 4 0.4502 0.232 0.428 0.004 0.000 0.548 0.008 0.012
#> SRR1036117 4 0.4517 0.204 0.440 0.004 0.000 0.536 0.008 0.012
#> SRR1036118 4 0.4507 0.222 0.432 0.004 0.000 0.544 0.008 0.012
#> SRR1036119 4 0.4517 0.204 0.440 0.004 0.000 0.536 0.008 0.012
#> SRR1036120 5 0.5208 0.664 0.000 0.000 0.180 0.076 0.684 0.060
#> SRR1036121 5 0.5249 0.666 0.000 0.000 0.172 0.080 0.684 0.064
#> SRR1036122 5 0.5182 0.662 0.000 0.000 0.176 0.072 0.688 0.064
#> SRR1036123 5 0.5256 0.665 0.000 0.000 0.180 0.080 0.680 0.060
#> SRR1036124 5 0.5226 0.665 0.000 0.000 0.176 0.080 0.684 0.060
#> SRR1036125 1 0.1141 0.901 0.948 0.000 0.000 0.000 0.000 0.052
#> SRR1036126 1 0.1075 0.902 0.952 0.000 0.000 0.000 0.000 0.048
#> SRR1036127 1 0.1141 0.901 0.948 0.000 0.000 0.000 0.000 0.052
#> SRR1036128 1 0.1141 0.901 0.948 0.000 0.000 0.000 0.000 0.052
#> SRR1036129 1 0.1141 0.901 0.948 0.000 0.000 0.000 0.000 0.052
#> SRR1036130 1 0.1141 0.901 0.948 0.000 0.000 0.000 0.000 0.052
#> SRR1036131 1 0.1075 0.902 0.952 0.000 0.000 0.000 0.000 0.048
#> SRR1036132 1 0.1204 0.897 0.944 0.000 0.000 0.000 0.000 0.056
#> SRR1036133 2 0.1312 0.900 0.008 0.956 0.000 0.004 0.020 0.012
#> SRR1036134 2 0.1312 0.900 0.008 0.956 0.000 0.004 0.020 0.012
#> SRR1036135 2 0.1312 0.900 0.008 0.956 0.000 0.004 0.020 0.012
#> SRR1036136 2 0.1312 0.900 0.008 0.956 0.000 0.004 0.020 0.012
#> SRR1036137 2 0.1312 0.900 0.008 0.956 0.000 0.004 0.020 0.012
#> SRR1036138 2 0.0260 0.905 0.000 0.992 0.000 0.000 0.008 0.000
#> SRR1036139 2 0.0260 0.905 0.000 0.992 0.000 0.000 0.008 0.000
#> SRR1036140 2 0.0260 0.905 0.000 0.992 0.000 0.000 0.008 0.000
#> SRR1036141 2 0.0260 0.905 0.000 0.992 0.000 0.000 0.008 0.000
#> SRR1036142 2 0.0260 0.905 0.000 0.992 0.000 0.000 0.008 0.000
#> SRR1036143 2 0.0260 0.905 0.000 0.992 0.000 0.000 0.008 0.000
#> SRR1036144 2 0.0260 0.905 0.000 0.992 0.000 0.000 0.008 0.000
#> SRR1036145 2 0.0260 0.905 0.000 0.992 0.000 0.000 0.008 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["ATC", "hclust"]
# you can also extract it by
# res = res_list["ATC:hclust"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'ATC' method.
#> Subgroups are detected by 'hclust' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 3.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.608 0.861 0.925 0.4219 0.528 0.528
#> 3 3 0.808 0.876 0.931 0.3343 0.937 0.881
#> 4 4 0.844 0.884 0.934 0.0430 0.985 0.968
#> 5 5 0.745 0.836 0.871 0.1876 0.874 0.720
#> 6 6 0.773 0.837 0.855 0.0415 0.977 0.928
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 3
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.997 0.447 0.532 0.468
#> SRR1036003 1 0.997 0.447 0.532 0.468
#> SRR1036004 1 0.997 0.447 0.532 0.468
#> SRR1036005 1 0.997 0.447 0.532 0.468
#> SRR1036006 1 0.997 0.447 0.532 0.468
#> SRR1036007 1 0.997 0.447 0.532 0.468
#> SRR1036008 1 0.997 0.447 0.532 0.468
#> SRR1036009 1 0.997 0.447 0.532 0.468
#> SRR1036013 2 0.000 0.985 0.000 1.000
#> SRR1036014 2 0.000 0.985 0.000 1.000
#> SRR1036015 2 0.000 0.985 0.000 1.000
#> SRR1036016 2 0.000 0.985 0.000 1.000
#> SRR1036017 2 0.000 0.985 0.000 1.000
#> SRR1036018 2 0.000 0.985 0.000 1.000
#> SRR1036010 1 0.000 0.802 1.000 0.000
#> SRR1036011 1 0.000 0.802 1.000 0.000
#> SRR1036012 1 0.000 0.802 1.000 0.000
#> SRR1036019 2 0.000 0.985 0.000 1.000
#> SRR1036020 2 0.000 0.985 0.000 1.000
#> SRR1036021 2 0.000 0.985 0.000 1.000
#> SRR1036022 2 0.000 0.985 0.000 1.000
#> SRR1036023 2 0.000 0.985 0.000 1.000
#> SRR1036024 2 0.000 0.985 0.000 1.000
#> SRR1036025 2 0.000 0.985 0.000 1.000
#> SRR1036026 2 0.000 0.985 0.000 1.000
#> SRR1036027 2 0.000 0.985 0.000 1.000
#> SRR1036028 2 0.000 0.985 0.000 1.000
#> SRR1036029 2 0.000 0.985 0.000 1.000
#> SRR1036030 2 0.000 0.985 0.000 1.000
#> SRR1036031 2 0.000 0.985 0.000 1.000
#> SRR1036032 2 0.000 0.985 0.000 1.000
#> SRR1036033 2 0.000 0.985 0.000 1.000
#> SRR1036034 2 0.000 0.985 0.000 1.000
#> SRR1036035 2 0.000 0.985 0.000 1.000
#> SRR1036036 2 0.000 0.985 0.000 1.000
#> SRR1036037 2 0.000 0.985 0.000 1.000
#> SRR1036038 1 0.469 0.797 0.900 0.100
#> SRR1036039 1 0.469 0.797 0.900 0.100
#> SRR1036040 1 0.469 0.797 0.900 0.100
#> SRR1036041 1 0.163 0.803 0.976 0.024
#> SRR1036042 2 0.000 0.985 0.000 1.000
#> SRR1036043 2 0.000 0.985 0.000 1.000
#> SRR1036044 2 0.000 0.985 0.000 1.000
#> SRR1036045 2 0.000 0.985 0.000 1.000
#> SRR1036046 2 0.000 0.985 0.000 1.000
#> SRR1036047 2 0.000 0.985 0.000 1.000
#> SRR1036048 2 0.000 0.985 0.000 1.000
#> SRR1036049 2 0.000 0.985 0.000 1.000
#> SRR1036050 1 0.000 0.802 1.000 0.000
#> SRR1036051 1 0.000 0.802 1.000 0.000
#> SRR1036052 1 0.000 0.802 1.000 0.000
#> SRR1036053 1 0.000 0.802 1.000 0.000
#> SRR1036054 1 0.000 0.802 1.000 0.000
#> SRR1036055 1 0.327 0.803 0.940 0.060
#> SRR1036056 1 0.327 0.803 0.940 0.060
#> SRR1036057 1 0.327 0.803 0.940 0.060
#> SRR1036058 2 0.000 0.985 0.000 1.000
#> SRR1036059 2 0.000 0.985 0.000 1.000
#> SRR1036060 2 0.000 0.985 0.000 1.000
#> SRR1036061 2 0.000 0.985 0.000 1.000
#> SRR1036062 2 0.000 0.985 0.000 1.000
#> SRR1036063 2 0.000 0.985 0.000 1.000
#> SRR1036064 2 0.000 0.985 0.000 1.000
#> SRR1036065 2 0.000 0.985 0.000 1.000
#> SRR1036066 1 0.469 0.797 0.900 0.100
#> SRR1036067 1 0.469 0.797 0.900 0.100
#> SRR1036068 1 0.469 0.797 0.900 0.100
#> SRR1036069 1 0.469 0.797 0.900 0.100
#> SRR1036070 1 0.469 0.797 0.900 0.100
#> SRR1036071 1 0.469 0.797 0.900 0.100
#> SRR1036072 1 0.469 0.797 0.900 0.100
#> SRR1036073 1 0.469 0.797 0.900 0.100
#> SRR1036074 2 0.000 0.985 0.000 1.000
#> SRR1036075 2 0.000 0.985 0.000 1.000
#> SRR1036076 2 0.000 0.985 0.000 1.000
#> SRR1036077 2 0.000 0.985 0.000 1.000
#> SRR1036078 2 0.000 0.985 0.000 1.000
#> SRR1036079 2 0.000 0.985 0.000 1.000
#> SRR1036080 2 0.000 0.985 0.000 1.000
#> SRR1036081 2 0.000 0.985 0.000 1.000
#> SRR1036082 2 0.000 0.985 0.000 1.000
#> SRR1036083 2 0.000 0.985 0.000 1.000
#> SRR1036084 2 0.000 0.985 0.000 1.000
#> SRR1036090 2 0.000 0.985 0.000 1.000
#> SRR1036091 2 0.000 0.985 0.000 1.000
#> SRR1036092 2 0.000 0.985 0.000 1.000
#> SRR1036093 2 0.000 0.985 0.000 1.000
#> SRR1036094 2 0.000 0.985 0.000 1.000
#> SRR1036085 1 0.997 0.447 0.532 0.468
#> SRR1036086 1 0.997 0.447 0.532 0.468
#> SRR1036087 1 0.997 0.447 0.532 0.468
#> SRR1036088 1 0.997 0.447 0.532 0.468
#> SRR1036089 1 0.997 0.447 0.532 0.468
#> SRR1036095 2 0.000 0.985 0.000 1.000
#> SRR1036096 2 0.000 0.985 0.000 1.000
#> SRR1036097 2 0.000 0.985 0.000 1.000
#> SRR1036098 2 0.000 0.985 0.000 1.000
#> SRR1036099 2 0.000 0.985 0.000 1.000
#> SRR1036100 2 0.000 0.985 0.000 1.000
#> SRR1036101 2 0.000 0.985 0.000 1.000
#> SRR1036102 2 0.000 0.985 0.000 1.000
#> SRR1036103 2 0.000 0.985 0.000 1.000
#> SRR1036104 2 0.000 0.985 0.000 1.000
#> SRR1036105 1 0.997 0.447 0.532 0.468
#> SRR1036106 1 0.997 0.447 0.532 0.468
#> SRR1036107 1 0.997 0.447 0.532 0.468
#> SRR1036108 1 0.997 0.447 0.532 0.468
#> SRR1036109 1 0.997 0.447 0.532 0.468
#> SRR1036110 2 0.000 0.985 0.000 1.000
#> SRR1036111 2 0.000 0.985 0.000 1.000
#> SRR1036112 2 0.000 0.985 0.000 1.000
#> SRR1036113 2 0.000 0.985 0.000 1.000
#> SRR1036114 2 0.000 0.985 0.000 1.000
#> SRR1036115 2 0.738 0.675 0.208 0.792
#> SRR1036116 2 0.738 0.675 0.208 0.792
#> SRR1036117 2 0.738 0.675 0.208 0.792
#> SRR1036118 2 0.738 0.675 0.208 0.792
#> SRR1036119 2 0.738 0.675 0.208 0.792
#> SRR1036120 1 0.000 0.802 1.000 0.000
#> SRR1036121 1 0.000 0.802 1.000 0.000
#> SRR1036122 1 0.000 0.802 1.000 0.000
#> SRR1036123 1 0.000 0.802 1.000 0.000
#> SRR1036124 1 0.000 0.802 1.000 0.000
#> SRR1036125 1 0.000 0.802 1.000 0.000
#> SRR1036126 1 0.000 0.802 1.000 0.000
#> SRR1036127 1 0.000 0.802 1.000 0.000
#> SRR1036128 1 0.000 0.802 1.000 0.000
#> SRR1036129 1 0.000 0.802 1.000 0.000
#> SRR1036130 1 0.000 0.802 1.000 0.000
#> SRR1036131 1 0.000 0.802 1.000 0.000
#> SRR1036132 1 0.000 0.802 1.000 0.000
#> SRR1036133 2 0.000 0.985 0.000 1.000
#> SRR1036134 2 0.000 0.985 0.000 1.000
#> SRR1036135 2 0.000 0.985 0.000 1.000
#> SRR1036136 2 0.000 0.985 0.000 1.000
#> SRR1036137 2 0.000 0.985 0.000 1.000
#> SRR1036138 2 0.000 0.985 0.000 1.000
#> SRR1036139 2 0.000 0.985 0.000 1.000
#> SRR1036140 2 0.000 0.985 0.000 1.000
#> SRR1036141 2 0.000 0.985 0.000 1.000
#> SRR1036142 2 0.000 0.985 0.000 1.000
#> SRR1036143 2 0.000 0.985 0.000 1.000
#> SRR1036144 2 0.000 0.985 0.000 1.000
#> SRR1036145 2 0.000 0.985 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036003 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036004 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036005 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036006 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036007 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036008 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036009 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036013 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036014 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036015 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036016 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036017 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036018 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036010 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036011 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036012 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036019 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036020 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036021 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036022 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036023 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036024 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036025 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036026 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036027 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036028 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036029 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036030 2 0.556 0.628 0.000 0.700 0.300
#> SRR1036031 2 0.556 0.628 0.000 0.700 0.300
#> SRR1036032 2 0.556 0.628 0.000 0.700 0.300
#> SRR1036033 2 0.556 0.628 0.000 0.700 0.300
#> SRR1036034 2 0.556 0.628 0.000 0.700 0.300
#> SRR1036035 2 0.556 0.628 0.000 0.700 0.300
#> SRR1036036 2 0.556 0.628 0.000 0.700 0.300
#> SRR1036037 2 0.556 0.628 0.000 0.700 0.300
#> SRR1036038 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036039 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036040 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036041 1 0.153 0.903 0.960 0.000 0.040
#> SRR1036042 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036043 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036044 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036045 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036046 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036047 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036048 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036049 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036050 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036051 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036052 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036053 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036054 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036055 1 0.334 0.875 0.880 0.000 0.120
#> SRR1036056 1 0.334 0.875 0.880 0.000 0.120
#> SRR1036057 1 0.334 0.875 0.880 0.000 0.120
#> SRR1036058 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036059 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036060 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036061 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036062 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036063 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036064 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036065 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036066 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036067 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036068 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036069 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036070 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036071 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036072 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036073 1 0.400 0.852 0.840 0.000 0.160
#> SRR1036074 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036075 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036076 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036077 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036078 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036079 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036080 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036081 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036082 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036083 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036084 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036090 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036091 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036092 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036093 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036094 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036085 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036086 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036087 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036088 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036089 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036095 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036096 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036097 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036098 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036099 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036100 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036101 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036102 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036103 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036104 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036105 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036106 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036107 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036108 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036109 3 0.245 1.000 0.076 0.000 0.924
#> SRR1036110 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036111 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036112 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036113 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036114 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036115 2 0.910 0.165 0.148 0.492 0.360
#> SRR1036116 2 0.910 0.165 0.148 0.492 0.360
#> SRR1036117 2 0.910 0.165 0.148 0.492 0.360
#> SRR1036118 2 0.910 0.165 0.148 0.492 0.360
#> SRR1036119 2 0.910 0.165 0.148 0.492 0.360
#> SRR1036120 1 0.245 0.861 0.924 0.000 0.076
#> SRR1036121 1 0.245 0.861 0.924 0.000 0.076
#> SRR1036122 1 0.245 0.861 0.924 0.000 0.076
#> SRR1036123 1 0.245 0.861 0.924 0.000 0.076
#> SRR1036124 1 0.245 0.861 0.924 0.000 0.076
#> SRR1036125 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036126 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036127 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036128 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036129 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036130 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036131 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036132 1 0.000 0.912 1.000 0.000 0.000
#> SRR1036133 2 0.484 0.728 0.000 0.776 0.224
#> SRR1036134 2 0.484 0.728 0.000 0.776 0.224
#> SRR1036135 2 0.484 0.728 0.000 0.776 0.224
#> SRR1036136 2 0.484 0.728 0.000 0.776 0.224
#> SRR1036137 2 0.484 0.728 0.000 0.776 0.224
#> SRR1036138 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036139 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036140 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036141 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036142 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036143 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036144 2 0.000 0.929 0.000 1.000 0.000
#> SRR1036145 2 0.000 0.929 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036003 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036004 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036005 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036013 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036014 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036015 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036016 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036017 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036018 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036010 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036011 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036012 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036019 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036020 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036021 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036022 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036023 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036024 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036025 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036026 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036027 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036028 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036029 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036030 2 0.569 0.658 0.000 0.700 0.216 0.084
#> SRR1036031 2 0.569 0.658 0.000 0.700 0.216 0.084
#> SRR1036032 2 0.569 0.658 0.000 0.700 0.216 0.084
#> SRR1036033 2 0.569 0.658 0.000 0.700 0.216 0.084
#> SRR1036034 2 0.569 0.658 0.000 0.700 0.216 0.084
#> SRR1036035 2 0.569 0.658 0.000 0.700 0.216 0.084
#> SRR1036036 2 0.569 0.658 0.000 0.700 0.216 0.084
#> SRR1036037 2 0.569 0.658 0.000 0.700 0.216 0.084
#> SRR1036038 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036039 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036040 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036041 1 0.164 0.883 0.940 0.000 0.000 0.060
#> SRR1036042 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036043 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036044 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036045 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036046 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036047 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036048 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036049 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036050 1 0.172 0.832 0.936 0.000 0.000 0.064
#> SRR1036051 1 0.172 0.832 0.936 0.000 0.000 0.064
#> SRR1036052 1 0.172 0.832 0.936 0.000 0.000 0.064
#> SRR1036053 1 0.172 0.832 0.936 0.000 0.000 0.064
#> SRR1036054 1 0.172 0.832 0.936 0.000 0.000 0.064
#> SRR1036055 1 0.292 0.876 0.860 0.000 0.000 0.140
#> SRR1036056 1 0.292 0.876 0.860 0.000 0.000 0.140
#> SRR1036057 1 0.292 0.876 0.860 0.000 0.000 0.140
#> SRR1036058 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036059 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036060 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036061 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036062 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036063 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036064 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036065 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036066 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036067 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036068 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036069 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036070 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036071 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036072 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036073 1 0.340 0.865 0.820 0.000 0.000 0.180
#> SRR1036074 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036075 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036076 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036077 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036078 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036079 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036080 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036081 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036082 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036083 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036084 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036090 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036091 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036092 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036093 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036094 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036085 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036095 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036096 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036097 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036098 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036099 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036100 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036101 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036102 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036103 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036104 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036105 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.000 1.000 0.000 0.000 1.000 0.000
#> SRR1036110 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036111 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036112 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036113 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036114 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036115 2 0.896 0.313 0.148 0.492 0.216 0.144
#> SRR1036116 2 0.896 0.313 0.148 0.492 0.216 0.144
#> SRR1036117 2 0.896 0.313 0.148 0.492 0.216 0.144
#> SRR1036118 2 0.896 0.313 0.148 0.492 0.216 0.144
#> SRR1036119 2 0.896 0.313 0.148 0.492 0.216 0.144
#> SRR1036120 4 0.340 1.000 0.180 0.000 0.000 0.820
#> SRR1036121 4 0.340 1.000 0.180 0.000 0.000 0.820
#> SRR1036122 4 0.340 1.000 0.180 0.000 0.000 0.820
#> SRR1036123 4 0.340 1.000 0.180 0.000 0.000 0.820
#> SRR1036124 4 0.340 1.000 0.180 0.000 0.000 0.820
#> SRR1036125 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036126 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036127 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036128 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036129 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036130 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036131 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036132 1 0.000 0.881 1.000 0.000 0.000 0.000
#> SRR1036133 2 0.409 0.735 0.000 0.776 0.216 0.008
#> SRR1036134 2 0.409 0.735 0.000 0.776 0.216 0.008
#> SRR1036135 2 0.409 0.735 0.000 0.776 0.216 0.008
#> SRR1036136 2 0.409 0.735 0.000 0.776 0.216 0.008
#> SRR1036137 2 0.409 0.735 0.000 0.776 0.216 0.008
#> SRR1036138 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036139 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036140 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036141 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036142 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036143 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036144 2 0.000 0.929 0.000 1.000 0.000 0.000
#> SRR1036145 2 0.000 0.929 0.000 1.000 0.000 0.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036003 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036004 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036005 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036006 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036007 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036008 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036009 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036013 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036014 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036015 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036016 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036017 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036018 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036010 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036011 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036012 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036019 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036020 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036021 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036022 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036023 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036024 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036025 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036026 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036027 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036028 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036029 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036030 2 0.337 0.874 0.000 0.768 0 0.232 0.00
#> SRR1036031 2 0.337 0.874 0.000 0.768 0 0.232 0.00
#> SRR1036032 2 0.337 0.874 0.000 0.768 0 0.232 0.00
#> SRR1036033 2 0.337 0.874 0.000 0.768 0 0.232 0.00
#> SRR1036034 2 0.337 0.874 0.000 0.768 0 0.232 0.00
#> SRR1036035 2 0.337 0.874 0.000 0.768 0 0.232 0.00
#> SRR1036036 2 0.337 0.874 0.000 0.768 0 0.232 0.00
#> SRR1036037 2 0.337 0.874 0.000 0.768 0 0.232 0.00
#> SRR1036038 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036039 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036040 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036041 1 0.201 0.891 0.920 0.020 0 0.000 0.06
#> SRR1036042 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036043 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036044 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036045 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036046 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036047 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036048 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036049 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036050 1 0.311 0.829 0.800 0.000 0 0.000 0.20
#> SRR1036051 1 0.311 0.829 0.800 0.000 0 0.000 0.20
#> SRR1036052 1 0.311 0.829 0.800 0.000 0 0.000 0.20
#> SRR1036053 1 0.311 0.829 0.800 0.000 0 0.000 0.20
#> SRR1036054 1 0.311 0.829 0.800 0.000 0 0.000 0.20
#> SRR1036055 1 0.104 0.884 0.960 0.040 0 0.000 0.00
#> SRR1036056 1 0.104 0.884 0.960 0.040 0 0.000 0.00
#> SRR1036057 1 0.104 0.884 0.960 0.040 0 0.000 0.00
#> SRR1036058 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036059 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036060 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036061 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036062 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036063 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036064 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036065 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036066 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036067 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036068 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036069 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036070 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036071 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036072 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036073 1 0.173 0.878 0.920 0.080 0 0.000 0.00
#> SRR1036074 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036075 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036076 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036077 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036078 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036079 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036080 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036081 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036082 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036083 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036084 4 0.000 0.808 0.000 0.000 0 1.000 0.00
#> SRR1036090 4 0.277 0.645 0.000 0.164 0 0.836 0.00
#> SRR1036091 4 0.277 0.645 0.000 0.164 0 0.836 0.00
#> SRR1036092 4 0.277 0.645 0.000 0.164 0 0.836 0.00
#> SRR1036093 4 0.277 0.645 0.000 0.164 0 0.836 0.00
#> SRR1036094 4 0.277 0.645 0.000 0.164 0 0.836 0.00
#> SRR1036085 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036086 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036087 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036088 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036089 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036095 4 0.324 0.554 0.000 0.216 0 0.784 0.00
#> SRR1036096 4 0.324 0.554 0.000 0.216 0 0.784 0.00
#> SRR1036097 4 0.324 0.554 0.000 0.216 0 0.784 0.00
#> SRR1036098 4 0.324 0.554 0.000 0.216 0 0.784 0.00
#> SRR1036099 4 0.324 0.554 0.000 0.216 0 0.784 0.00
#> SRR1036100 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036101 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036102 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036103 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036104 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036105 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036106 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036107 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036108 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036109 3 0.000 1.000 0.000 0.000 1 0.000 0.00
#> SRR1036110 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036111 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036112 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036113 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036114 4 0.334 0.799 0.000 0.228 0 0.772 0.00
#> SRR1036115 2 0.613 0.754 0.208 0.564 0 0.228 0.00
#> SRR1036116 2 0.613 0.754 0.208 0.564 0 0.228 0.00
#> SRR1036117 2 0.613 0.754 0.208 0.564 0 0.228 0.00
#> SRR1036118 2 0.613 0.754 0.208 0.564 0 0.228 0.00
#> SRR1036119 2 0.613 0.754 0.208 0.564 0 0.228 0.00
#> SRR1036120 5 0.000 1.000 0.000 0.000 0 0.000 1.00
#> SRR1036121 5 0.000 1.000 0.000 0.000 0 0.000 1.00
#> SRR1036122 5 0.000 1.000 0.000 0.000 0 0.000 1.00
#> SRR1036123 5 0.000 1.000 0.000 0.000 0 0.000 1.00
#> SRR1036124 5 0.000 1.000 0.000 0.000 0 0.000 1.00
#> SRR1036125 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036126 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036127 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036128 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036129 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036130 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036131 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036132 1 0.202 0.889 0.900 0.000 0 0.000 0.10
#> SRR1036133 2 0.384 0.828 0.000 0.692 0 0.308 0.00
#> SRR1036134 2 0.384 0.828 0.000 0.692 0 0.308 0.00
#> SRR1036135 2 0.384 0.828 0.000 0.692 0 0.308 0.00
#> SRR1036136 2 0.384 0.828 0.000 0.692 0 0.308 0.00
#> SRR1036137 2 0.384 0.828 0.000 0.692 0 0.308 0.00
#> SRR1036138 4 0.161 0.754 0.000 0.072 0 0.928 0.00
#> SRR1036139 4 0.161 0.754 0.000 0.072 0 0.928 0.00
#> SRR1036140 4 0.161 0.754 0.000 0.072 0 0.928 0.00
#> SRR1036141 4 0.161 0.754 0.000 0.072 0 0.928 0.00
#> SRR1036142 4 0.161 0.754 0.000 0.072 0 0.928 0.00
#> SRR1036143 4 0.161 0.754 0.000 0.072 0 0.928 0.00
#> SRR1036144 4 0.161 0.754 0.000 0.072 0 0.928 0.00
#> SRR1036145 4 0.161 0.754 0.000 0.072 0 0.928 0.00
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036003 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036004 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036005 3 0.0146 0.997 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036006 3 0.0146 0.997 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036007 3 0.0146 0.997 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036008 3 0.0146 0.997 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036009 3 0.0146 0.997 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036013 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036014 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036015 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036016 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036017 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036018 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036010 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036011 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036012 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036019 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036020 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036021 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036022 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036023 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036024 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036025 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036026 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036027 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036028 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036029 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036030 2 0.3468 0.822 0.000 0.712 0.000 0.004 0.000 0.284
#> SRR1036031 2 0.3468 0.822 0.000 0.712 0.000 0.004 0.000 0.284
#> SRR1036032 2 0.3468 0.822 0.000 0.712 0.000 0.004 0.000 0.284
#> SRR1036033 2 0.3468 0.822 0.000 0.712 0.000 0.004 0.000 0.284
#> SRR1036034 2 0.3468 0.822 0.000 0.712 0.000 0.004 0.000 0.284
#> SRR1036035 2 0.3468 0.822 0.000 0.712 0.000 0.004 0.000 0.284
#> SRR1036036 2 0.3468 0.822 0.000 0.712 0.000 0.004 0.000 0.284
#> SRR1036037 2 0.3468 0.822 0.000 0.712 0.000 0.004 0.000 0.284
#> SRR1036038 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036039 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036040 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036041 6 0.3851 0.648 0.460 0.000 0.000 0.000 0.000 0.540
#> SRR1036042 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036043 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036044 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036045 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036046 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036047 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036048 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036049 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036050 1 0.2340 0.865 0.852 0.000 0.000 0.000 0.148 0.000
#> SRR1036051 1 0.2340 0.865 0.852 0.000 0.000 0.000 0.148 0.000
#> SRR1036052 1 0.2340 0.865 0.852 0.000 0.000 0.000 0.148 0.000
#> SRR1036053 1 0.2340 0.865 0.852 0.000 0.000 0.000 0.148 0.000
#> SRR1036054 1 0.2340 0.865 0.852 0.000 0.000 0.000 0.148 0.000
#> SRR1036055 6 0.3499 0.888 0.320 0.000 0.000 0.000 0.000 0.680
#> SRR1036056 6 0.3499 0.888 0.320 0.000 0.000 0.000 0.000 0.680
#> SRR1036057 6 0.3499 0.888 0.320 0.000 0.000 0.000 0.000 0.680
#> SRR1036058 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036059 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036060 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036061 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036062 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036063 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036064 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036065 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036066 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036067 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036068 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036069 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036070 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036071 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036072 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036073 6 0.3076 0.955 0.240 0.000 0.000 0.000 0.000 0.760
#> SRR1036074 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036075 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036076 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036077 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036078 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036079 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036080 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036081 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036082 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036083 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036084 4 0.3424 0.818 0.000 0.024 0.000 0.772 0.000 0.204
#> SRR1036090 4 0.5252 0.670 0.000 0.188 0.000 0.608 0.000 0.204
#> SRR1036091 4 0.5252 0.670 0.000 0.188 0.000 0.608 0.000 0.204
#> SRR1036092 4 0.5252 0.670 0.000 0.188 0.000 0.608 0.000 0.204
#> SRR1036093 4 0.5252 0.670 0.000 0.188 0.000 0.608 0.000 0.204
#> SRR1036094 4 0.5252 0.670 0.000 0.188 0.000 0.608 0.000 0.204
#> SRR1036085 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036086 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036087 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036088 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036089 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036095 4 0.3833 0.482 0.000 0.444 0.000 0.556 0.000 0.000
#> SRR1036096 4 0.3833 0.482 0.000 0.444 0.000 0.556 0.000 0.000
#> SRR1036097 4 0.3833 0.482 0.000 0.444 0.000 0.556 0.000 0.000
#> SRR1036098 4 0.3833 0.482 0.000 0.444 0.000 0.556 0.000 0.000
#> SRR1036099 4 0.3833 0.482 0.000 0.444 0.000 0.556 0.000 0.000
#> SRR1036100 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036101 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036102 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036103 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036104 4 0.0363 0.810 0.000 0.000 0.000 0.988 0.000 0.012
#> SRR1036105 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 0.999 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036111 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036112 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036113 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036114 4 0.0632 0.812 0.000 0.000 0.000 0.976 0.000 0.024
#> SRR1036115 2 0.3351 0.525 0.000 0.712 0.000 0.000 0.000 0.288
#> SRR1036116 2 0.3351 0.525 0.000 0.712 0.000 0.000 0.000 0.288
#> SRR1036117 2 0.3351 0.525 0.000 0.712 0.000 0.000 0.000 0.288
#> SRR1036118 2 0.3351 0.525 0.000 0.712 0.000 0.000 0.000 0.288
#> SRR1036119 2 0.3351 0.525 0.000 0.712 0.000 0.000 0.000 0.288
#> SRR1036120 5 0.0547 1.000 0.020 0.000 0.000 0.000 0.980 0.000
#> SRR1036121 5 0.0547 1.000 0.020 0.000 0.000 0.000 0.980 0.000
#> SRR1036122 5 0.0547 1.000 0.020 0.000 0.000 0.000 0.980 0.000
#> SRR1036123 5 0.0547 1.000 0.020 0.000 0.000 0.000 0.980 0.000
#> SRR1036124 5 0.0547 1.000 0.020 0.000 0.000 0.000 0.980 0.000
#> SRR1036125 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.940 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036133 2 0.3401 0.787 0.000 0.776 0.000 0.004 0.016 0.204
#> SRR1036134 2 0.3401 0.787 0.000 0.776 0.000 0.004 0.016 0.204
#> SRR1036135 2 0.3401 0.787 0.000 0.776 0.000 0.004 0.016 0.204
#> SRR1036136 2 0.3401 0.787 0.000 0.776 0.000 0.004 0.016 0.204
#> SRR1036137 2 0.3401 0.787 0.000 0.776 0.000 0.004 0.016 0.204
#> SRR1036138 4 0.4459 0.772 0.000 0.096 0.000 0.700 0.000 0.204
#> SRR1036139 4 0.4459 0.772 0.000 0.096 0.000 0.700 0.000 0.204
#> SRR1036140 4 0.4459 0.772 0.000 0.096 0.000 0.700 0.000 0.204
#> SRR1036141 4 0.4459 0.772 0.000 0.096 0.000 0.700 0.000 0.204
#> SRR1036142 4 0.4459 0.772 0.000 0.096 0.000 0.700 0.000 0.204
#> SRR1036143 4 0.4459 0.772 0.000 0.096 0.000 0.700 0.000 0.204
#> SRR1036144 4 0.4459 0.772 0.000 0.096 0.000 0.700 0.000 0.204
#> SRR1036145 4 0.4459 0.772 0.000 0.096 0.000 0.700 0.000 0.204
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["ATC", "kmeans"]
# you can also extract it by
# res = res_list["ATC:kmeans"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'ATC' method.
#> Subgroups are detected by 'kmeans' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 2.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.820 0.948 0.958 0.4476 0.528 0.528
#> 3 3 0.536 0.789 0.852 0.2838 0.901 0.814
#> 4 4 0.540 0.695 0.781 0.1535 1.000 1.000
#> 5 5 0.539 0.624 0.724 0.0799 0.816 0.586
#> 6 6 0.519 0.590 0.652 0.0567 0.926 0.735
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 2
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.6048 0.869 0.852 0.148
#> SRR1036003 1 0.6048 0.869 0.852 0.148
#> SRR1036004 1 0.6048 0.869 0.852 0.148
#> SRR1036005 2 0.2043 0.969 0.032 0.968
#> SRR1036006 2 0.2043 0.969 0.032 0.968
#> SRR1036007 2 0.2043 0.969 0.032 0.968
#> SRR1036008 2 0.2043 0.969 0.032 0.968
#> SRR1036009 2 0.2043 0.969 0.032 0.968
#> SRR1036013 2 0.0376 0.990 0.004 0.996
#> SRR1036014 2 0.0376 0.990 0.004 0.996
#> SRR1036015 2 0.0376 0.990 0.004 0.996
#> SRR1036016 2 0.0376 0.990 0.004 0.996
#> SRR1036017 2 0.0376 0.990 0.004 0.996
#> SRR1036018 2 0.0376 0.990 0.004 0.996
#> SRR1036010 1 0.2603 0.928 0.956 0.044
#> SRR1036011 1 0.2603 0.928 0.956 0.044
#> SRR1036012 1 0.2603 0.928 0.956 0.044
#> SRR1036019 2 0.0938 0.986 0.012 0.988
#> SRR1036020 2 0.0938 0.986 0.012 0.988
#> SRR1036021 2 0.0938 0.986 0.012 0.988
#> SRR1036022 2 0.0938 0.986 0.012 0.988
#> SRR1036023 2 0.0938 0.986 0.012 0.988
#> SRR1036024 2 0.0000 0.991 0.000 1.000
#> SRR1036025 2 0.0000 0.991 0.000 1.000
#> SRR1036026 2 0.0000 0.991 0.000 1.000
#> SRR1036027 2 0.0000 0.991 0.000 1.000
#> SRR1036028 2 0.0000 0.991 0.000 1.000
#> SRR1036029 2 0.0000 0.991 0.000 1.000
#> SRR1036030 2 0.0000 0.991 0.000 1.000
#> SRR1036031 2 0.0000 0.991 0.000 1.000
#> SRR1036032 2 0.0000 0.991 0.000 1.000
#> SRR1036033 2 0.0000 0.991 0.000 1.000
#> SRR1036034 2 0.0000 0.991 0.000 1.000
#> SRR1036035 2 0.0000 0.991 0.000 1.000
#> SRR1036036 2 0.0000 0.991 0.000 1.000
#> SRR1036037 2 0.0000 0.991 0.000 1.000
#> SRR1036038 1 0.2603 0.928 0.956 0.044
#> SRR1036039 1 0.2603 0.928 0.956 0.044
#> SRR1036040 1 0.2603 0.928 0.956 0.044
#> SRR1036041 1 0.2603 0.928 0.956 0.044
#> SRR1036042 2 0.2043 0.969 0.032 0.968
#> SRR1036043 2 0.2043 0.969 0.032 0.968
#> SRR1036044 2 0.2043 0.969 0.032 0.968
#> SRR1036045 2 0.2043 0.969 0.032 0.968
#> SRR1036046 2 0.2043 0.969 0.032 0.968
#> SRR1036047 2 0.2043 0.969 0.032 0.968
#> SRR1036048 2 0.2043 0.969 0.032 0.968
#> SRR1036049 2 0.2043 0.969 0.032 0.968
#> SRR1036050 1 0.2603 0.928 0.956 0.044
#> SRR1036051 1 0.2603 0.928 0.956 0.044
#> SRR1036052 1 0.2603 0.928 0.956 0.044
#> SRR1036053 1 0.2603 0.928 0.956 0.044
#> SRR1036054 1 0.2603 0.928 0.956 0.044
#> SRR1036055 1 0.2603 0.928 0.956 0.044
#> SRR1036056 1 0.2603 0.928 0.956 0.044
#> SRR1036057 1 0.2603 0.928 0.956 0.044
#> SRR1036058 2 0.0000 0.991 0.000 1.000
#> SRR1036059 2 0.0000 0.991 0.000 1.000
#> SRR1036060 2 0.0000 0.991 0.000 1.000
#> SRR1036061 2 0.0000 0.991 0.000 1.000
#> SRR1036062 2 0.0000 0.991 0.000 1.000
#> SRR1036063 2 0.0000 0.991 0.000 1.000
#> SRR1036064 2 0.0000 0.991 0.000 1.000
#> SRR1036065 2 0.0000 0.991 0.000 1.000
#> SRR1036066 1 0.4690 0.920 0.900 0.100
#> SRR1036067 1 0.4690 0.920 0.900 0.100
#> SRR1036068 1 0.4690 0.920 0.900 0.100
#> SRR1036069 1 0.4690 0.920 0.900 0.100
#> SRR1036070 1 0.4690 0.920 0.900 0.100
#> SRR1036071 1 0.4690 0.920 0.900 0.100
#> SRR1036072 1 0.4690 0.920 0.900 0.100
#> SRR1036073 1 0.4690 0.920 0.900 0.100
#> SRR1036074 2 0.0938 0.986 0.012 0.988
#> SRR1036075 2 0.0938 0.986 0.012 0.988
#> SRR1036076 2 0.0938 0.986 0.012 0.988
#> SRR1036077 2 0.0938 0.986 0.012 0.988
#> SRR1036078 2 0.0938 0.986 0.012 0.988
#> SRR1036079 2 0.0938 0.986 0.012 0.988
#> SRR1036080 2 0.0938 0.986 0.012 0.988
#> SRR1036081 2 0.0938 0.986 0.012 0.988
#> SRR1036082 2 0.0000 0.991 0.000 1.000
#> SRR1036083 2 0.0000 0.991 0.000 1.000
#> SRR1036084 2 0.0000 0.991 0.000 1.000
#> SRR1036090 2 0.0000 0.991 0.000 1.000
#> SRR1036091 2 0.0000 0.991 0.000 1.000
#> SRR1036092 2 0.0000 0.991 0.000 1.000
#> SRR1036093 2 0.0000 0.991 0.000 1.000
#> SRR1036094 2 0.0000 0.991 0.000 1.000
#> SRR1036085 1 0.6048 0.869 0.852 0.148
#> SRR1036086 1 0.6048 0.869 0.852 0.148
#> SRR1036087 1 0.6048 0.869 0.852 0.148
#> SRR1036088 1 0.6048 0.869 0.852 0.148
#> SRR1036089 1 0.6048 0.869 0.852 0.148
#> SRR1036095 2 0.0000 0.991 0.000 1.000
#> SRR1036096 2 0.0000 0.991 0.000 1.000
#> SRR1036097 2 0.0000 0.991 0.000 1.000
#> SRR1036098 2 0.0000 0.991 0.000 1.000
#> SRR1036099 2 0.0000 0.991 0.000 1.000
#> SRR1036100 2 0.0938 0.986 0.012 0.988
#> SRR1036101 2 0.0938 0.986 0.012 0.988
#> SRR1036102 2 0.0938 0.986 0.012 0.988
#> SRR1036103 2 0.0938 0.986 0.012 0.988
#> SRR1036104 2 0.0938 0.986 0.012 0.988
#> SRR1036105 1 0.9393 0.567 0.644 0.356
#> SRR1036106 1 0.9393 0.567 0.644 0.356
#> SRR1036107 1 0.9393 0.567 0.644 0.356
#> SRR1036108 1 0.9393 0.567 0.644 0.356
#> SRR1036109 1 0.9393 0.567 0.644 0.356
#> SRR1036110 2 0.0376 0.990 0.004 0.996
#> SRR1036111 2 0.0376 0.990 0.004 0.996
#> SRR1036112 2 0.0376 0.990 0.004 0.996
#> SRR1036113 2 0.0376 0.990 0.004 0.996
#> SRR1036114 2 0.0376 0.990 0.004 0.996
#> SRR1036115 1 0.4815 0.919 0.896 0.104
#> SRR1036116 1 0.4815 0.919 0.896 0.104
#> SRR1036117 1 0.4815 0.919 0.896 0.104
#> SRR1036118 1 0.4815 0.919 0.896 0.104
#> SRR1036119 1 0.4815 0.919 0.896 0.104
#> SRR1036120 1 0.1184 0.913 0.984 0.016
#> SRR1036121 1 0.1184 0.913 0.984 0.016
#> SRR1036122 1 0.1184 0.913 0.984 0.016
#> SRR1036123 1 0.1184 0.913 0.984 0.016
#> SRR1036124 1 0.1184 0.913 0.984 0.016
#> SRR1036125 1 0.2603 0.928 0.956 0.044
#> SRR1036126 1 0.2603 0.928 0.956 0.044
#> SRR1036127 1 0.2603 0.928 0.956 0.044
#> SRR1036128 1 0.2603 0.928 0.956 0.044
#> SRR1036129 1 0.2603 0.928 0.956 0.044
#> SRR1036130 1 0.2603 0.928 0.956 0.044
#> SRR1036131 1 0.2603 0.928 0.956 0.044
#> SRR1036132 1 0.2603 0.928 0.956 0.044
#> SRR1036133 2 0.0000 0.991 0.000 1.000
#> SRR1036134 2 0.0000 0.991 0.000 1.000
#> SRR1036135 2 0.0000 0.991 0.000 1.000
#> SRR1036136 2 0.0000 0.991 0.000 1.000
#> SRR1036137 2 0.0000 0.991 0.000 1.000
#> SRR1036138 2 0.0000 0.991 0.000 1.000
#> SRR1036139 2 0.0000 0.991 0.000 1.000
#> SRR1036140 2 0.0000 0.991 0.000 1.000
#> SRR1036141 2 0.0000 0.991 0.000 1.000
#> SRR1036142 2 0.0000 0.991 0.000 1.000
#> SRR1036143 2 0.0000 0.991 0.000 1.000
#> SRR1036144 2 0.0000 0.991 0.000 1.000
#> SRR1036145 2 0.0000 0.991 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.7983 0.746 0.256 0.108 0.636
#> SRR1036003 3 0.7983 0.746 0.256 0.108 0.636
#> SRR1036004 3 0.7983 0.746 0.256 0.108 0.636
#> SRR1036005 3 0.6379 0.650 0.008 0.368 0.624
#> SRR1036006 3 0.6379 0.650 0.008 0.368 0.624
#> SRR1036007 3 0.6379 0.650 0.008 0.368 0.624
#> SRR1036008 3 0.6379 0.650 0.008 0.368 0.624
#> SRR1036009 3 0.6379 0.650 0.008 0.368 0.624
#> SRR1036013 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036014 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036015 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036016 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036017 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036018 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036010 1 0.1482 0.827 0.968 0.012 0.020
#> SRR1036011 1 0.1482 0.827 0.968 0.012 0.020
#> SRR1036012 1 0.1482 0.827 0.968 0.012 0.020
#> SRR1036019 2 0.5202 0.761 0.008 0.772 0.220
#> SRR1036020 2 0.5202 0.761 0.008 0.772 0.220
#> SRR1036021 2 0.5202 0.761 0.008 0.772 0.220
#> SRR1036022 2 0.5202 0.761 0.008 0.772 0.220
#> SRR1036023 2 0.5202 0.761 0.008 0.772 0.220
#> SRR1036024 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036025 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036026 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036027 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036028 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036029 2 0.0000 0.877 0.000 1.000 0.000
#> SRR1036030 2 0.5633 0.708 0.024 0.768 0.208
#> SRR1036031 2 0.5633 0.708 0.024 0.768 0.208
#> SRR1036032 2 0.5633 0.708 0.024 0.768 0.208
#> SRR1036033 2 0.5633 0.708 0.024 0.768 0.208
#> SRR1036034 2 0.5633 0.708 0.024 0.768 0.208
#> SRR1036035 2 0.5633 0.708 0.024 0.768 0.208
#> SRR1036036 2 0.5633 0.708 0.024 0.768 0.208
#> SRR1036037 2 0.5633 0.708 0.024 0.768 0.208
#> SRR1036038 1 0.4840 0.767 0.816 0.016 0.168
#> SRR1036039 1 0.4840 0.767 0.816 0.016 0.168
#> SRR1036040 1 0.4840 0.767 0.816 0.016 0.168
#> SRR1036041 1 0.1337 0.831 0.972 0.016 0.012
#> SRR1036042 2 0.4575 0.703 0.004 0.812 0.184
#> SRR1036043 2 0.4575 0.703 0.004 0.812 0.184
#> SRR1036044 2 0.4575 0.703 0.004 0.812 0.184
#> SRR1036045 2 0.4575 0.703 0.004 0.812 0.184
#> SRR1036046 2 0.4575 0.703 0.004 0.812 0.184
#> SRR1036047 2 0.4575 0.703 0.004 0.812 0.184
#> SRR1036048 2 0.4575 0.703 0.004 0.812 0.184
#> SRR1036049 2 0.4575 0.703 0.004 0.812 0.184
#> SRR1036050 1 0.1999 0.821 0.952 0.012 0.036
#> SRR1036051 1 0.1999 0.821 0.952 0.012 0.036
#> SRR1036052 1 0.1999 0.821 0.952 0.012 0.036
#> SRR1036053 1 0.1999 0.821 0.952 0.012 0.036
#> SRR1036054 1 0.1999 0.821 0.952 0.012 0.036
#> SRR1036055 1 0.2152 0.829 0.948 0.016 0.036
#> SRR1036056 1 0.2152 0.829 0.948 0.016 0.036
#> SRR1036057 1 0.2152 0.829 0.948 0.016 0.036
#> SRR1036058 2 0.1163 0.877 0.000 0.972 0.028
#> SRR1036059 2 0.1163 0.877 0.000 0.972 0.028
#> SRR1036060 2 0.1163 0.877 0.000 0.972 0.028
#> SRR1036061 2 0.1163 0.877 0.000 0.972 0.028
#> SRR1036062 2 0.1163 0.877 0.000 0.972 0.028
#> SRR1036063 2 0.1163 0.877 0.000 0.972 0.028
#> SRR1036064 2 0.1163 0.877 0.000 0.972 0.028
#> SRR1036065 2 0.1163 0.877 0.000 0.972 0.028
#> SRR1036066 1 0.6537 0.723 0.740 0.064 0.196
#> SRR1036067 1 0.6537 0.723 0.740 0.064 0.196
#> SRR1036068 1 0.6537 0.723 0.740 0.064 0.196
#> SRR1036069 1 0.6537 0.723 0.740 0.064 0.196
#> SRR1036070 1 0.6537 0.723 0.740 0.064 0.196
#> SRR1036071 1 0.6537 0.723 0.740 0.064 0.196
#> SRR1036072 1 0.6537 0.723 0.740 0.064 0.196
#> SRR1036073 1 0.6537 0.723 0.740 0.064 0.196
#> SRR1036074 2 0.4755 0.788 0.008 0.808 0.184
#> SRR1036075 2 0.4755 0.788 0.008 0.808 0.184
#> SRR1036076 2 0.4755 0.788 0.008 0.808 0.184
#> SRR1036077 2 0.4755 0.788 0.008 0.808 0.184
#> SRR1036078 2 0.4755 0.788 0.008 0.808 0.184
#> SRR1036079 2 0.4755 0.788 0.008 0.808 0.184
#> SRR1036080 2 0.4755 0.788 0.008 0.808 0.184
#> SRR1036081 2 0.4755 0.788 0.008 0.808 0.184
#> SRR1036082 2 0.0237 0.878 0.000 0.996 0.004
#> SRR1036083 2 0.0237 0.878 0.000 0.996 0.004
#> SRR1036084 2 0.0237 0.878 0.000 0.996 0.004
#> SRR1036090 2 0.1529 0.876 0.000 0.960 0.040
#> SRR1036091 2 0.1529 0.876 0.000 0.960 0.040
#> SRR1036092 2 0.1529 0.876 0.000 0.960 0.040
#> SRR1036093 2 0.1529 0.876 0.000 0.960 0.040
#> SRR1036094 2 0.1529 0.876 0.000 0.960 0.040
#> SRR1036085 3 0.7694 0.697 0.292 0.076 0.632
#> SRR1036086 3 0.7694 0.697 0.292 0.076 0.632
#> SRR1036087 3 0.7694 0.697 0.292 0.076 0.632
#> SRR1036088 3 0.7694 0.697 0.292 0.076 0.632
#> SRR1036089 3 0.7694 0.697 0.292 0.076 0.632
#> SRR1036095 2 0.2448 0.867 0.000 0.924 0.076
#> SRR1036096 2 0.2448 0.867 0.000 0.924 0.076
#> SRR1036097 2 0.2448 0.867 0.000 0.924 0.076
#> SRR1036098 2 0.2448 0.867 0.000 0.924 0.076
#> SRR1036099 2 0.2448 0.867 0.000 0.924 0.076
#> SRR1036100 2 0.4912 0.788 0.008 0.796 0.196
#> SRR1036101 2 0.4912 0.788 0.008 0.796 0.196
#> SRR1036102 2 0.4912 0.788 0.008 0.796 0.196
#> SRR1036103 2 0.4912 0.788 0.008 0.796 0.196
#> SRR1036104 2 0.4912 0.788 0.008 0.796 0.196
#> SRR1036105 3 0.8355 0.787 0.188 0.184 0.628
#> SRR1036106 3 0.8355 0.787 0.188 0.184 0.628
#> SRR1036107 3 0.8355 0.787 0.188 0.184 0.628
#> SRR1036108 3 0.8355 0.787 0.188 0.184 0.628
#> SRR1036109 3 0.8355 0.787 0.188 0.184 0.628
#> SRR1036110 2 0.0829 0.874 0.004 0.984 0.012
#> SRR1036111 2 0.0829 0.874 0.004 0.984 0.012
#> SRR1036112 2 0.0829 0.874 0.004 0.984 0.012
#> SRR1036113 2 0.0829 0.874 0.004 0.984 0.012
#> SRR1036114 2 0.0829 0.874 0.004 0.984 0.012
#> SRR1036115 1 0.8263 0.531 0.612 0.120 0.268
#> SRR1036116 1 0.8263 0.531 0.612 0.120 0.268
#> SRR1036117 1 0.8263 0.531 0.612 0.120 0.268
#> SRR1036118 1 0.8263 0.531 0.612 0.120 0.268
#> SRR1036119 1 0.8263 0.531 0.612 0.120 0.268
#> SRR1036120 1 0.4291 0.738 0.840 0.008 0.152
#> SRR1036121 1 0.4291 0.738 0.840 0.008 0.152
#> SRR1036122 1 0.4291 0.738 0.840 0.008 0.152
#> SRR1036123 1 0.4291 0.738 0.840 0.008 0.152
#> SRR1036124 1 0.4291 0.738 0.840 0.008 0.152
#> SRR1036125 1 0.0747 0.832 0.984 0.016 0.000
#> SRR1036126 1 0.0747 0.832 0.984 0.016 0.000
#> SRR1036127 1 0.0747 0.832 0.984 0.016 0.000
#> SRR1036128 1 0.0747 0.832 0.984 0.016 0.000
#> SRR1036129 1 0.0747 0.832 0.984 0.016 0.000
#> SRR1036130 1 0.0747 0.832 0.984 0.016 0.000
#> SRR1036131 1 0.0747 0.832 0.984 0.016 0.000
#> SRR1036132 1 0.0747 0.832 0.984 0.016 0.000
#> SRR1036133 2 0.3879 0.804 0.000 0.848 0.152
#> SRR1036134 2 0.3879 0.804 0.000 0.848 0.152
#> SRR1036135 2 0.3879 0.804 0.000 0.848 0.152
#> SRR1036136 2 0.3879 0.804 0.000 0.848 0.152
#> SRR1036137 2 0.3879 0.804 0.000 0.848 0.152
#> SRR1036138 2 0.0424 0.878 0.000 0.992 0.008
#> SRR1036139 2 0.0424 0.878 0.000 0.992 0.008
#> SRR1036140 2 0.0424 0.878 0.000 0.992 0.008
#> SRR1036141 2 0.0424 0.878 0.000 0.992 0.008
#> SRR1036142 2 0.0424 0.878 0.000 0.992 0.008
#> SRR1036143 2 0.0424 0.878 0.000 0.992 0.008
#> SRR1036144 2 0.0424 0.878 0.000 0.992 0.008
#> SRR1036145 2 0.0424 0.878 0.000 0.992 0.008
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.4129 0.872 0.104 0.044 0.840 NA
#> SRR1036003 3 0.4129 0.872 0.104 0.044 0.840 NA
#> SRR1036004 3 0.4129 0.872 0.104 0.044 0.840 NA
#> SRR1036005 3 0.4579 0.798 0.000 0.200 0.768 NA
#> SRR1036006 3 0.4579 0.798 0.000 0.200 0.768 NA
#> SRR1036007 3 0.4579 0.798 0.000 0.200 0.768 NA
#> SRR1036008 3 0.4579 0.798 0.000 0.200 0.768 NA
#> SRR1036009 3 0.4579 0.798 0.000 0.200 0.768 NA
#> SRR1036013 2 0.0804 0.770 0.000 0.980 0.008 NA
#> SRR1036014 2 0.0804 0.770 0.000 0.980 0.008 NA
#> SRR1036015 2 0.0804 0.770 0.000 0.980 0.008 NA
#> SRR1036016 2 0.0804 0.770 0.000 0.980 0.008 NA
#> SRR1036017 2 0.0804 0.770 0.000 0.980 0.008 NA
#> SRR1036018 2 0.0804 0.770 0.000 0.980 0.008 NA
#> SRR1036010 1 0.2131 0.748 0.932 0.000 0.032 NA
#> SRR1036011 1 0.2131 0.748 0.932 0.000 0.032 NA
#> SRR1036012 1 0.2131 0.748 0.932 0.000 0.032 NA
#> SRR1036019 2 0.5643 0.555 0.000 0.548 0.024 NA
#> SRR1036020 2 0.5558 0.555 0.000 0.548 0.020 NA
#> SRR1036021 2 0.5558 0.555 0.000 0.548 0.020 NA
#> SRR1036022 2 0.5558 0.555 0.000 0.548 0.020 NA
#> SRR1036023 2 0.5643 0.555 0.000 0.548 0.024 NA
#> SRR1036024 2 0.0524 0.772 0.000 0.988 0.004 NA
#> SRR1036025 2 0.0524 0.772 0.000 0.988 0.004 NA
#> SRR1036026 2 0.0524 0.772 0.000 0.988 0.004 NA
#> SRR1036027 2 0.0524 0.772 0.000 0.988 0.004 NA
#> SRR1036028 2 0.0524 0.772 0.000 0.988 0.004 NA
#> SRR1036029 2 0.0524 0.772 0.000 0.988 0.004 NA
#> SRR1036030 2 0.7572 0.543 0.044 0.576 0.108 NA
#> SRR1036031 2 0.7572 0.543 0.044 0.576 0.108 NA
#> SRR1036032 2 0.7572 0.543 0.044 0.576 0.108 NA
#> SRR1036033 2 0.7572 0.543 0.044 0.576 0.108 NA
#> SRR1036034 2 0.7572 0.543 0.044 0.576 0.108 NA
#> SRR1036035 2 0.7572 0.543 0.044 0.576 0.108 NA
#> SRR1036036 2 0.7572 0.543 0.044 0.576 0.108 NA
#> SRR1036037 2 0.7572 0.543 0.044 0.576 0.108 NA
#> SRR1036038 1 0.5006 0.707 0.772 0.000 0.124 NA
#> SRR1036039 1 0.5006 0.707 0.772 0.000 0.124 NA
#> SRR1036040 1 0.5006 0.707 0.772 0.000 0.124 NA
#> SRR1036041 1 0.1489 0.762 0.952 0.000 0.004 NA
#> SRR1036042 2 0.5923 0.537 0.000 0.684 0.216 NA
#> SRR1036043 2 0.5923 0.537 0.000 0.684 0.216 NA
#> SRR1036044 2 0.5923 0.537 0.000 0.684 0.216 NA
#> SRR1036045 2 0.5923 0.537 0.000 0.684 0.216 NA
#> SRR1036046 2 0.5923 0.537 0.000 0.684 0.216 NA
#> SRR1036047 2 0.5923 0.537 0.000 0.684 0.216 NA
#> SRR1036048 2 0.5923 0.537 0.000 0.684 0.216 NA
#> SRR1036049 2 0.5923 0.537 0.000 0.684 0.216 NA
#> SRR1036050 1 0.2996 0.735 0.892 0.000 0.044 NA
#> SRR1036051 1 0.2996 0.735 0.892 0.000 0.044 NA
#> SRR1036052 1 0.2996 0.735 0.892 0.000 0.044 NA
#> SRR1036053 1 0.2996 0.735 0.892 0.000 0.044 NA
#> SRR1036054 1 0.2996 0.735 0.892 0.000 0.044 NA
#> SRR1036055 1 0.2739 0.755 0.904 0.000 0.036 NA
#> SRR1036056 1 0.2739 0.755 0.904 0.000 0.036 NA
#> SRR1036057 1 0.2739 0.755 0.904 0.000 0.036 NA
#> SRR1036058 2 0.1677 0.773 0.000 0.948 0.012 NA
#> SRR1036059 2 0.1677 0.773 0.000 0.948 0.012 NA
#> SRR1036060 2 0.1677 0.773 0.000 0.948 0.012 NA
#> SRR1036061 2 0.1677 0.773 0.000 0.948 0.012 NA
#> SRR1036062 2 0.1677 0.773 0.000 0.948 0.012 NA
#> SRR1036063 2 0.1677 0.773 0.000 0.948 0.012 NA
#> SRR1036064 2 0.1677 0.773 0.000 0.948 0.012 NA
#> SRR1036065 2 0.1677 0.773 0.000 0.948 0.012 NA
#> SRR1036066 1 0.7569 0.610 0.612 0.056 0.204 NA
#> SRR1036067 1 0.7569 0.610 0.612 0.056 0.204 NA
#> SRR1036068 1 0.7569 0.610 0.612 0.056 0.204 NA
#> SRR1036069 1 0.7569 0.610 0.612 0.056 0.204 NA
#> SRR1036070 1 0.7569 0.610 0.612 0.056 0.204 NA
#> SRR1036071 1 0.7569 0.610 0.612 0.056 0.204 NA
#> SRR1036072 1 0.7569 0.610 0.612 0.056 0.204 NA
#> SRR1036073 1 0.7569 0.610 0.612 0.056 0.204 NA
#> SRR1036074 2 0.5125 0.596 0.000 0.604 0.008 NA
#> SRR1036075 2 0.5125 0.596 0.000 0.604 0.008 NA
#> SRR1036076 2 0.5125 0.596 0.000 0.604 0.008 NA
#> SRR1036077 2 0.5125 0.596 0.000 0.604 0.008 NA
#> SRR1036078 2 0.5125 0.596 0.000 0.604 0.008 NA
#> SRR1036079 2 0.5125 0.596 0.000 0.604 0.008 NA
#> SRR1036080 2 0.5125 0.596 0.000 0.604 0.008 NA
#> SRR1036081 2 0.5125 0.596 0.000 0.604 0.008 NA
#> SRR1036082 2 0.1767 0.772 0.000 0.944 0.012 NA
#> SRR1036083 2 0.1767 0.772 0.000 0.944 0.012 NA
#> SRR1036084 2 0.1767 0.772 0.000 0.944 0.012 NA
#> SRR1036090 2 0.3390 0.756 0.000 0.852 0.016 NA
#> SRR1036091 2 0.3390 0.756 0.000 0.852 0.016 NA
#> SRR1036092 2 0.3390 0.756 0.000 0.852 0.016 NA
#> SRR1036093 2 0.3390 0.756 0.000 0.852 0.016 NA
#> SRR1036094 2 0.3390 0.756 0.000 0.852 0.016 NA
#> SRR1036085 3 0.3850 0.863 0.112 0.032 0.848 NA
#> SRR1036086 3 0.3850 0.863 0.112 0.032 0.848 NA
#> SRR1036087 3 0.3850 0.863 0.112 0.032 0.848 NA
#> SRR1036088 3 0.3850 0.863 0.112 0.032 0.848 NA
#> SRR1036089 3 0.3850 0.863 0.112 0.032 0.848 NA
#> SRR1036095 2 0.4379 0.736 0.000 0.792 0.036 NA
#> SRR1036096 2 0.4379 0.736 0.000 0.792 0.036 NA
#> SRR1036097 2 0.4379 0.736 0.000 0.792 0.036 NA
#> SRR1036098 2 0.4379 0.736 0.000 0.792 0.036 NA
#> SRR1036099 2 0.4379 0.736 0.000 0.792 0.036 NA
#> SRR1036100 2 0.5366 0.593 0.000 0.548 0.012 NA
#> SRR1036101 2 0.5366 0.593 0.000 0.548 0.012 NA
#> SRR1036102 2 0.5366 0.593 0.000 0.548 0.012 NA
#> SRR1036103 2 0.5366 0.593 0.000 0.548 0.012 NA
#> SRR1036104 2 0.5366 0.593 0.000 0.548 0.012 NA
#> SRR1036105 3 0.4011 0.886 0.068 0.084 0.844 NA
#> SRR1036106 3 0.4011 0.886 0.068 0.084 0.844 NA
#> SRR1036107 3 0.4011 0.886 0.068 0.084 0.844 NA
#> SRR1036108 3 0.4011 0.886 0.068 0.084 0.844 NA
#> SRR1036109 3 0.4011 0.886 0.068 0.084 0.844 NA
#> SRR1036110 2 0.2101 0.757 0.000 0.928 0.012 NA
#> SRR1036111 2 0.2101 0.757 0.000 0.928 0.012 NA
#> SRR1036112 2 0.2101 0.757 0.000 0.928 0.012 NA
#> SRR1036113 2 0.2101 0.757 0.000 0.928 0.012 NA
#> SRR1036114 2 0.2101 0.757 0.000 0.928 0.012 NA
#> SRR1036115 1 0.9220 0.411 0.448 0.156 0.148 NA
#> SRR1036116 1 0.9220 0.411 0.448 0.156 0.148 NA
#> SRR1036117 1 0.9220 0.411 0.448 0.156 0.148 NA
#> SRR1036118 1 0.9220 0.411 0.448 0.156 0.148 NA
#> SRR1036119 1 0.9220 0.411 0.448 0.156 0.148 NA
#> SRR1036120 1 0.5540 0.619 0.728 0.000 0.164 NA
#> SRR1036121 1 0.5540 0.619 0.728 0.000 0.164 NA
#> SRR1036122 1 0.5540 0.619 0.728 0.000 0.164 NA
#> SRR1036123 1 0.5540 0.619 0.728 0.000 0.164 NA
#> SRR1036124 1 0.5540 0.619 0.728 0.000 0.164 NA
#> SRR1036125 1 0.0927 0.763 0.976 0.000 0.008 NA
#> SRR1036126 1 0.0927 0.763 0.976 0.000 0.008 NA
#> SRR1036127 1 0.0927 0.763 0.976 0.000 0.008 NA
#> SRR1036128 1 0.0927 0.763 0.976 0.000 0.008 NA
#> SRR1036129 1 0.0927 0.763 0.976 0.000 0.008 NA
#> SRR1036130 1 0.0927 0.763 0.976 0.000 0.008 NA
#> SRR1036131 1 0.0927 0.763 0.976 0.000 0.008 NA
#> SRR1036132 1 0.0927 0.763 0.976 0.000 0.008 NA
#> SRR1036133 2 0.6111 0.639 0.000 0.652 0.092 NA
#> SRR1036134 2 0.6111 0.639 0.000 0.652 0.092 NA
#> SRR1036135 2 0.6111 0.639 0.000 0.652 0.092 NA
#> SRR1036136 2 0.6111 0.639 0.000 0.652 0.092 NA
#> SRR1036137 2 0.6111 0.639 0.000 0.652 0.092 NA
#> SRR1036138 2 0.2662 0.768 0.000 0.900 0.016 NA
#> SRR1036139 2 0.2662 0.768 0.000 0.900 0.016 NA
#> SRR1036140 2 0.2662 0.768 0.000 0.900 0.016 NA
#> SRR1036141 2 0.2662 0.768 0.000 0.900 0.016 NA
#> SRR1036142 2 0.2662 0.768 0.000 0.900 0.016 NA
#> SRR1036143 2 0.2662 0.768 0.000 0.900 0.016 NA
#> SRR1036144 2 0.2662 0.768 0.000 0.900 0.016 NA
#> SRR1036145 2 0.2662 0.768 0.000 0.900 0.016 NA
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.3634 0.908 0.052 0.024 0.860 0.048 0.016
#> SRR1036003 3 0.3634 0.908 0.052 0.024 0.860 0.048 0.016
#> SRR1036004 3 0.3634 0.908 0.052 0.024 0.860 0.048 0.016
#> SRR1036005 3 0.4224 0.865 0.000 0.024 0.796 0.136 0.044
#> SRR1036006 3 0.4224 0.865 0.000 0.024 0.796 0.136 0.044
#> SRR1036007 3 0.4224 0.865 0.000 0.024 0.796 0.136 0.044
#> SRR1036008 3 0.4224 0.865 0.000 0.024 0.796 0.136 0.044
#> SRR1036009 3 0.4224 0.865 0.000 0.024 0.796 0.136 0.044
#> SRR1036013 4 0.1012 0.667 0.000 0.020 0.000 0.968 0.012
#> SRR1036014 4 0.1012 0.667 0.000 0.020 0.000 0.968 0.012
#> SRR1036015 4 0.1012 0.667 0.000 0.020 0.000 0.968 0.012
#> SRR1036016 4 0.1012 0.667 0.000 0.020 0.000 0.968 0.012
#> SRR1036017 4 0.1012 0.667 0.000 0.020 0.000 0.968 0.012
#> SRR1036018 4 0.1012 0.667 0.000 0.020 0.000 0.968 0.012
#> SRR1036010 1 0.2026 0.744 0.924 0.008 0.012 0.000 0.056
#> SRR1036011 1 0.2026 0.744 0.924 0.008 0.012 0.000 0.056
#> SRR1036012 1 0.2026 0.744 0.924 0.008 0.012 0.000 0.056
#> SRR1036019 2 0.5801 0.804 0.000 0.556 0.036 0.372 0.036
#> SRR1036020 2 0.5862 0.804 0.000 0.552 0.032 0.372 0.044
#> SRR1036021 2 0.5801 0.804 0.000 0.556 0.036 0.372 0.036
#> SRR1036022 2 0.5862 0.804 0.000 0.552 0.032 0.372 0.044
#> SRR1036023 2 0.5801 0.804 0.000 0.556 0.036 0.372 0.036
#> SRR1036024 4 0.0671 0.665 0.000 0.016 0.000 0.980 0.004
#> SRR1036025 4 0.0671 0.665 0.000 0.016 0.000 0.980 0.004
#> SRR1036026 4 0.0671 0.665 0.000 0.016 0.000 0.980 0.004
#> SRR1036027 4 0.0671 0.665 0.000 0.016 0.000 0.980 0.004
#> SRR1036028 4 0.0671 0.665 0.000 0.016 0.000 0.980 0.004
#> SRR1036029 4 0.0671 0.665 0.000 0.016 0.000 0.980 0.004
#> SRR1036030 5 0.6508 0.537 0.032 0.032 0.032 0.432 0.472
#> SRR1036031 5 0.6508 0.537 0.032 0.032 0.032 0.432 0.472
#> SRR1036032 5 0.6508 0.537 0.032 0.032 0.032 0.432 0.472
#> SRR1036033 5 0.6508 0.537 0.032 0.032 0.032 0.432 0.472
#> SRR1036034 5 0.6508 0.537 0.032 0.032 0.032 0.432 0.472
#> SRR1036035 5 0.6508 0.537 0.032 0.032 0.032 0.432 0.472
#> SRR1036036 5 0.6508 0.537 0.032 0.032 0.032 0.432 0.472
#> SRR1036037 5 0.6508 0.537 0.032 0.032 0.032 0.432 0.472
#> SRR1036038 1 0.6311 0.591 0.640 0.048 0.108 0.004 0.200
#> SRR1036039 1 0.6311 0.591 0.640 0.048 0.108 0.004 0.200
#> SRR1036040 1 0.6311 0.591 0.640 0.048 0.108 0.004 0.200
#> SRR1036041 1 0.2732 0.724 0.884 0.020 0.008 0.000 0.088
#> SRR1036042 4 0.6303 0.412 0.000 0.156 0.116 0.652 0.076
#> SRR1036043 4 0.6303 0.412 0.000 0.156 0.116 0.652 0.076
#> SRR1036044 4 0.6303 0.412 0.000 0.156 0.116 0.652 0.076
#> SRR1036045 4 0.6303 0.412 0.000 0.156 0.116 0.652 0.076
#> SRR1036046 4 0.6303 0.412 0.000 0.156 0.116 0.652 0.076
#> SRR1036047 4 0.6303 0.412 0.000 0.156 0.116 0.652 0.076
#> SRR1036048 4 0.6303 0.412 0.000 0.156 0.116 0.652 0.076
#> SRR1036049 4 0.6303 0.412 0.000 0.156 0.116 0.652 0.076
#> SRR1036050 1 0.3209 0.731 0.864 0.032 0.016 0.000 0.088
#> SRR1036051 1 0.3209 0.731 0.864 0.032 0.016 0.000 0.088
#> SRR1036052 1 0.3209 0.731 0.864 0.032 0.016 0.000 0.088
#> SRR1036053 1 0.3209 0.731 0.864 0.032 0.016 0.000 0.088
#> SRR1036054 1 0.3209 0.731 0.864 0.032 0.016 0.000 0.088
#> SRR1036055 1 0.3760 0.706 0.828 0.044 0.016 0.000 0.112
#> SRR1036056 1 0.3760 0.706 0.828 0.044 0.016 0.000 0.112
#> SRR1036057 1 0.3760 0.706 0.828 0.044 0.016 0.000 0.112
#> SRR1036058 4 0.2522 0.625 0.000 0.076 0.004 0.896 0.024
#> SRR1036059 4 0.2522 0.625 0.000 0.076 0.004 0.896 0.024
#> SRR1036060 4 0.2522 0.625 0.000 0.076 0.004 0.896 0.024
#> SRR1036061 4 0.2522 0.625 0.000 0.076 0.004 0.896 0.024
#> SRR1036062 4 0.2522 0.625 0.000 0.076 0.004 0.896 0.024
#> SRR1036063 4 0.2522 0.625 0.000 0.076 0.004 0.896 0.024
#> SRR1036064 4 0.2522 0.625 0.000 0.076 0.004 0.896 0.024
#> SRR1036065 4 0.2522 0.625 0.000 0.076 0.004 0.896 0.024
#> SRR1036066 1 0.8415 0.414 0.444 0.056 0.196 0.060 0.244
#> SRR1036067 1 0.8415 0.414 0.444 0.056 0.196 0.060 0.244
#> SRR1036068 1 0.8415 0.414 0.444 0.056 0.196 0.060 0.244
#> SRR1036069 1 0.8415 0.414 0.444 0.056 0.196 0.060 0.244
#> SRR1036070 1 0.8415 0.414 0.444 0.056 0.196 0.060 0.244
#> SRR1036071 1 0.8415 0.414 0.444 0.056 0.196 0.060 0.244
#> SRR1036072 1 0.8415 0.414 0.444 0.056 0.196 0.060 0.244
#> SRR1036073 1 0.8415 0.414 0.444 0.056 0.196 0.060 0.244
#> SRR1036074 2 0.4692 0.872 0.000 0.528 0.004 0.460 0.008
#> SRR1036075 2 0.4692 0.872 0.000 0.528 0.004 0.460 0.008
#> SRR1036076 2 0.4692 0.872 0.000 0.528 0.004 0.460 0.008
#> SRR1036077 2 0.4692 0.872 0.000 0.528 0.004 0.460 0.008
#> SRR1036078 2 0.4692 0.872 0.000 0.528 0.004 0.460 0.008
#> SRR1036079 2 0.4692 0.872 0.000 0.528 0.004 0.460 0.008
#> SRR1036080 2 0.4692 0.872 0.000 0.528 0.004 0.460 0.008
#> SRR1036081 2 0.4692 0.872 0.000 0.528 0.004 0.460 0.008
#> SRR1036082 4 0.3426 0.644 0.000 0.084 0.012 0.852 0.052
#> SRR1036083 4 0.3426 0.644 0.000 0.084 0.012 0.852 0.052
#> SRR1036084 4 0.3426 0.644 0.000 0.084 0.012 0.852 0.052
#> SRR1036090 4 0.4361 0.549 0.000 0.124 0.000 0.768 0.108
#> SRR1036091 4 0.4361 0.549 0.000 0.124 0.000 0.768 0.108
#> SRR1036092 4 0.4361 0.549 0.000 0.124 0.000 0.768 0.108
#> SRR1036093 4 0.4361 0.549 0.000 0.124 0.000 0.768 0.108
#> SRR1036094 4 0.4361 0.549 0.000 0.124 0.000 0.768 0.108
#> SRR1036085 3 0.3651 0.902 0.056 0.020 0.860 0.040 0.024
#> SRR1036086 3 0.3651 0.902 0.056 0.020 0.860 0.040 0.024
#> SRR1036087 3 0.3651 0.902 0.056 0.020 0.860 0.040 0.024
#> SRR1036088 3 0.3651 0.902 0.056 0.020 0.860 0.040 0.024
#> SRR1036089 3 0.3651 0.902 0.056 0.020 0.860 0.040 0.024
#> SRR1036095 4 0.5493 0.431 0.000 0.124 0.008 0.672 0.196
#> SRR1036096 4 0.5493 0.431 0.000 0.124 0.008 0.672 0.196
#> SRR1036097 4 0.5493 0.431 0.000 0.124 0.008 0.672 0.196
#> SRR1036098 4 0.5493 0.431 0.000 0.124 0.008 0.672 0.196
#> SRR1036099 4 0.5493 0.431 0.000 0.124 0.008 0.672 0.196
#> SRR1036100 2 0.6050 0.819 0.000 0.496 0.020 0.416 0.068
#> SRR1036101 2 0.6050 0.819 0.000 0.496 0.020 0.416 0.068
#> SRR1036102 2 0.6050 0.819 0.000 0.496 0.020 0.416 0.068
#> SRR1036103 2 0.6050 0.819 0.000 0.496 0.020 0.416 0.068
#> SRR1036104 2 0.6050 0.819 0.000 0.496 0.020 0.416 0.068
#> SRR1036105 3 0.2894 0.920 0.036 0.004 0.876 0.084 0.000
#> SRR1036106 3 0.2894 0.920 0.036 0.004 0.876 0.084 0.000
#> SRR1036107 3 0.2894 0.920 0.036 0.004 0.876 0.084 0.000
#> SRR1036108 3 0.2894 0.920 0.036 0.004 0.876 0.084 0.000
#> SRR1036109 3 0.2894 0.920 0.036 0.004 0.876 0.084 0.000
#> SRR1036110 4 0.3814 0.579 0.000 0.116 0.004 0.816 0.064
#> SRR1036111 4 0.3814 0.579 0.000 0.116 0.004 0.816 0.064
#> SRR1036112 4 0.3814 0.579 0.000 0.116 0.004 0.816 0.064
#> SRR1036113 4 0.3814 0.579 0.000 0.116 0.004 0.816 0.064
#> SRR1036114 4 0.3814 0.579 0.000 0.116 0.004 0.816 0.064
#> SRR1036115 5 0.7662 0.210 0.348 0.036 0.064 0.088 0.464
#> SRR1036116 5 0.7662 0.210 0.348 0.036 0.064 0.088 0.464
#> SRR1036117 5 0.7662 0.210 0.348 0.036 0.064 0.088 0.464
#> SRR1036118 5 0.7662 0.210 0.348 0.036 0.064 0.088 0.464
#> SRR1036119 5 0.7662 0.210 0.348 0.036 0.064 0.088 0.464
#> SRR1036120 1 0.5969 0.624 0.680 0.060 0.140 0.000 0.120
#> SRR1036121 1 0.5969 0.624 0.680 0.060 0.140 0.000 0.120
#> SRR1036122 1 0.5969 0.624 0.680 0.060 0.140 0.000 0.120
#> SRR1036123 1 0.5969 0.624 0.680 0.060 0.140 0.000 0.120
#> SRR1036124 1 0.5969 0.624 0.680 0.060 0.140 0.000 0.120
#> SRR1036125 1 0.1059 0.745 0.968 0.008 0.004 0.000 0.020
#> SRR1036126 1 0.1059 0.745 0.968 0.008 0.004 0.000 0.020
#> SRR1036127 1 0.1059 0.745 0.968 0.008 0.004 0.000 0.020
#> SRR1036128 1 0.1059 0.745 0.968 0.008 0.004 0.000 0.020
#> SRR1036129 1 0.1059 0.745 0.968 0.008 0.004 0.000 0.020
#> SRR1036130 1 0.1059 0.745 0.968 0.008 0.004 0.000 0.020
#> SRR1036131 1 0.1059 0.745 0.968 0.008 0.004 0.000 0.020
#> SRR1036132 1 0.1059 0.745 0.968 0.008 0.004 0.000 0.020
#> SRR1036133 4 0.5862 -0.161 0.000 0.076 0.008 0.512 0.404
#> SRR1036134 4 0.5862 -0.161 0.000 0.076 0.008 0.512 0.404
#> SRR1036135 4 0.5862 -0.161 0.000 0.076 0.008 0.512 0.404
#> SRR1036136 4 0.5862 -0.161 0.000 0.076 0.008 0.512 0.404
#> SRR1036137 4 0.5862 -0.161 0.000 0.076 0.008 0.512 0.404
#> SRR1036138 4 0.3759 0.639 0.000 0.092 0.000 0.816 0.092
#> SRR1036139 4 0.3759 0.639 0.000 0.092 0.000 0.816 0.092
#> SRR1036140 4 0.3759 0.639 0.000 0.092 0.000 0.816 0.092
#> SRR1036141 4 0.3759 0.639 0.000 0.092 0.000 0.816 0.092
#> SRR1036142 4 0.3759 0.639 0.000 0.092 0.000 0.816 0.092
#> SRR1036143 4 0.3759 0.639 0.000 0.092 0.000 0.816 0.092
#> SRR1036144 4 0.3759 0.639 0.000 0.092 0.000 0.816 0.092
#> SRR1036145 4 0.3759 0.639 0.000 0.092 0.000 0.816 0.092
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.322 0.919 0.056 0.032 0.868 0.016 0.020 0.008
#> SRR1036003 3 0.322 0.919 0.056 0.032 0.868 0.016 0.020 0.008
#> SRR1036004 3 0.322 0.919 0.056 0.032 0.868 0.016 0.020 0.008
#> SRR1036005 3 0.355 0.883 0.004 0.028 0.848 0.064 0.036 0.020
#> SRR1036006 3 0.355 0.883 0.004 0.028 0.848 0.064 0.036 0.020
#> SRR1036007 3 0.355 0.883 0.004 0.028 0.848 0.064 0.036 0.020
#> SRR1036008 3 0.355 0.883 0.004 0.028 0.848 0.064 0.036 0.020
#> SRR1036009 3 0.355 0.883 0.004 0.028 0.848 0.064 0.036 0.020
#> SRR1036013 4 0.201 0.667 0.004 0.032 0.008 0.928 0.016 0.012
#> SRR1036014 4 0.201 0.667 0.004 0.032 0.008 0.928 0.016 0.012
#> SRR1036015 4 0.201 0.667 0.004 0.032 0.008 0.928 0.016 0.012
#> SRR1036016 4 0.201 0.667 0.004 0.032 0.008 0.928 0.016 0.012
#> SRR1036017 4 0.201 0.667 0.004 0.032 0.008 0.928 0.016 0.012
#> SRR1036018 4 0.201 0.667 0.004 0.032 0.008 0.928 0.016 0.012
#> SRR1036010 6 0.433 0.580 0.440 0.004 0.004 0.000 0.008 0.544
#> SRR1036011 6 0.433 0.580 0.440 0.004 0.004 0.000 0.008 0.544
#> SRR1036012 6 0.433 0.580 0.440 0.004 0.004 0.000 0.008 0.544
#> SRR1036019 5 0.581 0.800 0.008 0.056 0.004 0.332 0.560 0.040
#> SRR1036020 5 0.582 0.800 0.008 0.052 0.004 0.332 0.560 0.044
#> SRR1036021 5 0.581 0.800 0.008 0.056 0.004 0.332 0.560 0.040
#> SRR1036022 5 0.582 0.800 0.008 0.052 0.004 0.332 0.560 0.044
#> SRR1036023 5 0.581 0.800 0.008 0.056 0.004 0.332 0.560 0.040
#> SRR1036024 4 0.115 0.656 0.004 0.016 0.000 0.960 0.020 0.000
#> SRR1036025 4 0.115 0.656 0.004 0.016 0.000 0.960 0.020 0.000
#> SRR1036026 4 0.115 0.656 0.004 0.016 0.000 0.960 0.020 0.000
#> SRR1036027 4 0.115 0.656 0.004 0.016 0.000 0.960 0.020 0.000
#> SRR1036028 4 0.115 0.656 0.004 0.016 0.000 0.960 0.020 0.000
#> SRR1036029 4 0.115 0.656 0.004 0.016 0.000 0.960 0.020 0.000
#> SRR1036030 2 0.621 0.894 0.128 0.540 0.020 0.292 0.020 0.000
#> SRR1036031 2 0.621 0.894 0.128 0.540 0.020 0.292 0.020 0.000
#> SRR1036032 2 0.621 0.894 0.128 0.540 0.020 0.292 0.020 0.000
#> SRR1036033 2 0.621 0.894 0.128 0.540 0.020 0.292 0.020 0.000
#> SRR1036034 2 0.621 0.894 0.128 0.540 0.020 0.292 0.020 0.000
#> SRR1036035 2 0.621 0.894 0.128 0.540 0.020 0.292 0.020 0.000
#> SRR1036036 2 0.621 0.894 0.128 0.540 0.020 0.292 0.020 0.000
#> SRR1036037 2 0.621 0.894 0.128 0.540 0.020 0.292 0.020 0.000
#> SRR1036038 1 0.395 0.391 0.804 0.024 0.052 0.004 0.004 0.112
#> SRR1036039 1 0.395 0.391 0.804 0.024 0.052 0.004 0.004 0.112
#> SRR1036040 1 0.395 0.391 0.804 0.024 0.052 0.004 0.004 0.112
#> SRR1036041 1 0.460 -0.158 0.608 0.012 0.004 0.000 0.020 0.356
#> SRR1036042 4 0.705 0.426 0.020 0.068 0.136 0.592 0.132 0.052
#> SRR1036043 4 0.705 0.426 0.020 0.068 0.136 0.592 0.132 0.052
#> SRR1036044 4 0.705 0.426 0.020 0.068 0.136 0.592 0.132 0.052
#> SRR1036045 4 0.705 0.426 0.020 0.068 0.136 0.592 0.132 0.052
#> SRR1036046 4 0.705 0.426 0.020 0.068 0.136 0.592 0.132 0.052
#> SRR1036047 4 0.705 0.426 0.020 0.068 0.136 0.592 0.132 0.052
#> SRR1036048 4 0.705 0.426 0.020 0.068 0.136 0.592 0.132 0.052
#> SRR1036049 4 0.705 0.426 0.020 0.068 0.136 0.592 0.132 0.052
#> SRR1036050 6 0.355 0.745 0.332 0.000 0.000 0.000 0.000 0.668
#> SRR1036051 6 0.355 0.745 0.332 0.000 0.000 0.000 0.000 0.668
#> SRR1036052 6 0.355 0.745 0.332 0.000 0.000 0.000 0.000 0.668
#> SRR1036053 6 0.355 0.745 0.332 0.000 0.000 0.000 0.000 0.668
#> SRR1036054 6 0.355 0.745 0.332 0.000 0.000 0.000 0.000 0.668
#> SRR1036055 1 0.406 0.182 0.720 0.012 0.012 0.000 0.008 0.248
#> SRR1036056 1 0.406 0.182 0.720 0.012 0.012 0.000 0.008 0.248
#> SRR1036057 1 0.406 0.182 0.720 0.012 0.012 0.000 0.008 0.248
#> SRR1036058 4 0.324 0.617 0.004 0.056 0.000 0.852 0.068 0.020
#> SRR1036059 4 0.324 0.617 0.004 0.056 0.000 0.852 0.068 0.020
#> SRR1036060 4 0.324 0.617 0.004 0.056 0.000 0.852 0.068 0.020
#> SRR1036061 4 0.324 0.617 0.004 0.056 0.000 0.852 0.068 0.020
#> SRR1036062 4 0.324 0.617 0.004 0.056 0.000 0.852 0.068 0.020
#> SRR1036063 4 0.324 0.617 0.004 0.056 0.000 0.852 0.068 0.020
#> SRR1036064 4 0.324 0.617 0.004 0.056 0.000 0.852 0.068 0.020
#> SRR1036065 4 0.324 0.617 0.004 0.056 0.000 0.852 0.068 0.020
#> SRR1036066 1 0.364 0.459 0.832 0.072 0.068 0.016 0.004 0.008
#> SRR1036067 1 0.364 0.459 0.832 0.072 0.068 0.016 0.004 0.008
#> SRR1036068 1 0.364 0.459 0.832 0.072 0.068 0.016 0.004 0.008
#> SRR1036069 1 0.364 0.459 0.832 0.072 0.068 0.016 0.004 0.008
#> SRR1036070 1 0.364 0.459 0.832 0.072 0.068 0.016 0.004 0.008
#> SRR1036071 1 0.364 0.459 0.832 0.072 0.068 0.016 0.004 0.008
#> SRR1036072 1 0.364 0.459 0.832 0.072 0.068 0.016 0.004 0.008
#> SRR1036073 1 0.364 0.459 0.832 0.072 0.068 0.016 0.004 0.008
#> SRR1036074 5 0.395 0.857 0.000 0.000 0.000 0.432 0.564 0.004
#> SRR1036075 5 0.395 0.857 0.000 0.000 0.000 0.432 0.564 0.004
#> SRR1036076 5 0.395 0.857 0.000 0.000 0.000 0.432 0.564 0.004
#> SRR1036077 5 0.395 0.857 0.000 0.000 0.000 0.432 0.564 0.004
#> SRR1036078 5 0.395 0.857 0.000 0.000 0.000 0.432 0.564 0.004
#> SRR1036079 5 0.395 0.857 0.000 0.000 0.000 0.432 0.564 0.004
#> SRR1036080 5 0.395 0.857 0.000 0.000 0.000 0.432 0.564 0.004
#> SRR1036081 5 0.395 0.857 0.000 0.000 0.000 0.432 0.564 0.004
#> SRR1036082 4 0.418 0.631 0.016 0.040 0.016 0.816 0.056 0.056
#> SRR1036083 4 0.418 0.631 0.016 0.040 0.016 0.816 0.056 0.056
#> SRR1036084 4 0.418 0.631 0.016 0.040 0.016 0.816 0.056 0.056
#> SRR1036090 4 0.459 0.528 0.004 0.172 0.004 0.724 0.092 0.004
#> SRR1036091 4 0.459 0.528 0.004 0.172 0.004 0.724 0.092 0.004
#> SRR1036092 4 0.459 0.528 0.004 0.172 0.004 0.724 0.092 0.004
#> SRR1036093 4 0.459 0.528 0.004 0.172 0.004 0.724 0.092 0.004
#> SRR1036094 4 0.459 0.528 0.004 0.172 0.004 0.724 0.092 0.004
#> SRR1036085 3 0.249 0.918 0.068 0.028 0.892 0.008 0.004 0.000
#> SRR1036086 3 0.249 0.918 0.068 0.028 0.892 0.008 0.004 0.000
#> SRR1036087 3 0.249 0.918 0.068 0.028 0.892 0.008 0.004 0.000
#> SRR1036088 3 0.249 0.918 0.068 0.028 0.892 0.008 0.004 0.000
#> SRR1036089 3 0.249 0.918 0.068 0.028 0.892 0.008 0.004 0.000
#> SRR1036095 4 0.586 0.291 0.012 0.256 0.000 0.596 0.108 0.028
#> SRR1036096 4 0.586 0.291 0.012 0.256 0.000 0.596 0.108 0.028
#> SRR1036097 4 0.586 0.291 0.012 0.256 0.000 0.596 0.108 0.028
#> SRR1036098 4 0.586 0.291 0.012 0.256 0.000 0.596 0.108 0.028
#> SRR1036099 4 0.586 0.291 0.012 0.256 0.000 0.596 0.108 0.028
#> SRR1036100 5 0.625 0.792 0.012 0.084 0.028 0.388 0.480 0.008
#> SRR1036101 5 0.625 0.792 0.012 0.084 0.028 0.388 0.480 0.008
#> SRR1036102 5 0.625 0.792 0.012 0.084 0.028 0.388 0.480 0.008
#> SRR1036103 5 0.625 0.792 0.012 0.084 0.028 0.388 0.480 0.008
#> SRR1036104 5 0.625 0.792 0.012 0.084 0.028 0.388 0.480 0.008
#> SRR1036105 3 0.172 0.932 0.036 0.000 0.932 0.028 0.000 0.004
#> SRR1036106 3 0.172 0.932 0.036 0.000 0.932 0.028 0.000 0.004
#> SRR1036107 3 0.172 0.932 0.036 0.000 0.932 0.028 0.000 0.004
#> SRR1036108 3 0.172 0.932 0.036 0.000 0.932 0.028 0.000 0.004
#> SRR1036109 3 0.172 0.932 0.036 0.000 0.932 0.028 0.000 0.004
#> SRR1036110 4 0.494 0.576 0.016 0.064 0.024 0.768 0.072 0.056
#> SRR1036111 4 0.494 0.576 0.016 0.064 0.024 0.768 0.072 0.056
#> SRR1036112 4 0.494 0.576 0.016 0.064 0.024 0.768 0.072 0.056
#> SRR1036113 4 0.494 0.576 0.016 0.064 0.024 0.768 0.072 0.056
#> SRR1036114 4 0.494 0.576 0.016 0.064 0.024 0.768 0.072 0.056
#> SRR1036115 1 0.617 0.239 0.504 0.384 0.024 0.028 0.016 0.044
#> SRR1036116 1 0.617 0.239 0.504 0.384 0.024 0.028 0.016 0.044
#> SRR1036117 1 0.617 0.239 0.504 0.384 0.024 0.028 0.016 0.044
#> SRR1036118 1 0.617 0.239 0.504 0.384 0.024 0.028 0.016 0.044
#> SRR1036119 1 0.617 0.239 0.504 0.384 0.024 0.028 0.016 0.044
#> SRR1036120 6 0.595 0.695 0.216 0.028 0.088 0.000 0.040 0.628
#> SRR1036121 6 0.595 0.695 0.216 0.028 0.088 0.000 0.040 0.628
#> SRR1036122 6 0.595 0.695 0.216 0.028 0.088 0.000 0.040 0.628
#> SRR1036123 6 0.595 0.695 0.216 0.028 0.088 0.000 0.040 0.628
#> SRR1036124 6 0.595 0.695 0.216 0.028 0.088 0.000 0.040 0.628
#> SRR1036125 1 0.538 -0.362 0.468 0.040 0.004 0.000 0.028 0.460
#> SRR1036126 1 0.538 -0.362 0.468 0.040 0.004 0.000 0.028 0.460
#> SRR1036127 1 0.538 -0.362 0.468 0.040 0.004 0.000 0.028 0.460
#> SRR1036128 1 0.538 -0.362 0.468 0.040 0.004 0.000 0.028 0.460
#> SRR1036129 1 0.538 -0.362 0.468 0.040 0.004 0.000 0.028 0.460
#> SRR1036130 1 0.538 -0.362 0.468 0.040 0.004 0.000 0.028 0.460
#> SRR1036131 1 0.538 -0.362 0.468 0.040 0.004 0.000 0.028 0.460
#> SRR1036132 1 0.538 -0.362 0.468 0.040 0.004 0.000 0.028 0.460
#> SRR1036133 2 0.655 0.813 0.072 0.512 0.004 0.332 0.052 0.028
#> SRR1036134 2 0.655 0.813 0.072 0.512 0.004 0.332 0.052 0.028
#> SRR1036135 2 0.655 0.813 0.072 0.512 0.004 0.332 0.052 0.028
#> SRR1036136 2 0.655 0.813 0.072 0.512 0.004 0.332 0.052 0.028
#> SRR1036137 2 0.655 0.813 0.072 0.512 0.004 0.332 0.052 0.028
#> SRR1036138 4 0.460 0.607 0.016 0.132 0.012 0.768 0.048 0.024
#> SRR1036139 4 0.460 0.607 0.016 0.132 0.012 0.768 0.048 0.024
#> SRR1036140 4 0.460 0.607 0.016 0.132 0.012 0.768 0.048 0.024
#> SRR1036141 4 0.460 0.607 0.016 0.132 0.012 0.768 0.048 0.024
#> SRR1036142 4 0.460 0.607 0.016 0.132 0.012 0.768 0.048 0.024
#> SRR1036143 4 0.460 0.607 0.016 0.132 0.012 0.768 0.048 0.024
#> SRR1036144 4 0.460 0.607 0.016 0.132 0.012 0.768 0.048 0.024
#> SRR1036145 4 0.460 0.607 0.016 0.132 0.012 0.768 0.048 0.024
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["ATC", "skmeans"]
# you can also extract it by
# res = res_list["ATC:skmeans"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'ATC' method.
#> Subgroups are detected by 'skmeans' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 2.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 1.000 0.960 0.985 0.4811 0.513 0.513
#> 3 3 0.894 0.893 0.947 0.2183 0.837 0.700
#> 4 4 0.785 0.908 0.930 0.1545 0.929 0.831
#> 5 5 0.743 0.799 0.857 0.1198 0.874 0.641
#> 6 6 0.794 0.784 0.836 0.0519 0.950 0.803
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 2
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.0000 0.962 1.000 0.000
#> SRR1036003 1 0.0000 0.962 1.000 0.000
#> SRR1036004 1 0.0000 0.962 1.000 0.000
#> SRR1036005 1 0.9881 0.281 0.564 0.436
#> SRR1036006 1 0.9881 0.281 0.564 0.436
#> SRR1036007 1 0.9881 0.281 0.564 0.436
#> SRR1036008 1 0.9881 0.281 0.564 0.436
#> SRR1036009 1 0.9881 0.281 0.564 0.436
#> SRR1036013 2 0.0000 1.000 0.000 1.000
#> SRR1036014 2 0.0000 1.000 0.000 1.000
#> SRR1036015 2 0.0000 1.000 0.000 1.000
#> SRR1036016 2 0.0000 1.000 0.000 1.000
#> SRR1036017 2 0.0000 1.000 0.000 1.000
#> SRR1036018 2 0.0000 1.000 0.000 1.000
#> SRR1036010 1 0.0000 0.962 1.000 0.000
#> SRR1036011 1 0.0000 0.962 1.000 0.000
#> SRR1036012 1 0.0000 0.962 1.000 0.000
#> SRR1036019 2 0.0000 1.000 0.000 1.000
#> SRR1036020 2 0.0000 1.000 0.000 1.000
#> SRR1036021 2 0.0000 1.000 0.000 1.000
#> SRR1036022 2 0.0000 1.000 0.000 1.000
#> SRR1036023 2 0.0000 1.000 0.000 1.000
#> SRR1036024 2 0.0000 1.000 0.000 1.000
#> SRR1036025 2 0.0000 1.000 0.000 1.000
#> SRR1036026 2 0.0000 1.000 0.000 1.000
#> SRR1036027 2 0.0000 1.000 0.000 1.000
#> SRR1036028 2 0.0000 1.000 0.000 1.000
#> SRR1036029 2 0.0000 1.000 0.000 1.000
#> SRR1036030 2 0.0376 0.996 0.004 0.996
#> SRR1036031 2 0.0376 0.996 0.004 0.996
#> SRR1036032 2 0.0376 0.996 0.004 0.996
#> SRR1036033 2 0.0376 0.996 0.004 0.996
#> SRR1036034 2 0.0376 0.996 0.004 0.996
#> SRR1036035 2 0.0376 0.996 0.004 0.996
#> SRR1036036 2 0.0376 0.996 0.004 0.996
#> SRR1036037 2 0.0376 0.996 0.004 0.996
#> SRR1036038 1 0.0000 0.962 1.000 0.000
#> SRR1036039 1 0.0000 0.962 1.000 0.000
#> SRR1036040 1 0.0000 0.962 1.000 0.000
#> SRR1036041 1 0.0000 0.962 1.000 0.000
#> SRR1036042 2 0.0000 1.000 0.000 1.000
#> SRR1036043 2 0.0000 1.000 0.000 1.000
#> SRR1036044 2 0.0000 1.000 0.000 1.000
#> SRR1036045 2 0.0000 1.000 0.000 1.000
#> SRR1036046 2 0.0000 1.000 0.000 1.000
#> SRR1036047 2 0.0000 1.000 0.000 1.000
#> SRR1036048 2 0.0000 1.000 0.000 1.000
#> SRR1036049 2 0.0000 1.000 0.000 1.000
#> SRR1036050 1 0.0000 0.962 1.000 0.000
#> SRR1036051 1 0.0000 0.962 1.000 0.000
#> SRR1036052 1 0.0000 0.962 1.000 0.000
#> SRR1036053 1 0.0000 0.962 1.000 0.000
#> SRR1036054 1 0.0000 0.962 1.000 0.000
#> SRR1036055 1 0.0000 0.962 1.000 0.000
#> SRR1036056 1 0.0000 0.962 1.000 0.000
#> SRR1036057 1 0.0000 0.962 1.000 0.000
#> SRR1036058 2 0.0000 1.000 0.000 1.000
#> SRR1036059 2 0.0000 1.000 0.000 1.000
#> SRR1036060 2 0.0000 1.000 0.000 1.000
#> SRR1036061 2 0.0000 1.000 0.000 1.000
#> SRR1036062 2 0.0000 1.000 0.000 1.000
#> SRR1036063 2 0.0000 1.000 0.000 1.000
#> SRR1036064 2 0.0000 1.000 0.000 1.000
#> SRR1036065 2 0.0000 1.000 0.000 1.000
#> SRR1036066 1 0.0000 0.962 1.000 0.000
#> SRR1036067 1 0.0000 0.962 1.000 0.000
#> SRR1036068 1 0.0000 0.962 1.000 0.000
#> SRR1036069 1 0.0000 0.962 1.000 0.000
#> SRR1036070 1 0.0000 0.962 1.000 0.000
#> SRR1036071 1 0.0000 0.962 1.000 0.000
#> SRR1036072 1 0.0000 0.962 1.000 0.000
#> SRR1036073 1 0.0000 0.962 1.000 0.000
#> SRR1036074 2 0.0000 1.000 0.000 1.000
#> SRR1036075 2 0.0000 1.000 0.000 1.000
#> SRR1036076 2 0.0000 1.000 0.000 1.000
#> SRR1036077 2 0.0000 1.000 0.000 1.000
#> SRR1036078 2 0.0000 1.000 0.000 1.000
#> SRR1036079 2 0.0000 1.000 0.000 1.000
#> SRR1036080 2 0.0000 1.000 0.000 1.000
#> SRR1036081 2 0.0000 1.000 0.000 1.000
#> SRR1036082 2 0.0000 1.000 0.000 1.000
#> SRR1036083 2 0.0000 1.000 0.000 1.000
#> SRR1036084 2 0.0000 1.000 0.000 1.000
#> SRR1036090 2 0.0000 1.000 0.000 1.000
#> SRR1036091 2 0.0000 1.000 0.000 1.000
#> SRR1036092 2 0.0000 1.000 0.000 1.000
#> SRR1036093 2 0.0000 1.000 0.000 1.000
#> SRR1036094 2 0.0000 1.000 0.000 1.000
#> SRR1036085 1 0.0000 0.962 1.000 0.000
#> SRR1036086 1 0.0000 0.962 1.000 0.000
#> SRR1036087 1 0.0000 0.962 1.000 0.000
#> SRR1036088 1 0.0000 0.962 1.000 0.000
#> SRR1036089 1 0.0000 0.962 1.000 0.000
#> SRR1036095 2 0.0000 1.000 0.000 1.000
#> SRR1036096 2 0.0000 1.000 0.000 1.000
#> SRR1036097 2 0.0000 1.000 0.000 1.000
#> SRR1036098 2 0.0000 1.000 0.000 1.000
#> SRR1036099 2 0.0000 1.000 0.000 1.000
#> SRR1036100 2 0.0000 1.000 0.000 1.000
#> SRR1036101 2 0.0000 1.000 0.000 1.000
#> SRR1036102 2 0.0000 1.000 0.000 1.000
#> SRR1036103 2 0.0000 1.000 0.000 1.000
#> SRR1036104 2 0.0000 1.000 0.000 1.000
#> SRR1036105 1 0.0000 0.962 1.000 0.000
#> SRR1036106 1 0.0000 0.962 1.000 0.000
#> SRR1036107 1 0.0000 0.962 1.000 0.000
#> SRR1036108 1 0.0000 0.962 1.000 0.000
#> SRR1036109 1 0.0000 0.962 1.000 0.000
#> SRR1036110 2 0.0000 1.000 0.000 1.000
#> SRR1036111 2 0.0000 1.000 0.000 1.000
#> SRR1036112 2 0.0000 1.000 0.000 1.000
#> SRR1036113 2 0.0000 1.000 0.000 1.000
#> SRR1036114 2 0.0000 1.000 0.000 1.000
#> SRR1036115 1 0.0000 0.962 1.000 0.000
#> SRR1036116 1 0.0000 0.962 1.000 0.000
#> SRR1036117 1 0.0000 0.962 1.000 0.000
#> SRR1036118 1 0.0000 0.962 1.000 0.000
#> SRR1036119 1 0.0000 0.962 1.000 0.000
#> SRR1036120 1 0.0000 0.962 1.000 0.000
#> SRR1036121 1 0.0000 0.962 1.000 0.000
#> SRR1036122 1 0.0000 0.962 1.000 0.000
#> SRR1036123 1 0.0000 0.962 1.000 0.000
#> SRR1036124 1 0.0000 0.962 1.000 0.000
#> SRR1036125 1 0.0000 0.962 1.000 0.000
#> SRR1036126 1 0.0000 0.962 1.000 0.000
#> SRR1036127 1 0.0000 0.962 1.000 0.000
#> SRR1036128 1 0.0000 0.962 1.000 0.000
#> SRR1036129 1 0.0000 0.962 1.000 0.000
#> SRR1036130 1 0.0000 0.962 1.000 0.000
#> SRR1036131 1 0.0000 0.962 1.000 0.000
#> SRR1036132 1 0.0000 0.962 1.000 0.000
#> SRR1036133 2 0.0000 1.000 0.000 1.000
#> SRR1036134 2 0.0000 1.000 0.000 1.000
#> SRR1036135 2 0.0000 1.000 0.000 1.000
#> SRR1036136 2 0.0000 1.000 0.000 1.000
#> SRR1036137 2 0.0000 1.000 0.000 1.000
#> SRR1036138 2 0.0000 1.000 0.000 1.000
#> SRR1036139 2 0.0000 1.000 0.000 1.000
#> SRR1036140 2 0.0000 1.000 0.000 1.000
#> SRR1036141 2 0.0000 1.000 0.000 1.000
#> SRR1036142 2 0.0000 1.000 0.000 1.000
#> SRR1036143 2 0.0000 1.000 0.000 1.000
#> SRR1036144 2 0.0000 1.000 0.000 1.000
#> SRR1036145 2 0.0000 1.000 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036003 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036004 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036005 3 0.2096 0.937 0.004 0.052 0.944
#> SRR1036006 3 0.2096 0.937 0.004 0.052 0.944
#> SRR1036007 3 0.2096 0.937 0.004 0.052 0.944
#> SRR1036008 3 0.2096 0.937 0.004 0.052 0.944
#> SRR1036009 3 0.2096 0.937 0.004 0.052 0.944
#> SRR1036013 2 0.0747 0.970 0.000 0.984 0.016
#> SRR1036014 2 0.0747 0.970 0.000 0.984 0.016
#> SRR1036015 2 0.0747 0.970 0.000 0.984 0.016
#> SRR1036016 2 0.0747 0.970 0.000 0.984 0.016
#> SRR1036017 2 0.0747 0.970 0.000 0.984 0.016
#> SRR1036018 2 0.0747 0.970 0.000 0.984 0.016
#> SRR1036010 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036011 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036012 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036019 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036020 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036021 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036022 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036023 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036024 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036025 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036026 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036027 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036028 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036029 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036030 1 0.7770 0.407 0.560 0.384 0.056
#> SRR1036031 1 0.7770 0.407 0.560 0.384 0.056
#> SRR1036032 1 0.7770 0.407 0.560 0.384 0.056
#> SRR1036033 1 0.7770 0.407 0.560 0.384 0.056
#> SRR1036034 1 0.7770 0.407 0.560 0.384 0.056
#> SRR1036035 1 0.7770 0.407 0.560 0.384 0.056
#> SRR1036036 1 0.7770 0.407 0.560 0.384 0.056
#> SRR1036037 1 0.7770 0.407 0.560 0.384 0.056
#> SRR1036038 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036039 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036040 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036041 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036042 2 0.3340 0.883 0.000 0.880 0.120
#> SRR1036043 2 0.3340 0.883 0.000 0.880 0.120
#> SRR1036044 2 0.3340 0.883 0.000 0.880 0.120
#> SRR1036045 2 0.3340 0.883 0.000 0.880 0.120
#> SRR1036046 2 0.3340 0.883 0.000 0.880 0.120
#> SRR1036047 2 0.3340 0.883 0.000 0.880 0.120
#> SRR1036048 2 0.3340 0.883 0.000 0.880 0.120
#> SRR1036049 2 0.3340 0.883 0.000 0.880 0.120
#> SRR1036050 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036051 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036052 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036053 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036054 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036055 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036056 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036057 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036058 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036059 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036060 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036061 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036062 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036063 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036064 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036065 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036066 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036067 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036068 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036069 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036070 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036071 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036072 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036073 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036074 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036075 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036076 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036077 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036078 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036079 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036080 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036081 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036082 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036083 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036084 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036090 2 0.0237 0.976 0.000 0.996 0.004
#> SRR1036091 2 0.0237 0.976 0.000 0.996 0.004
#> SRR1036092 2 0.0237 0.976 0.000 0.996 0.004
#> SRR1036093 2 0.0237 0.976 0.000 0.996 0.004
#> SRR1036094 2 0.0237 0.976 0.000 0.996 0.004
#> SRR1036085 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036086 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036087 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036088 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036089 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036095 2 0.0424 0.974 0.000 0.992 0.008
#> SRR1036096 2 0.0424 0.974 0.000 0.992 0.008
#> SRR1036097 2 0.0424 0.974 0.000 0.992 0.008
#> SRR1036098 2 0.0424 0.974 0.000 0.992 0.008
#> SRR1036099 2 0.0424 0.974 0.000 0.992 0.008
#> SRR1036100 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036101 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036102 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036103 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036104 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036105 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036106 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036107 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036108 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036109 3 0.1964 0.975 0.056 0.000 0.944
#> SRR1036110 2 0.1860 0.945 0.000 0.948 0.052
#> SRR1036111 2 0.1860 0.945 0.000 0.948 0.052
#> SRR1036112 2 0.1860 0.945 0.000 0.948 0.052
#> SRR1036113 2 0.1860 0.945 0.000 0.948 0.052
#> SRR1036114 2 0.1860 0.945 0.000 0.948 0.052
#> SRR1036115 1 0.1163 0.848 0.972 0.000 0.028
#> SRR1036116 1 0.1163 0.848 0.972 0.000 0.028
#> SRR1036117 1 0.1163 0.848 0.972 0.000 0.028
#> SRR1036118 1 0.1163 0.848 0.972 0.000 0.028
#> SRR1036119 1 0.1163 0.848 0.972 0.000 0.028
#> SRR1036120 1 0.5178 0.573 0.744 0.000 0.256
#> SRR1036121 1 0.5178 0.573 0.744 0.000 0.256
#> SRR1036122 1 0.5178 0.573 0.744 0.000 0.256
#> SRR1036123 1 0.5178 0.573 0.744 0.000 0.256
#> SRR1036124 1 0.5178 0.573 0.744 0.000 0.256
#> SRR1036125 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036126 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036127 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036128 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036129 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036130 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036131 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036132 1 0.0000 0.863 1.000 0.000 0.000
#> SRR1036133 2 0.1964 0.939 0.000 0.944 0.056
#> SRR1036134 2 0.1964 0.939 0.000 0.944 0.056
#> SRR1036135 2 0.1964 0.939 0.000 0.944 0.056
#> SRR1036136 2 0.1964 0.939 0.000 0.944 0.056
#> SRR1036137 2 0.1964 0.939 0.000 0.944 0.056
#> SRR1036138 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036139 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036140 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036141 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036142 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036143 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036144 2 0.0000 0.978 0.000 1.000 0.000
#> SRR1036145 2 0.0000 0.978 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036003 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036004 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036005 3 0.0188 0.989 0.000 0.004 0.996 0.000
#> SRR1036006 3 0.0188 0.989 0.000 0.004 0.996 0.000
#> SRR1036007 3 0.0188 0.989 0.000 0.004 0.996 0.000
#> SRR1036008 3 0.0188 0.989 0.000 0.004 0.996 0.000
#> SRR1036009 3 0.0188 0.989 0.000 0.004 0.996 0.000
#> SRR1036013 2 0.1059 0.882 0.000 0.972 0.012 0.016
#> SRR1036014 2 0.1059 0.882 0.000 0.972 0.012 0.016
#> SRR1036015 2 0.1059 0.882 0.000 0.972 0.012 0.016
#> SRR1036016 2 0.1059 0.882 0.000 0.972 0.012 0.016
#> SRR1036017 2 0.1059 0.882 0.000 0.972 0.012 0.016
#> SRR1036018 2 0.1059 0.882 0.000 0.972 0.012 0.016
#> SRR1036010 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036011 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036012 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036019 2 0.2944 0.877 0.000 0.868 0.004 0.128
#> SRR1036020 2 0.2944 0.877 0.000 0.868 0.004 0.128
#> SRR1036021 2 0.2944 0.877 0.000 0.868 0.004 0.128
#> SRR1036022 2 0.2944 0.877 0.000 0.868 0.004 0.128
#> SRR1036023 2 0.2944 0.877 0.000 0.868 0.004 0.128
#> SRR1036024 2 0.0657 0.889 0.000 0.984 0.004 0.012
#> SRR1036025 2 0.0657 0.889 0.000 0.984 0.004 0.012
#> SRR1036026 2 0.0657 0.889 0.000 0.984 0.004 0.012
#> SRR1036027 2 0.0657 0.889 0.000 0.984 0.004 0.012
#> SRR1036028 2 0.0657 0.889 0.000 0.984 0.004 0.012
#> SRR1036029 2 0.0657 0.889 0.000 0.984 0.004 0.012
#> SRR1036030 4 0.1677 0.970 0.040 0.012 0.000 0.948
#> SRR1036031 4 0.1677 0.970 0.040 0.012 0.000 0.948
#> SRR1036032 4 0.1677 0.970 0.040 0.012 0.000 0.948
#> SRR1036033 4 0.1677 0.970 0.040 0.012 0.000 0.948
#> SRR1036034 4 0.1677 0.970 0.040 0.012 0.000 0.948
#> SRR1036035 4 0.1677 0.970 0.040 0.012 0.000 0.948
#> SRR1036036 4 0.1677 0.970 0.040 0.012 0.000 0.948
#> SRR1036037 4 0.1677 0.970 0.040 0.012 0.000 0.948
#> SRR1036038 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036039 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036040 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036041 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036042 2 0.2593 0.850 0.000 0.904 0.080 0.016
#> SRR1036043 2 0.2593 0.850 0.000 0.904 0.080 0.016
#> SRR1036044 2 0.2593 0.850 0.000 0.904 0.080 0.016
#> SRR1036045 2 0.2593 0.850 0.000 0.904 0.080 0.016
#> SRR1036046 2 0.2593 0.850 0.000 0.904 0.080 0.016
#> SRR1036047 2 0.2593 0.850 0.000 0.904 0.080 0.016
#> SRR1036048 2 0.2593 0.850 0.000 0.904 0.080 0.016
#> SRR1036049 2 0.2593 0.850 0.000 0.904 0.080 0.016
#> SRR1036050 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036051 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036052 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036053 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036054 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036055 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036056 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036057 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036058 2 0.1209 0.890 0.000 0.964 0.004 0.032
#> SRR1036059 2 0.1209 0.890 0.000 0.964 0.004 0.032
#> SRR1036060 2 0.1209 0.890 0.000 0.964 0.004 0.032
#> SRR1036061 2 0.1209 0.890 0.000 0.964 0.004 0.032
#> SRR1036062 2 0.1209 0.890 0.000 0.964 0.004 0.032
#> SRR1036063 2 0.1209 0.890 0.000 0.964 0.004 0.032
#> SRR1036064 2 0.1209 0.890 0.000 0.964 0.004 0.032
#> SRR1036065 2 0.1209 0.890 0.000 0.964 0.004 0.032
#> SRR1036066 1 0.0336 0.968 0.992 0.000 0.000 0.008
#> SRR1036067 1 0.0336 0.968 0.992 0.000 0.000 0.008
#> SRR1036068 1 0.0336 0.968 0.992 0.000 0.000 0.008
#> SRR1036069 1 0.0336 0.968 0.992 0.000 0.000 0.008
#> SRR1036070 1 0.0336 0.968 0.992 0.000 0.000 0.008
#> SRR1036071 1 0.0336 0.968 0.992 0.000 0.000 0.008
#> SRR1036072 1 0.0336 0.968 0.992 0.000 0.000 0.008
#> SRR1036073 1 0.0336 0.968 0.992 0.000 0.000 0.008
#> SRR1036074 2 0.2831 0.880 0.000 0.876 0.004 0.120
#> SRR1036075 2 0.2831 0.880 0.000 0.876 0.004 0.120
#> SRR1036076 2 0.2831 0.880 0.000 0.876 0.004 0.120
#> SRR1036077 2 0.2831 0.880 0.000 0.876 0.004 0.120
#> SRR1036078 2 0.2831 0.880 0.000 0.876 0.004 0.120
#> SRR1036079 2 0.2831 0.880 0.000 0.876 0.004 0.120
#> SRR1036080 2 0.2831 0.880 0.000 0.876 0.004 0.120
#> SRR1036081 2 0.2831 0.880 0.000 0.876 0.004 0.120
#> SRR1036082 2 0.0469 0.887 0.000 0.988 0.000 0.012
#> SRR1036083 2 0.0469 0.887 0.000 0.988 0.000 0.012
#> SRR1036084 2 0.0469 0.887 0.000 0.988 0.000 0.012
#> SRR1036090 2 0.3831 0.839 0.000 0.792 0.004 0.204
#> SRR1036091 2 0.3831 0.839 0.000 0.792 0.004 0.204
#> SRR1036092 2 0.3831 0.839 0.000 0.792 0.004 0.204
#> SRR1036093 2 0.3831 0.839 0.000 0.792 0.004 0.204
#> SRR1036094 2 0.3831 0.839 0.000 0.792 0.004 0.204
#> SRR1036085 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036086 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036087 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036088 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036089 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036095 2 0.4800 0.656 0.000 0.656 0.004 0.340
#> SRR1036096 2 0.4800 0.656 0.000 0.656 0.004 0.340
#> SRR1036097 2 0.4800 0.656 0.000 0.656 0.004 0.340
#> SRR1036098 2 0.4800 0.656 0.000 0.656 0.004 0.340
#> SRR1036099 2 0.4800 0.656 0.000 0.656 0.004 0.340
#> SRR1036100 2 0.3208 0.869 0.000 0.848 0.004 0.148
#> SRR1036101 2 0.3208 0.869 0.000 0.848 0.004 0.148
#> SRR1036102 2 0.3208 0.869 0.000 0.848 0.004 0.148
#> SRR1036103 2 0.3208 0.869 0.000 0.848 0.004 0.148
#> SRR1036104 2 0.3208 0.869 0.000 0.848 0.004 0.148
#> SRR1036105 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036106 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036107 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036108 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036109 3 0.0336 0.996 0.008 0.000 0.992 0.000
#> SRR1036110 2 0.1297 0.880 0.000 0.964 0.020 0.016
#> SRR1036111 2 0.1297 0.880 0.000 0.964 0.020 0.016
#> SRR1036112 2 0.1297 0.880 0.000 0.964 0.020 0.016
#> SRR1036113 2 0.1297 0.880 0.000 0.964 0.020 0.016
#> SRR1036114 2 0.1297 0.880 0.000 0.964 0.020 0.016
#> SRR1036115 1 0.2973 0.840 0.856 0.000 0.000 0.144
#> SRR1036116 1 0.2973 0.840 0.856 0.000 0.000 0.144
#> SRR1036117 1 0.2973 0.840 0.856 0.000 0.000 0.144
#> SRR1036118 1 0.2973 0.840 0.856 0.000 0.000 0.144
#> SRR1036119 1 0.2973 0.840 0.856 0.000 0.000 0.144
#> SRR1036120 1 0.1716 0.924 0.936 0.000 0.064 0.000
#> SRR1036121 1 0.1716 0.924 0.936 0.000 0.064 0.000
#> SRR1036122 1 0.1716 0.924 0.936 0.000 0.064 0.000
#> SRR1036123 1 0.1716 0.924 0.936 0.000 0.064 0.000
#> SRR1036124 1 0.1716 0.924 0.936 0.000 0.064 0.000
#> SRR1036125 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036133 4 0.1022 0.951 0.000 0.032 0.000 0.968
#> SRR1036134 4 0.1022 0.951 0.000 0.032 0.000 0.968
#> SRR1036135 4 0.1022 0.951 0.000 0.032 0.000 0.968
#> SRR1036136 4 0.1022 0.951 0.000 0.032 0.000 0.968
#> SRR1036137 4 0.1022 0.951 0.000 0.032 0.000 0.968
#> SRR1036138 2 0.3569 0.836 0.000 0.804 0.000 0.196
#> SRR1036139 2 0.3569 0.836 0.000 0.804 0.000 0.196
#> SRR1036140 2 0.3569 0.836 0.000 0.804 0.000 0.196
#> SRR1036141 2 0.3569 0.836 0.000 0.804 0.000 0.196
#> SRR1036142 2 0.3569 0.836 0.000 0.804 0.000 0.196
#> SRR1036143 2 0.3569 0.836 0.000 0.804 0.000 0.196
#> SRR1036144 2 0.3569 0.836 0.000 0.804 0.000 0.196
#> SRR1036145 2 0.3569 0.836 0.000 0.804 0.000 0.196
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036003 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036004 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 4 0.3480 0.783 0.000 0.248 0.000 0.752 0.000
#> SRR1036014 4 0.3480 0.783 0.000 0.248 0.000 0.752 0.000
#> SRR1036015 4 0.3480 0.783 0.000 0.248 0.000 0.752 0.000
#> SRR1036016 4 0.3480 0.783 0.000 0.248 0.000 0.752 0.000
#> SRR1036017 4 0.3480 0.783 0.000 0.248 0.000 0.752 0.000
#> SRR1036018 4 0.3480 0.783 0.000 0.248 0.000 0.752 0.000
#> SRR1036010 1 0.0162 0.943 0.996 0.000 0.000 0.000 0.004
#> SRR1036011 1 0.0162 0.943 0.996 0.000 0.000 0.000 0.004
#> SRR1036012 1 0.0162 0.943 0.996 0.000 0.000 0.000 0.004
#> SRR1036019 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036020 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036021 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036022 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036023 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036024 4 0.4375 0.695 0.000 0.420 0.000 0.576 0.004
#> SRR1036025 4 0.4375 0.695 0.000 0.420 0.000 0.576 0.004
#> SRR1036026 4 0.4375 0.695 0.000 0.420 0.000 0.576 0.004
#> SRR1036027 4 0.4375 0.695 0.000 0.420 0.000 0.576 0.004
#> SRR1036028 4 0.4375 0.695 0.000 0.420 0.000 0.576 0.004
#> SRR1036029 4 0.4375 0.695 0.000 0.420 0.000 0.576 0.004
#> SRR1036030 5 0.0693 0.944 0.008 0.012 0.000 0.000 0.980
#> SRR1036031 5 0.0693 0.944 0.008 0.012 0.000 0.000 0.980
#> SRR1036032 5 0.0693 0.944 0.008 0.012 0.000 0.000 0.980
#> SRR1036033 5 0.0693 0.944 0.008 0.012 0.000 0.000 0.980
#> SRR1036034 5 0.0693 0.944 0.008 0.012 0.000 0.000 0.980
#> SRR1036035 5 0.0693 0.944 0.008 0.012 0.000 0.000 0.980
#> SRR1036036 5 0.0693 0.944 0.008 0.012 0.000 0.000 0.980
#> SRR1036037 5 0.0693 0.944 0.008 0.012 0.000 0.000 0.980
#> SRR1036038 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036039 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036040 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036041 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036042 4 0.4062 0.747 0.000 0.196 0.040 0.764 0.000
#> SRR1036043 4 0.4062 0.747 0.000 0.196 0.040 0.764 0.000
#> SRR1036044 4 0.4062 0.747 0.000 0.196 0.040 0.764 0.000
#> SRR1036045 4 0.4062 0.747 0.000 0.196 0.040 0.764 0.000
#> SRR1036046 4 0.4062 0.747 0.000 0.196 0.040 0.764 0.000
#> SRR1036047 4 0.4062 0.747 0.000 0.196 0.040 0.764 0.000
#> SRR1036048 4 0.4062 0.747 0.000 0.196 0.040 0.764 0.000
#> SRR1036049 4 0.4062 0.747 0.000 0.196 0.040 0.764 0.000
#> SRR1036050 1 0.0162 0.943 0.996 0.000 0.000 0.000 0.004
#> SRR1036051 1 0.0162 0.943 0.996 0.000 0.000 0.000 0.004
#> SRR1036052 1 0.0162 0.943 0.996 0.000 0.000 0.000 0.004
#> SRR1036053 1 0.0162 0.943 0.996 0.000 0.000 0.000 0.004
#> SRR1036054 1 0.0162 0.943 0.996 0.000 0.000 0.000 0.004
#> SRR1036055 1 0.0566 0.944 0.984 0.000 0.000 0.012 0.004
#> SRR1036056 1 0.0566 0.944 0.984 0.000 0.000 0.012 0.004
#> SRR1036057 1 0.0566 0.944 0.984 0.000 0.000 0.012 0.004
#> SRR1036058 4 0.4713 0.646 0.000 0.440 0.000 0.544 0.016
#> SRR1036059 4 0.4713 0.646 0.000 0.440 0.000 0.544 0.016
#> SRR1036060 4 0.4713 0.646 0.000 0.440 0.000 0.544 0.016
#> SRR1036061 4 0.4713 0.646 0.000 0.440 0.000 0.544 0.016
#> SRR1036062 4 0.4713 0.646 0.000 0.440 0.000 0.544 0.016
#> SRR1036063 4 0.4713 0.646 0.000 0.440 0.000 0.544 0.016
#> SRR1036064 4 0.4713 0.646 0.000 0.440 0.000 0.544 0.016
#> SRR1036065 4 0.4713 0.646 0.000 0.440 0.000 0.544 0.016
#> SRR1036066 1 0.2233 0.907 0.904 0.000 0.000 0.080 0.016
#> SRR1036067 1 0.2233 0.907 0.904 0.000 0.000 0.080 0.016
#> SRR1036068 1 0.2233 0.907 0.904 0.000 0.000 0.080 0.016
#> SRR1036069 1 0.2233 0.907 0.904 0.000 0.000 0.080 0.016
#> SRR1036070 1 0.2233 0.907 0.904 0.000 0.000 0.080 0.016
#> SRR1036071 1 0.2233 0.907 0.904 0.000 0.000 0.080 0.016
#> SRR1036072 1 0.2233 0.907 0.904 0.000 0.000 0.080 0.016
#> SRR1036073 1 0.2233 0.907 0.904 0.000 0.000 0.080 0.016
#> SRR1036074 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036075 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036076 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036077 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036078 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036079 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036080 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036081 2 0.1197 0.760 0.000 0.952 0.000 0.048 0.000
#> SRR1036082 4 0.4276 0.696 0.000 0.380 0.000 0.616 0.004
#> SRR1036083 4 0.4276 0.696 0.000 0.380 0.000 0.616 0.004
#> SRR1036084 4 0.4276 0.696 0.000 0.380 0.000 0.616 0.004
#> SRR1036090 2 0.2300 0.737 0.000 0.908 0.000 0.040 0.052
#> SRR1036091 2 0.2300 0.737 0.000 0.908 0.000 0.040 0.052
#> SRR1036092 2 0.2300 0.737 0.000 0.908 0.000 0.040 0.052
#> SRR1036093 2 0.2300 0.737 0.000 0.908 0.000 0.040 0.052
#> SRR1036094 2 0.2300 0.737 0.000 0.908 0.000 0.040 0.052
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036095 2 0.4258 0.638 0.000 0.768 0.000 0.072 0.160
#> SRR1036096 2 0.4258 0.638 0.000 0.768 0.000 0.072 0.160
#> SRR1036097 2 0.4258 0.638 0.000 0.768 0.000 0.072 0.160
#> SRR1036098 2 0.4258 0.638 0.000 0.768 0.000 0.072 0.160
#> SRR1036099 2 0.4258 0.638 0.000 0.768 0.000 0.072 0.160
#> SRR1036100 2 0.0404 0.758 0.000 0.988 0.000 0.012 0.000
#> SRR1036101 2 0.0404 0.758 0.000 0.988 0.000 0.012 0.000
#> SRR1036102 2 0.0404 0.758 0.000 0.988 0.000 0.012 0.000
#> SRR1036103 2 0.0404 0.758 0.000 0.988 0.000 0.012 0.000
#> SRR1036104 2 0.0404 0.758 0.000 0.988 0.000 0.012 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.2929 0.766 0.000 0.180 0.000 0.820 0.000
#> SRR1036111 4 0.2929 0.766 0.000 0.180 0.000 0.820 0.000
#> SRR1036112 4 0.2929 0.766 0.000 0.180 0.000 0.820 0.000
#> SRR1036113 4 0.2929 0.766 0.000 0.180 0.000 0.820 0.000
#> SRR1036114 4 0.2929 0.766 0.000 0.180 0.000 0.820 0.000
#> SRR1036115 1 0.3694 0.796 0.796 0.000 0.000 0.032 0.172
#> SRR1036116 1 0.3694 0.796 0.796 0.000 0.000 0.032 0.172
#> SRR1036117 1 0.3694 0.796 0.796 0.000 0.000 0.032 0.172
#> SRR1036118 1 0.3694 0.796 0.796 0.000 0.000 0.032 0.172
#> SRR1036119 1 0.3694 0.796 0.796 0.000 0.000 0.032 0.172
#> SRR1036120 1 0.1430 0.921 0.944 0.000 0.052 0.000 0.004
#> SRR1036121 1 0.1430 0.921 0.944 0.000 0.052 0.000 0.004
#> SRR1036122 1 0.1430 0.921 0.944 0.000 0.052 0.000 0.004
#> SRR1036123 1 0.1430 0.921 0.944 0.000 0.052 0.000 0.004
#> SRR1036124 1 0.1430 0.921 0.944 0.000 0.052 0.000 0.004
#> SRR1036125 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036126 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036127 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036128 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036129 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036130 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036131 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036132 1 0.0671 0.944 0.980 0.000 0.000 0.016 0.004
#> SRR1036133 5 0.3216 0.909 0.000 0.108 0.000 0.044 0.848
#> SRR1036134 5 0.3216 0.909 0.000 0.108 0.000 0.044 0.848
#> SRR1036135 5 0.3216 0.909 0.000 0.108 0.000 0.044 0.848
#> SRR1036136 5 0.3216 0.909 0.000 0.108 0.000 0.044 0.848
#> SRR1036137 5 0.3216 0.909 0.000 0.108 0.000 0.044 0.848
#> SRR1036138 2 0.6194 0.124 0.000 0.472 0.000 0.388 0.140
#> SRR1036139 2 0.6194 0.124 0.000 0.472 0.000 0.388 0.140
#> SRR1036140 2 0.6194 0.124 0.000 0.472 0.000 0.388 0.140
#> SRR1036141 2 0.6194 0.124 0.000 0.472 0.000 0.388 0.140
#> SRR1036142 2 0.6194 0.124 0.000 0.472 0.000 0.388 0.140
#> SRR1036143 2 0.6194 0.124 0.000 0.472 0.000 0.388 0.140
#> SRR1036144 2 0.6194 0.124 0.000 0.472 0.000 0.388 0.140
#> SRR1036145 2 0.6194 0.124 0.000 0.472 0.000 0.388 0.140
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.0363 0.991 0.000 0.000 0.988 0.000 0.000 NA
#> SRR1036003 3 0.0363 0.991 0.000 0.000 0.988 0.000 0.000 NA
#> SRR1036004 3 0.0363 0.991 0.000 0.000 0.988 0.000 0.000 NA
#> SRR1036005 3 0.0291 0.994 0.000 0.000 0.992 0.004 0.000 NA
#> SRR1036006 3 0.0291 0.994 0.000 0.000 0.992 0.004 0.000 NA
#> SRR1036007 3 0.0291 0.994 0.000 0.000 0.992 0.004 0.000 NA
#> SRR1036008 3 0.0291 0.994 0.000 0.000 0.992 0.004 0.000 NA
#> SRR1036009 3 0.0291 0.994 0.000 0.000 0.992 0.004 0.000 NA
#> SRR1036013 4 0.3522 0.687 0.000 0.000 0.000 0.800 0.072 NA
#> SRR1036014 4 0.3522 0.687 0.000 0.000 0.000 0.800 0.072 NA
#> SRR1036015 4 0.3522 0.687 0.000 0.000 0.000 0.800 0.072 NA
#> SRR1036016 4 0.3522 0.687 0.000 0.000 0.000 0.800 0.072 NA
#> SRR1036017 4 0.3522 0.687 0.000 0.000 0.000 0.800 0.072 NA
#> SRR1036018 4 0.3522 0.687 0.000 0.000 0.000 0.800 0.072 NA
#> SRR1036010 1 0.0146 0.905 0.996 0.000 0.000 0.004 0.000 NA
#> SRR1036011 1 0.0146 0.905 0.996 0.000 0.000 0.004 0.000 NA
#> SRR1036012 1 0.0146 0.905 0.996 0.000 0.000 0.004 0.000 NA
#> SRR1036019 5 0.1719 0.857 0.000 0.000 0.000 0.060 0.924 NA
#> SRR1036020 5 0.1719 0.857 0.000 0.000 0.000 0.060 0.924 NA
#> SRR1036021 5 0.1719 0.857 0.000 0.000 0.000 0.060 0.924 NA
#> SRR1036022 5 0.1719 0.857 0.000 0.000 0.000 0.060 0.924 NA
#> SRR1036023 5 0.1719 0.857 0.000 0.000 0.000 0.060 0.924 NA
#> SRR1036024 4 0.5609 0.612 0.000 0.000 0.000 0.544 0.220 NA
#> SRR1036025 4 0.5609 0.612 0.000 0.000 0.000 0.544 0.220 NA
#> SRR1036026 4 0.5609 0.612 0.000 0.000 0.000 0.544 0.220 NA
#> SRR1036027 4 0.5609 0.612 0.000 0.000 0.000 0.544 0.220 NA
#> SRR1036028 4 0.5609 0.612 0.000 0.000 0.000 0.544 0.220 NA
#> SRR1036029 4 0.5609 0.612 0.000 0.000 0.000 0.544 0.220 NA
#> SRR1036030 2 0.0000 0.927 0.000 1.000 0.000 0.000 0.000 NA
#> SRR1036031 2 0.0000 0.927 0.000 1.000 0.000 0.000 0.000 NA
#> SRR1036032 2 0.0000 0.927 0.000 1.000 0.000 0.000 0.000 NA
#> SRR1036033 2 0.0000 0.927 0.000 1.000 0.000 0.000 0.000 NA
#> SRR1036034 2 0.0000 0.927 0.000 1.000 0.000 0.000 0.000 NA
#> SRR1036035 2 0.0000 0.927 0.000 1.000 0.000 0.000 0.000 NA
#> SRR1036036 2 0.0000 0.927 0.000 1.000 0.000 0.000 0.000 NA
#> SRR1036037 2 0.0000 0.927 0.000 1.000 0.000 0.000 0.000 NA
#> SRR1036038 1 0.0935 0.907 0.964 0.000 0.000 0.004 0.000 NA
#> SRR1036039 1 0.0935 0.907 0.964 0.000 0.000 0.004 0.000 NA
#> SRR1036040 1 0.0935 0.907 0.964 0.000 0.000 0.004 0.000 NA
#> SRR1036041 1 0.0935 0.906 0.964 0.000 0.000 0.004 0.000 NA
#> SRR1036042 4 0.1785 0.682 0.000 0.000 0.016 0.928 0.048 NA
#> SRR1036043 4 0.1785 0.682 0.000 0.000 0.016 0.928 0.048 NA
#> SRR1036044 4 0.1785 0.682 0.000 0.000 0.016 0.928 0.048 NA
#> SRR1036045 4 0.1785 0.682 0.000 0.000 0.016 0.928 0.048 NA
#> SRR1036046 4 0.1785 0.682 0.000 0.000 0.016 0.928 0.048 NA
#> SRR1036047 4 0.1785 0.682 0.000 0.000 0.016 0.928 0.048 NA
#> SRR1036048 4 0.1785 0.682 0.000 0.000 0.016 0.928 0.048 NA
#> SRR1036049 4 0.1785 0.682 0.000 0.000 0.016 0.928 0.048 NA
#> SRR1036050 1 0.0146 0.905 0.996 0.000 0.000 0.004 0.000 NA
#> SRR1036051 1 0.0146 0.905 0.996 0.000 0.000 0.004 0.000 NA
#> SRR1036052 1 0.0146 0.905 0.996 0.000 0.000 0.004 0.000 NA
#> SRR1036053 1 0.0146 0.905 0.996 0.000 0.000 0.004 0.000 NA
#> SRR1036054 1 0.0146 0.905 0.996 0.000 0.000 0.004 0.000 NA
#> SRR1036055 1 0.0858 0.907 0.968 0.000 0.000 0.004 0.000 NA
#> SRR1036056 1 0.0858 0.907 0.968 0.000 0.000 0.004 0.000 NA
#> SRR1036057 1 0.0858 0.907 0.968 0.000 0.000 0.004 0.000 NA
#> SRR1036058 4 0.6005 0.569 0.000 0.012 0.000 0.516 0.232 NA
#> SRR1036059 4 0.6005 0.569 0.000 0.012 0.000 0.516 0.232 NA
#> SRR1036060 4 0.6005 0.569 0.000 0.012 0.000 0.516 0.232 NA
#> SRR1036061 4 0.6005 0.569 0.000 0.012 0.000 0.516 0.232 NA
#> SRR1036062 4 0.6005 0.569 0.000 0.012 0.000 0.516 0.232 NA
#> SRR1036063 4 0.6005 0.569 0.000 0.012 0.000 0.516 0.232 NA
#> SRR1036064 4 0.6005 0.569 0.000 0.012 0.000 0.516 0.232 NA
#> SRR1036065 4 0.6005 0.569 0.000 0.012 0.000 0.516 0.232 NA
#> SRR1036066 1 0.2854 0.807 0.792 0.000 0.000 0.000 0.000 NA
#> SRR1036067 1 0.2854 0.807 0.792 0.000 0.000 0.000 0.000 NA
#> SRR1036068 1 0.2854 0.807 0.792 0.000 0.000 0.000 0.000 NA
#> SRR1036069 1 0.2854 0.807 0.792 0.000 0.000 0.000 0.000 NA
#> SRR1036070 1 0.2854 0.807 0.792 0.000 0.000 0.000 0.000 NA
#> SRR1036071 1 0.2854 0.807 0.792 0.000 0.000 0.000 0.000 NA
#> SRR1036072 1 0.2854 0.807 0.792 0.000 0.000 0.000 0.000 NA
#> SRR1036073 1 0.2854 0.807 0.792 0.000 0.000 0.000 0.000 NA
#> SRR1036074 5 0.1204 0.862 0.000 0.000 0.000 0.056 0.944 NA
#> SRR1036075 5 0.1204 0.862 0.000 0.000 0.000 0.056 0.944 NA
#> SRR1036076 5 0.1204 0.862 0.000 0.000 0.000 0.056 0.944 NA
#> SRR1036077 5 0.1204 0.862 0.000 0.000 0.000 0.056 0.944 NA
#> SRR1036078 5 0.1204 0.862 0.000 0.000 0.000 0.056 0.944 NA
#> SRR1036079 5 0.1204 0.862 0.000 0.000 0.000 0.056 0.944 NA
#> SRR1036080 5 0.1204 0.862 0.000 0.000 0.000 0.056 0.944 NA
#> SRR1036081 5 0.1204 0.862 0.000 0.000 0.000 0.056 0.944 NA
#> SRR1036082 4 0.5562 0.518 0.000 0.000 0.000 0.532 0.300 NA
#> SRR1036083 4 0.5562 0.518 0.000 0.000 0.000 0.532 0.300 NA
#> SRR1036084 4 0.5562 0.518 0.000 0.000 0.000 0.532 0.300 NA
#> SRR1036090 5 0.3724 0.772 0.000 0.020 0.000 0.024 0.780 NA
#> SRR1036091 5 0.3724 0.772 0.000 0.020 0.000 0.024 0.780 NA
#> SRR1036092 5 0.3724 0.772 0.000 0.020 0.000 0.024 0.780 NA
#> SRR1036093 5 0.3724 0.772 0.000 0.020 0.000 0.024 0.780 NA
#> SRR1036094 5 0.3724 0.772 0.000 0.020 0.000 0.024 0.780 NA
#> SRR1036085 3 0.0146 0.995 0.000 0.000 0.996 0.000 0.000 NA
#> SRR1036086 3 0.0146 0.995 0.000 0.000 0.996 0.000 0.000 NA
#> SRR1036087 3 0.0146 0.995 0.000 0.000 0.996 0.000 0.000 NA
#> SRR1036088 3 0.0146 0.995 0.000 0.000 0.996 0.000 0.000 NA
#> SRR1036089 3 0.0146 0.995 0.000 0.000 0.996 0.000 0.000 NA
#> SRR1036095 5 0.5219 0.647 0.000 0.080 0.000 0.028 0.640 NA
#> SRR1036096 5 0.5219 0.647 0.000 0.080 0.000 0.028 0.640 NA
#> SRR1036097 5 0.5219 0.647 0.000 0.080 0.000 0.028 0.640 NA
#> SRR1036098 5 0.5219 0.647 0.000 0.080 0.000 0.028 0.640 NA
#> SRR1036099 5 0.5219 0.647 0.000 0.080 0.000 0.028 0.640 NA
#> SRR1036100 5 0.1059 0.857 0.000 0.004 0.000 0.016 0.964 NA
#> SRR1036101 5 0.1059 0.857 0.000 0.004 0.000 0.016 0.964 NA
#> SRR1036102 5 0.1059 0.857 0.000 0.004 0.000 0.016 0.964 NA
#> SRR1036103 5 0.1059 0.857 0.000 0.004 0.000 0.016 0.964 NA
#> SRR1036104 5 0.1059 0.857 0.000 0.004 0.000 0.016 0.964 NA
#> SRR1036105 3 0.0000 0.995 0.000 0.000 1.000 0.000 0.000 NA
#> SRR1036106 3 0.0000 0.995 0.000 0.000 1.000 0.000 0.000 NA
#> SRR1036107 3 0.0000 0.995 0.000 0.000 1.000 0.000 0.000 NA
#> SRR1036108 3 0.0000 0.995 0.000 0.000 1.000 0.000 0.000 NA
#> SRR1036109 3 0.0000 0.995 0.000 0.000 1.000 0.000 0.000 NA
#> SRR1036110 4 0.1168 0.690 0.000 0.000 0.000 0.956 0.028 NA
#> SRR1036111 4 0.1168 0.690 0.000 0.000 0.000 0.956 0.028 NA
#> SRR1036112 4 0.1168 0.690 0.000 0.000 0.000 0.956 0.028 NA
#> SRR1036113 4 0.1168 0.690 0.000 0.000 0.000 0.956 0.028 NA
#> SRR1036114 4 0.1168 0.690 0.000 0.000 0.000 0.956 0.028 NA
#> SRR1036115 1 0.5136 0.677 0.684 0.176 0.000 0.016 0.008 NA
#> SRR1036116 1 0.5136 0.677 0.684 0.176 0.000 0.016 0.008 NA
#> SRR1036117 1 0.5136 0.677 0.684 0.176 0.000 0.016 0.008 NA
#> SRR1036118 1 0.5136 0.677 0.684 0.176 0.000 0.016 0.008 NA
#> SRR1036119 1 0.5136 0.677 0.684 0.176 0.000 0.016 0.008 NA
#> SRR1036120 1 0.1296 0.892 0.952 0.000 0.032 0.004 0.000 NA
#> SRR1036121 1 0.1296 0.892 0.952 0.000 0.032 0.004 0.000 NA
#> SRR1036122 1 0.1296 0.892 0.952 0.000 0.032 0.004 0.000 NA
#> SRR1036123 1 0.1296 0.892 0.952 0.000 0.032 0.004 0.000 NA
#> SRR1036124 1 0.1296 0.892 0.952 0.000 0.032 0.004 0.000 NA
#> SRR1036125 1 0.1010 0.907 0.960 0.000 0.000 0.004 0.000 NA
#> SRR1036126 1 0.1010 0.907 0.960 0.000 0.000 0.004 0.000 NA
#> SRR1036127 1 0.1010 0.907 0.960 0.000 0.000 0.004 0.000 NA
#> SRR1036128 1 0.1010 0.907 0.960 0.000 0.000 0.004 0.000 NA
#> SRR1036129 1 0.1010 0.907 0.960 0.000 0.000 0.004 0.000 NA
#> SRR1036130 1 0.1010 0.907 0.960 0.000 0.000 0.004 0.000 NA
#> SRR1036131 1 0.1010 0.907 0.960 0.000 0.000 0.004 0.000 NA
#> SRR1036132 1 0.1010 0.907 0.960 0.000 0.000 0.004 0.000 NA
#> SRR1036133 2 0.3752 0.880 0.000 0.760 0.000 0.004 0.036 NA
#> SRR1036134 2 0.3752 0.880 0.000 0.760 0.000 0.004 0.036 NA
#> SRR1036135 2 0.3752 0.880 0.000 0.760 0.000 0.004 0.036 NA
#> SRR1036136 2 0.3752 0.880 0.000 0.760 0.000 0.004 0.036 NA
#> SRR1036137 2 0.3752 0.880 0.000 0.760 0.000 0.004 0.036 NA
#> SRR1036138 4 0.7152 0.330 0.000 0.080 0.000 0.364 0.284 NA
#> SRR1036139 4 0.7152 0.330 0.000 0.080 0.000 0.364 0.284 NA
#> SRR1036140 4 0.7152 0.330 0.000 0.080 0.000 0.364 0.284 NA
#> SRR1036141 4 0.7152 0.330 0.000 0.080 0.000 0.364 0.284 NA
#> SRR1036142 4 0.7152 0.330 0.000 0.080 0.000 0.364 0.284 NA
#> SRR1036143 4 0.7152 0.330 0.000 0.080 0.000 0.364 0.284 NA
#> SRR1036144 4 0.7152 0.330 0.000 0.080 0.000 0.364 0.284 NA
#> SRR1036145 4 0.7152 0.330 0.000 0.080 0.000 0.364 0.284 NA
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["ATC", "pam"]
# you can also extract it by
# res = res_list["ATC:pam"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'ATC' method.
#> Subgroups are detected by 'pam' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 4.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.757 0.839 0.936 0.376 0.676 0.676
#> 3 3 0.879 0.915 0.962 0.407 0.783 0.684
#> 4 4 0.978 0.927 0.957 0.125 0.902 0.800
#> 5 5 0.881 0.884 0.914 0.103 0.896 0.744
#> 6 6 0.800 0.915 0.912 0.150 0.906 0.695
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 4
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.939 0.4798 0.356 0.644
#> SRR1036003 2 0.946 0.4646 0.364 0.636
#> SRR1036004 2 0.917 0.5230 0.332 0.668
#> SRR1036005 2 0.000 0.9199 0.000 1.000
#> SRR1036006 2 0.000 0.9199 0.000 1.000
#> SRR1036007 2 0.000 0.9199 0.000 1.000
#> SRR1036008 2 0.000 0.9199 0.000 1.000
#> SRR1036009 2 0.000 0.9199 0.000 1.000
#> SRR1036013 2 0.000 0.9199 0.000 1.000
#> SRR1036014 2 0.000 0.9199 0.000 1.000
#> SRR1036015 2 0.000 0.9199 0.000 1.000
#> SRR1036016 2 0.000 0.9199 0.000 1.000
#> SRR1036017 2 0.000 0.9199 0.000 1.000
#> SRR1036018 2 0.000 0.9199 0.000 1.000
#> SRR1036010 1 0.000 0.9669 1.000 0.000
#> SRR1036011 1 0.000 0.9669 1.000 0.000
#> SRR1036012 1 0.000 0.9669 1.000 0.000
#> SRR1036019 2 0.000 0.9199 0.000 1.000
#> SRR1036020 2 0.000 0.9199 0.000 1.000
#> SRR1036021 2 0.000 0.9199 0.000 1.000
#> SRR1036022 2 0.000 0.9199 0.000 1.000
#> SRR1036023 2 0.000 0.9199 0.000 1.000
#> SRR1036024 2 0.000 0.9199 0.000 1.000
#> SRR1036025 2 0.000 0.9199 0.000 1.000
#> SRR1036026 2 0.000 0.9199 0.000 1.000
#> SRR1036027 2 0.000 0.9199 0.000 1.000
#> SRR1036028 2 0.000 0.9199 0.000 1.000
#> SRR1036029 2 0.000 0.9199 0.000 1.000
#> SRR1036030 2 0.000 0.9199 0.000 1.000
#> SRR1036031 2 0.000 0.9199 0.000 1.000
#> SRR1036032 2 0.000 0.9199 0.000 1.000
#> SRR1036033 2 0.000 0.9199 0.000 1.000
#> SRR1036034 2 0.000 0.9199 0.000 1.000
#> SRR1036035 2 0.000 0.9199 0.000 1.000
#> SRR1036036 2 0.000 0.9199 0.000 1.000
#> SRR1036037 2 0.000 0.9199 0.000 1.000
#> SRR1036038 1 0.574 0.8219 0.864 0.136
#> SRR1036039 1 0.574 0.8219 0.864 0.136
#> SRR1036040 1 0.574 0.8219 0.864 0.136
#> SRR1036041 1 0.000 0.9669 1.000 0.000
#> SRR1036042 2 0.000 0.9199 0.000 1.000
#> SRR1036043 2 0.000 0.9199 0.000 1.000
#> SRR1036044 2 0.000 0.9199 0.000 1.000
#> SRR1036045 2 0.000 0.9199 0.000 1.000
#> SRR1036046 2 0.000 0.9199 0.000 1.000
#> SRR1036047 2 0.000 0.9199 0.000 1.000
#> SRR1036048 2 0.000 0.9199 0.000 1.000
#> SRR1036049 2 0.000 0.9199 0.000 1.000
#> SRR1036050 1 0.000 0.9669 1.000 0.000
#> SRR1036051 1 0.000 0.9669 1.000 0.000
#> SRR1036052 1 0.000 0.9669 1.000 0.000
#> SRR1036053 1 0.000 0.9669 1.000 0.000
#> SRR1036054 1 0.000 0.9669 1.000 0.000
#> SRR1036055 1 0.000 0.9669 1.000 0.000
#> SRR1036056 1 0.000 0.9669 1.000 0.000
#> SRR1036057 1 0.000 0.9669 1.000 0.000
#> SRR1036058 2 0.000 0.9199 0.000 1.000
#> SRR1036059 2 0.000 0.9199 0.000 1.000
#> SRR1036060 2 0.000 0.9199 0.000 1.000
#> SRR1036061 2 0.000 0.9199 0.000 1.000
#> SRR1036062 2 0.000 0.9199 0.000 1.000
#> SRR1036063 2 0.000 0.9199 0.000 1.000
#> SRR1036064 2 0.000 0.9199 0.000 1.000
#> SRR1036065 2 0.000 0.9199 0.000 1.000
#> SRR1036066 2 0.983 0.3383 0.424 0.576
#> SRR1036067 2 0.983 0.3383 0.424 0.576
#> SRR1036068 2 0.983 0.3383 0.424 0.576
#> SRR1036069 2 0.983 0.3383 0.424 0.576
#> SRR1036070 2 0.983 0.3383 0.424 0.576
#> SRR1036071 2 0.983 0.3383 0.424 0.576
#> SRR1036072 2 0.983 0.3383 0.424 0.576
#> SRR1036073 2 0.983 0.3383 0.424 0.576
#> SRR1036074 2 0.000 0.9199 0.000 1.000
#> SRR1036075 2 0.000 0.9199 0.000 1.000
#> SRR1036076 2 0.000 0.9199 0.000 1.000
#> SRR1036077 2 0.000 0.9199 0.000 1.000
#> SRR1036078 2 0.000 0.9199 0.000 1.000
#> SRR1036079 2 0.000 0.9199 0.000 1.000
#> SRR1036080 2 0.000 0.9199 0.000 1.000
#> SRR1036081 2 0.000 0.9199 0.000 1.000
#> SRR1036082 2 0.000 0.9199 0.000 1.000
#> SRR1036083 2 0.000 0.9199 0.000 1.000
#> SRR1036084 2 0.000 0.9199 0.000 1.000
#> SRR1036090 2 0.000 0.9199 0.000 1.000
#> SRR1036091 2 0.000 0.9199 0.000 1.000
#> SRR1036092 2 0.000 0.9199 0.000 1.000
#> SRR1036093 2 0.000 0.9199 0.000 1.000
#> SRR1036094 2 0.000 0.9199 0.000 1.000
#> SRR1036085 2 0.983 0.3383 0.424 0.576
#> SRR1036086 2 0.983 0.3383 0.424 0.576
#> SRR1036087 2 0.983 0.3383 0.424 0.576
#> SRR1036088 2 0.983 0.3383 0.424 0.576
#> SRR1036089 2 0.983 0.3383 0.424 0.576
#> SRR1036095 2 0.000 0.9199 0.000 1.000
#> SRR1036096 2 0.000 0.9199 0.000 1.000
#> SRR1036097 2 0.000 0.9199 0.000 1.000
#> SRR1036098 2 0.000 0.9199 0.000 1.000
#> SRR1036099 2 0.000 0.9199 0.000 1.000
#> SRR1036100 2 0.000 0.9199 0.000 1.000
#> SRR1036101 2 0.000 0.9199 0.000 1.000
#> SRR1036102 2 0.000 0.9199 0.000 1.000
#> SRR1036103 2 0.000 0.9199 0.000 1.000
#> SRR1036104 2 0.000 0.9199 0.000 1.000
#> SRR1036105 2 0.000 0.9199 0.000 1.000
#> SRR1036106 2 0.000 0.9199 0.000 1.000
#> SRR1036107 2 0.000 0.9199 0.000 1.000
#> SRR1036108 2 0.000 0.9199 0.000 1.000
#> SRR1036109 2 0.000 0.9199 0.000 1.000
#> SRR1036110 2 0.000 0.9199 0.000 1.000
#> SRR1036111 2 0.000 0.9199 0.000 1.000
#> SRR1036112 2 0.000 0.9199 0.000 1.000
#> SRR1036113 2 0.000 0.9199 0.000 1.000
#> SRR1036114 2 0.000 0.9199 0.000 1.000
#> SRR1036115 2 0.995 0.1543 0.460 0.540
#> SRR1036116 2 0.991 0.2115 0.444 0.556
#> SRR1036117 2 0.999 0.0773 0.484 0.516
#> SRR1036118 2 0.987 0.2482 0.432 0.568
#> SRR1036119 1 0.980 0.2429 0.584 0.416
#> SRR1036120 1 0.000 0.9669 1.000 0.000
#> SRR1036121 1 0.000 0.9669 1.000 0.000
#> SRR1036122 1 0.000 0.9669 1.000 0.000
#> SRR1036123 1 0.000 0.9669 1.000 0.000
#> SRR1036124 1 0.000 0.9669 1.000 0.000
#> SRR1036125 1 0.000 0.9669 1.000 0.000
#> SRR1036126 1 0.000 0.9669 1.000 0.000
#> SRR1036127 1 0.000 0.9669 1.000 0.000
#> SRR1036128 1 0.000 0.9669 1.000 0.000
#> SRR1036129 1 0.000 0.9669 1.000 0.000
#> SRR1036130 1 0.000 0.9669 1.000 0.000
#> SRR1036131 1 0.000 0.9669 1.000 0.000
#> SRR1036132 1 0.000 0.9669 1.000 0.000
#> SRR1036133 2 0.000 0.9199 0.000 1.000
#> SRR1036134 2 0.000 0.9199 0.000 1.000
#> SRR1036135 2 0.000 0.9199 0.000 1.000
#> SRR1036136 2 0.000 0.9199 0.000 1.000
#> SRR1036137 2 0.000 0.9199 0.000 1.000
#> SRR1036138 2 0.000 0.9199 0.000 1.000
#> SRR1036139 2 0.000 0.9199 0.000 1.000
#> SRR1036140 2 0.000 0.9199 0.000 1.000
#> SRR1036141 2 0.000 0.9199 0.000 1.000
#> SRR1036142 2 0.000 0.9199 0.000 1.000
#> SRR1036143 2 0.000 0.9199 0.000 1.000
#> SRR1036144 2 0.000 0.9199 0.000 1.000
#> SRR1036145 2 0.000 0.9199 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036003 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036004 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036005 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036006 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036007 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036008 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036009 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036013 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036014 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036015 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036016 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036017 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036018 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036010 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036011 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036012 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036019 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036020 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036021 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036022 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036023 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036024 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036025 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036026 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036027 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036028 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036029 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036030 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036031 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036032 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036033 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036034 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036035 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036036 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036037 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036038 1 0.343 0.839 0.904 0.032 0.064
#> SRR1036039 1 0.343 0.839 0.904 0.032 0.064
#> SRR1036040 1 0.343 0.839 0.904 0.032 0.064
#> SRR1036041 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036042 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036043 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036044 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036045 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036046 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036047 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036048 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036049 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036050 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036051 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036052 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036053 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036054 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036055 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036056 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036057 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036058 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036059 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036060 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036061 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036062 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036063 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036064 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036065 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036066 2 0.689 0.616 0.228 0.708 0.064
#> SRR1036067 2 0.698 0.602 0.236 0.700 0.064
#> SRR1036068 2 0.694 0.609 0.232 0.704 0.064
#> SRR1036069 2 0.698 0.602 0.236 0.700 0.064
#> SRR1036070 2 0.694 0.609 0.232 0.704 0.064
#> SRR1036071 2 0.720 0.555 0.260 0.676 0.064
#> SRR1036072 2 0.716 0.564 0.256 0.680 0.064
#> SRR1036073 2 0.694 0.609 0.232 0.704 0.064
#> SRR1036074 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036075 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036076 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036077 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036078 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036079 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036080 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036081 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036082 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036083 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036084 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036090 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036091 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036092 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036093 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036094 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036085 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036086 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036087 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036088 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036089 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036095 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036096 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036097 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036098 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036099 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036100 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036101 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036102 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036103 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036104 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036105 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036106 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036107 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036108 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036109 3 0.000 1.000 0.000 0.000 1.000
#> SRR1036110 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036111 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036112 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036113 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036114 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036115 1 0.588 0.715 0.788 0.148 0.064
#> SRR1036116 1 0.612 0.692 0.772 0.164 0.064
#> SRR1036117 1 0.529 0.761 0.824 0.112 0.064
#> SRR1036118 1 0.617 0.686 0.768 0.168 0.064
#> SRR1036119 1 0.419 0.817 0.876 0.060 0.064
#> SRR1036120 1 0.597 0.480 0.636 0.000 0.364
#> SRR1036121 1 0.597 0.480 0.636 0.000 0.364
#> SRR1036122 1 0.597 0.480 0.636 0.000 0.364
#> SRR1036123 1 0.597 0.480 0.636 0.000 0.364
#> SRR1036124 1 0.597 0.480 0.636 0.000 0.364
#> SRR1036125 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036126 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036127 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036128 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036129 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036130 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036131 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036132 1 0.000 0.889 1.000 0.000 0.000
#> SRR1036133 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036134 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036135 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036136 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036137 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036138 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036139 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036140 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036141 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036142 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036143 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036144 2 0.000 0.973 0.000 1.000 0.000
#> SRR1036145 2 0.000 0.973 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036003 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036004 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036013 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036014 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036015 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036016 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036017 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036018 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036010 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036011 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036012 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036019 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036020 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036021 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036022 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036023 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036024 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036025 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036026 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036027 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036028 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036029 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036030 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036031 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036032 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036033 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036034 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036035 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036036 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036037 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036038 4 0.4522 0.734 0.320 0.000 0.000 0.680
#> SRR1036039 4 0.4406 0.739 0.300 0.000 0.000 0.700
#> SRR1036040 4 0.4543 0.732 0.324 0.000 0.000 0.676
#> SRR1036041 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036042 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036043 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036044 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036045 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036046 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036047 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036048 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036049 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036050 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036051 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036052 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036053 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036054 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036055 4 0.4948 0.622 0.440 0.000 0.000 0.560
#> SRR1036056 4 0.4981 0.582 0.464 0.000 0.000 0.536
#> SRR1036057 4 0.4994 0.551 0.480 0.000 0.000 0.520
#> SRR1036058 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036059 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036060 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036061 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036062 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036063 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036064 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036065 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036066 4 0.0000 0.744 0.000 0.000 0.000 1.000
#> SRR1036067 4 0.0000 0.744 0.000 0.000 0.000 1.000
#> SRR1036068 4 0.0000 0.744 0.000 0.000 0.000 1.000
#> SRR1036069 4 0.0000 0.744 0.000 0.000 0.000 1.000
#> SRR1036070 4 0.0000 0.744 0.000 0.000 0.000 1.000
#> SRR1036071 4 0.0000 0.744 0.000 0.000 0.000 1.000
#> SRR1036072 4 0.0000 0.744 0.000 0.000 0.000 1.000
#> SRR1036073 4 0.0000 0.744 0.000 0.000 0.000 1.000
#> SRR1036074 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036075 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036076 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036077 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036078 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036079 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036080 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036081 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036082 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036083 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036084 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036090 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036091 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036092 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036093 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036094 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036095 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036096 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036097 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036098 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036099 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036100 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036101 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036102 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036103 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036104 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1.000 0.000
#> SRR1036110 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036111 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036112 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036113 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036114 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036115 4 0.5855 0.707 0.356 0.044 0.000 0.600
#> SRR1036116 4 0.5746 0.716 0.348 0.040 0.000 0.612
#> SRR1036117 4 0.5746 0.716 0.348 0.040 0.000 0.612
#> SRR1036118 4 0.5807 0.715 0.344 0.044 0.000 0.612
#> SRR1036119 4 0.5855 0.707 0.356 0.044 0.000 0.600
#> SRR1036120 1 0.4697 0.499 0.644 0.000 0.356 0.000
#> SRR1036121 1 0.4697 0.499 0.644 0.000 0.356 0.000
#> SRR1036122 1 0.4697 0.499 0.644 0.000 0.356 0.000
#> SRR1036123 1 0.4697 0.499 0.644 0.000 0.356 0.000
#> SRR1036124 1 0.4697 0.499 0.644 0.000 0.356 0.000
#> SRR1036125 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.866 1.000 0.000 0.000 0.000
#> SRR1036133 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036134 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036135 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036136 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036137 2 0.0336 0.993 0.000 0.992 0.000 0.008
#> SRR1036138 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036139 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036140 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036141 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036142 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036143 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036144 2 0.0000 0.999 0.000 1.000 0.000 0.000
#> SRR1036145 2 0.0000 0.999 0.000 1.000 0.000 0.000
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036003 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036004 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036005 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036006 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036007 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036008 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036009 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036013 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036014 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036015 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036016 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036017 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036018 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036010 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036011 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036012 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036019 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036020 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036021 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036022 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036023 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036024 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036025 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036026 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036027 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036028 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036029 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036030 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036031 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036032 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036033 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036034 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036035 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036036 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036037 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036038 5 0.4268 0.628 0.344 0.008 0 0.000 0.648
#> SRR1036039 5 0.4183 0.644 0.324 0.008 0 0.000 0.668
#> SRR1036040 5 0.4283 0.624 0.348 0.008 0 0.000 0.644
#> SRR1036041 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036042 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036043 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036044 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036045 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036046 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036047 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036048 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036049 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036050 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036051 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036052 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036053 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036054 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036055 5 0.4256 0.512 0.436 0.000 0 0.000 0.564
#> SRR1036056 5 0.4273 0.491 0.448 0.000 0 0.000 0.552
#> SRR1036057 5 0.4291 0.457 0.464 0.000 0 0.000 0.536
#> SRR1036058 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036059 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036060 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036061 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036062 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036063 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036064 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036065 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036066 5 0.0000 0.794 0.000 0.000 0 0.000 1.000
#> SRR1036067 5 0.0000 0.794 0.000 0.000 0 0.000 1.000
#> SRR1036068 5 0.0000 0.794 0.000 0.000 0 0.000 1.000
#> SRR1036069 5 0.0000 0.794 0.000 0.000 0 0.000 1.000
#> SRR1036070 5 0.0000 0.794 0.000 0.000 0 0.000 1.000
#> SRR1036071 5 0.0000 0.794 0.000 0.000 0 0.000 1.000
#> SRR1036072 5 0.0000 0.794 0.000 0.000 0 0.000 1.000
#> SRR1036073 5 0.0000 0.794 0.000 0.000 0 0.000 1.000
#> SRR1036074 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036075 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036076 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036077 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036078 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036079 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036080 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036081 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036082 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036083 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036084 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036090 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036091 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036092 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036093 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036094 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036085 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036086 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036087 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036088 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036089 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036095 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036096 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036097 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036098 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036099 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036100 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036101 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036102 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036103 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036104 4 0.0963 0.960 0.000 0.036 0 0.964 0.000
#> SRR1036105 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036106 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036107 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036108 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036109 3 0.0000 1.000 0.000 0.000 1 0.000 0.000
#> SRR1036110 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036111 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036112 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036113 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036114 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036115 2 0.5122 0.175 0.380 0.584 0 0.012 0.024
#> SRR1036116 2 0.5333 0.193 0.368 0.584 0 0.016 0.032
#> SRR1036117 2 0.5251 0.182 0.372 0.584 0 0.012 0.032
#> SRR1036118 2 0.5408 0.201 0.364 0.584 0 0.020 0.032
#> SRR1036119 2 0.5122 0.175 0.380 0.584 0 0.012 0.024
#> SRR1036120 1 0.4126 0.590 0.620 0.380 0 0.000 0.000
#> SRR1036121 1 0.4126 0.590 0.620 0.380 0 0.000 0.000
#> SRR1036122 1 0.4126 0.590 0.620 0.380 0 0.000 0.000
#> SRR1036123 1 0.4126 0.590 0.620 0.380 0 0.000 0.000
#> SRR1036124 1 0.4126 0.590 0.620 0.380 0 0.000 0.000
#> SRR1036125 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036126 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036127 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036128 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036129 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036130 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036131 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036132 1 0.0000 0.887 1.000 0.000 0 0.000 0.000
#> SRR1036133 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036134 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036135 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036136 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036137 2 0.4219 0.778 0.000 0.584 0 0.416 0.000
#> SRR1036138 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036139 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036140 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036141 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036142 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036143 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036144 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
#> SRR1036145 4 0.0000 0.987 0.000 0.000 0 1.000 0.000
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036003 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036004 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036005 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036006 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036007 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036008 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036009 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036013 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036014 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036015 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036016 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036017 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036018 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036010 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036011 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036012 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036019 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036020 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036021 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036022 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036023 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036024 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036025 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036026 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036027 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036028 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036029 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036030 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036031 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036032 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036033 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036034 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036035 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036036 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036037 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036038 6 0.462 0.640 0.304 0.064 0 0.000 0.000 0.632
#> SRR1036039 6 0.462 0.640 0.304 0.064 0 0.000 0.000 0.632
#> SRR1036040 6 0.475 0.627 0.312 0.072 0 0.000 0.000 0.616
#> SRR1036041 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036042 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036043 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036044 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036045 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036046 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036047 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036048 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036049 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036050 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036051 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036052 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036053 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036054 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036055 6 0.383 0.504 0.440 0.000 0 0.000 0.000 0.560
#> SRR1036056 6 0.384 0.483 0.452 0.000 0 0.000 0.000 0.548
#> SRR1036057 6 0.386 0.448 0.468 0.000 0 0.000 0.000 0.532
#> SRR1036058 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036059 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036060 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036061 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036062 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036063 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036064 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036065 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036066 6 0.000 0.797 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036067 6 0.000 0.797 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036068 6 0.000 0.797 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036069 6 0.000 0.797 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036070 6 0.000 0.797 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036071 6 0.000 0.797 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036072 6 0.000 0.797 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036073 6 0.000 0.797 0.000 0.000 0 0.000 0.000 1.000
#> SRR1036074 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036075 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036076 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036077 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036078 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036079 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036080 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036081 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036082 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036083 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036084 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036090 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036091 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036092 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036093 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036094 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036085 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036086 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036087 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036088 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036089 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036095 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036096 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036097 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036098 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036099 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036100 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036101 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036102 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036103 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036104 5 0.218 1.000 0.000 0.000 0 0.132 0.868 0.000
#> SRR1036105 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036106 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036107 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036108 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036109 3 0.000 1.000 0.000 0.000 1 0.000 0.000 0.000
#> SRR1036110 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036111 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036112 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036113 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036114 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036115 2 0.334 0.548 0.260 0.736 0 0.004 0.000 0.000
#> SRR1036116 2 0.342 0.555 0.256 0.736 0 0.008 0.000 0.000
#> SRR1036117 2 0.334 0.548 0.260 0.736 0 0.004 0.000 0.000
#> SRR1036118 2 0.349 0.561 0.252 0.736 0 0.012 0.000 0.000
#> SRR1036119 2 0.322 0.539 0.264 0.736 0 0.000 0.000 0.000
#> SRR1036120 1 0.515 0.590 0.604 0.264 0 0.000 0.132 0.000
#> SRR1036121 1 0.515 0.590 0.604 0.264 0 0.000 0.132 0.000
#> SRR1036122 1 0.515 0.590 0.604 0.264 0 0.000 0.132 0.000
#> SRR1036123 1 0.515 0.590 0.604 0.264 0 0.000 0.132 0.000
#> SRR1036124 1 0.515 0.590 0.604 0.264 0 0.000 0.132 0.000
#> SRR1036125 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036126 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036127 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036128 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036129 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036130 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036131 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036132 1 0.000 0.888 1.000 0.000 0 0.000 0.000 0.000
#> SRR1036133 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036134 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036135 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036136 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036137 2 0.322 0.861 0.000 0.736 0 0.264 0.000 0.000
#> SRR1036138 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036139 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036140 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036141 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036142 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036143 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036144 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
#> SRR1036145 4 0.000 1.000 0.000 0.000 0 1.000 0.000 0.000
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["ATC", "mclust"]
# you can also extract it by
# res = res_list["ATC:mclust"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'ATC' method.
#> Subgroups are detected by 'mclust' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 4.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 0.510 0.898 0.914 0.4385 0.539 0.539
#> 3 3 0.711 0.907 0.922 0.3926 0.777 0.615
#> 4 4 0.798 0.898 0.935 0.1465 0.916 0.787
#> 5 5 0.818 0.917 0.955 0.0294 0.982 0.943
#> 6 6 0.767 0.595 0.773 0.0962 0.892 0.633
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 4
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 1 0.0000 0.964 1.000 0.000
#> SRR1036003 1 0.0000 0.964 1.000 0.000
#> SRR1036004 1 0.0000 0.964 1.000 0.000
#> SRR1036005 1 0.0000 0.964 1.000 0.000
#> SRR1036006 1 0.0000 0.964 1.000 0.000
#> SRR1036007 1 0.0000 0.964 1.000 0.000
#> SRR1036008 1 0.0000 0.964 1.000 0.000
#> SRR1036009 1 0.0000 0.964 1.000 0.000
#> SRR1036013 2 0.6712 0.905 0.176 0.824
#> SRR1036014 2 0.6712 0.905 0.176 0.824
#> SRR1036015 2 0.6712 0.905 0.176 0.824
#> SRR1036016 2 0.6712 0.905 0.176 0.824
#> SRR1036017 2 0.6712 0.905 0.176 0.824
#> SRR1036018 2 0.6712 0.905 0.176 0.824
#> SRR1036010 1 0.0000 0.964 1.000 0.000
#> SRR1036011 1 0.0000 0.964 1.000 0.000
#> SRR1036012 1 0.0000 0.964 1.000 0.000
#> SRR1036019 2 0.7056 0.903 0.192 0.808
#> SRR1036020 2 0.7056 0.903 0.192 0.808
#> SRR1036021 2 0.7056 0.903 0.192 0.808
#> SRR1036022 2 0.7056 0.903 0.192 0.808
#> SRR1036023 2 0.7056 0.903 0.192 0.808
#> SRR1036024 2 0.0000 0.859 0.000 1.000
#> SRR1036025 2 0.0000 0.859 0.000 1.000
#> SRR1036026 2 0.0000 0.859 0.000 1.000
#> SRR1036027 2 0.0000 0.859 0.000 1.000
#> SRR1036028 2 0.0000 0.859 0.000 1.000
#> SRR1036029 2 0.0000 0.859 0.000 1.000
#> SRR1036030 2 0.6887 0.906 0.184 0.816
#> SRR1036031 2 0.6887 0.906 0.184 0.816
#> SRR1036032 2 0.6887 0.906 0.184 0.816
#> SRR1036033 2 0.6887 0.906 0.184 0.816
#> SRR1036034 2 0.6887 0.906 0.184 0.816
#> SRR1036035 2 0.6887 0.906 0.184 0.816
#> SRR1036036 2 0.6887 0.906 0.184 0.816
#> SRR1036037 2 0.6887 0.906 0.184 0.816
#> SRR1036038 1 0.0000 0.964 1.000 0.000
#> SRR1036039 1 0.0000 0.964 1.000 0.000
#> SRR1036040 1 0.0000 0.964 1.000 0.000
#> SRR1036041 1 0.0000 0.964 1.000 0.000
#> SRR1036042 2 0.6887 0.906 0.184 0.816
#> SRR1036043 2 0.6887 0.906 0.184 0.816
#> SRR1036044 2 0.6887 0.906 0.184 0.816
#> SRR1036045 2 0.6887 0.906 0.184 0.816
#> SRR1036046 2 0.6887 0.906 0.184 0.816
#> SRR1036047 2 0.6887 0.906 0.184 0.816
#> SRR1036048 2 0.6887 0.906 0.184 0.816
#> SRR1036049 2 0.6887 0.906 0.184 0.816
#> SRR1036050 1 0.0000 0.964 1.000 0.000
#> SRR1036051 1 0.0000 0.964 1.000 0.000
#> SRR1036052 1 0.0000 0.964 1.000 0.000
#> SRR1036053 1 0.0000 0.964 1.000 0.000
#> SRR1036054 1 0.0000 0.964 1.000 0.000
#> SRR1036055 1 0.0000 0.964 1.000 0.000
#> SRR1036056 1 0.0000 0.964 1.000 0.000
#> SRR1036057 1 0.0000 0.964 1.000 0.000
#> SRR1036058 2 0.0000 0.859 0.000 1.000
#> SRR1036059 2 0.0000 0.859 0.000 1.000
#> SRR1036060 2 0.0000 0.859 0.000 1.000
#> SRR1036061 2 0.0000 0.859 0.000 1.000
#> SRR1036062 2 0.0000 0.859 0.000 1.000
#> SRR1036063 2 0.0000 0.859 0.000 1.000
#> SRR1036064 2 0.0000 0.859 0.000 1.000
#> SRR1036065 2 0.0000 0.859 0.000 1.000
#> SRR1036066 2 0.7056 0.903 0.192 0.808
#> SRR1036067 2 0.7056 0.903 0.192 0.808
#> SRR1036068 2 0.7056 0.903 0.192 0.808
#> SRR1036069 2 0.7056 0.903 0.192 0.808
#> SRR1036070 2 0.7056 0.903 0.192 0.808
#> SRR1036071 2 0.7056 0.903 0.192 0.808
#> SRR1036072 2 0.7056 0.903 0.192 0.808
#> SRR1036073 2 0.7056 0.903 0.192 0.808
#> SRR1036074 2 0.7056 0.903 0.192 0.808
#> SRR1036075 2 0.7056 0.903 0.192 0.808
#> SRR1036076 2 0.7056 0.903 0.192 0.808
#> SRR1036077 2 0.7056 0.903 0.192 0.808
#> SRR1036078 2 0.7056 0.903 0.192 0.808
#> SRR1036079 2 0.7056 0.903 0.192 0.808
#> SRR1036080 2 0.7056 0.903 0.192 0.808
#> SRR1036081 2 0.7056 0.903 0.192 0.808
#> SRR1036082 2 0.0000 0.859 0.000 1.000
#> SRR1036083 2 0.0000 0.859 0.000 1.000
#> SRR1036084 2 0.0000 0.859 0.000 1.000
#> SRR1036090 2 0.0000 0.859 0.000 1.000
#> SRR1036091 2 0.0000 0.859 0.000 1.000
#> SRR1036092 2 0.0000 0.859 0.000 1.000
#> SRR1036093 2 0.0000 0.859 0.000 1.000
#> SRR1036094 2 0.0376 0.860 0.004 0.996
#> SRR1036085 1 0.0000 0.964 1.000 0.000
#> SRR1036086 1 0.0000 0.964 1.000 0.000
#> SRR1036087 1 0.0000 0.964 1.000 0.000
#> SRR1036088 1 0.0000 0.964 1.000 0.000
#> SRR1036089 1 0.0000 0.964 1.000 0.000
#> SRR1036095 2 0.7056 0.903 0.192 0.808
#> SRR1036096 2 0.7056 0.903 0.192 0.808
#> SRR1036097 2 0.7056 0.903 0.192 0.808
#> SRR1036098 2 0.7056 0.903 0.192 0.808
#> SRR1036099 2 0.7056 0.903 0.192 0.808
#> SRR1036100 2 0.7056 0.903 0.192 0.808
#> SRR1036101 2 0.7056 0.903 0.192 0.808
#> SRR1036102 2 0.7056 0.903 0.192 0.808
#> SRR1036103 2 0.7056 0.903 0.192 0.808
#> SRR1036104 2 0.7056 0.903 0.192 0.808
#> SRR1036105 1 0.0000 0.964 1.000 0.000
#> SRR1036106 1 0.0000 0.964 1.000 0.000
#> SRR1036107 1 0.0000 0.964 1.000 0.000
#> SRR1036108 1 0.0000 0.964 1.000 0.000
#> SRR1036109 1 0.0000 0.964 1.000 0.000
#> SRR1036110 2 0.0000 0.859 0.000 1.000
#> SRR1036111 2 0.0000 0.859 0.000 1.000
#> SRR1036112 2 0.0000 0.859 0.000 1.000
#> SRR1036113 2 0.0000 0.859 0.000 1.000
#> SRR1036114 2 0.0000 0.859 0.000 1.000
#> SRR1036115 1 0.8661 0.515 0.712 0.288
#> SRR1036116 1 0.8713 0.506 0.708 0.292
#> SRR1036117 1 0.8763 0.496 0.704 0.296
#> SRR1036118 1 0.8763 0.496 0.704 0.296
#> SRR1036119 1 0.8661 0.515 0.712 0.288
#> SRR1036120 1 0.0000 0.964 1.000 0.000
#> SRR1036121 1 0.0000 0.964 1.000 0.000
#> SRR1036122 1 0.0000 0.964 1.000 0.000
#> SRR1036123 1 0.0000 0.964 1.000 0.000
#> SRR1036124 1 0.0000 0.964 1.000 0.000
#> SRR1036125 1 0.0000 0.964 1.000 0.000
#> SRR1036126 1 0.0000 0.964 1.000 0.000
#> SRR1036127 1 0.0000 0.964 1.000 0.000
#> SRR1036128 1 0.0000 0.964 1.000 0.000
#> SRR1036129 1 0.0000 0.964 1.000 0.000
#> SRR1036130 1 0.0000 0.964 1.000 0.000
#> SRR1036131 1 0.0000 0.964 1.000 0.000
#> SRR1036132 1 0.0000 0.964 1.000 0.000
#> SRR1036133 2 0.6887 0.906 0.184 0.816
#> SRR1036134 2 0.6887 0.906 0.184 0.816
#> SRR1036135 2 0.6887 0.906 0.184 0.816
#> SRR1036136 2 0.6887 0.906 0.184 0.816
#> SRR1036137 2 0.6887 0.906 0.184 0.816
#> SRR1036138 2 0.0000 0.859 0.000 1.000
#> SRR1036139 2 0.0000 0.859 0.000 1.000
#> SRR1036140 2 0.0000 0.859 0.000 1.000
#> SRR1036141 2 0.0000 0.859 0.000 1.000
#> SRR1036142 2 0.0000 0.859 0.000 1.000
#> SRR1036143 2 0.0000 0.859 0.000 1.000
#> SRR1036144 2 0.0000 0.859 0.000 1.000
#> SRR1036145 2 0.0000 0.859 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036003 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036004 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036005 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036006 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036007 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036008 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036009 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036013 2 0.427 0.881 0.024 0.860 0.116
#> SRR1036014 2 0.427 0.881 0.024 0.860 0.116
#> SRR1036015 2 0.427 0.881 0.024 0.860 0.116
#> SRR1036016 2 0.427 0.881 0.024 0.860 0.116
#> SRR1036017 2 0.427 0.881 0.024 0.860 0.116
#> SRR1036018 2 0.427 0.881 0.024 0.860 0.116
#> SRR1036010 1 0.164 0.944 0.956 0.000 0.044
#> SRR1036011 1 0.164 0.944 0.956 0.000 0.044
#> SRR1036012 1 0.164 0.944 0.956 0.000 0.044
#> SRR1036019 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036020 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036021 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036022 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036023 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036024 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036025 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036026 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036027 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036028 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036029 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036030 2 0.514 0.869 0.052 0.828 0.120
#> SRR1036031 2 0.514 0.869 0.052 0.828 0.120
#> SRR1036032 2 0.514 0.869 0.052 0.828 0.120
#> SRR1036033 2 0.514 0.869 0.052 0.828 0.120
#> SRR1036034 2 0.514 0.869 0.052 0.828 0.120
#> SRR1036035 2 0.514 0.869 0.052 0.828 0.120
#> SRR1036036 2 0.514 0.869 0.052 0.828 0.120
#> SRR1036037 2 0.514 0.869 0.052 0.828 0.120
#> SRR1036038 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036039 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036040 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036041 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036042 2 0.478 0.875 0.036 0.840 0.124
#> SRR1036043 2 0.478 0.875 0.036 0.840 0.124
#> SRR1036044 2 0.478 0.875 0.036 0.840 0.124
#> SRR1036045 2 0.478 0.875 0.036 0.840 0.124
#> SRR1036046 2 0.478 0.875 0.036 0.840 0.124
#> SRR1036047 2 0.478 0.875 0.036 0.840 0.124
#> SRR1036048 2 0.478 0.875 0.036 0.840 0.124
#> SRR1036049 2 0.478 0.875 0.036 0.840 0.124
#> SRR1036050 1 0.164 0.944 0.956 0.000 0.044
#> SRR1036051 1 0.164 0.944 0.956 0.000 0.044
#> SRR1036052 1 0.164 0.944 0.956 0.000 0.044
#> SRR1036053 1 0.164 0.944 0.956 0.000 0.044
#> SRR1036054 1 0.164 0.944 0.956 0.000 0.044
#> SRR1036055 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036056 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036057 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036058 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036059 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036060 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036061 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036062 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036063 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036064 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036065 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036066 1 0.410 0.831 0.852 0.140 0.008
#> SRR1036067 1 0.410 0.831 0.852 0.140 0.008
#> SRR1036068 1 0.410 0.831 0.852 0.140 0.008
#> SRR1036069 1 0.410 0.831 0.852 0.140 0.008
#> SRR1036070 1 0.410 0.831 0.852 0.140 0.008
#> SRR1036071 1 0.410 0.831 0.852 0.140 0.008
#> SRR1036072 1 0.410 0.831 0.852 0.140 0.008
#> SRR1036073 1 0.410 0.831 0.852 0.140 0.008
#> SRR1036074 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036075 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036076 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036077 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036078 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036079 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036080 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036081 3 0.388 0.990 0.000 0.152 0.848
#> SRR1036082 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036083 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036084 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036090 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036091 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036092 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036093 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036094 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036085 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036086 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036087 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036088 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036089 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036095 2 0.507 0.682 0.012 0.792 0.196
#> SRR1036096 2 0.507 0.682 0.012 0.792 0.196
#> SRR1036097 2 0.507 0.682 0.012 0.792 0.196
#> SRR1036098 2 0.507 0.682 0.012 0.792 0.196
#> SRR1036099 2 0.512 0.675 0.012 0.788 0.200
#> SRR1036100 3 0.348 0.973 0.000 0.128 0.872
#> SRR1036101 3 0.348 0.973 0.000 0.128 0.872
#> SRR1036102 3 0.348 0.973 0.000 0.128 0.872
#> SRR1036103 3 0.348 0.973 0.000 0.128 0.872
#> SRR1036104 3 0.348 0.973 0.000 0.128 0.872
#> SRR1036105 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036106 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036107 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036108 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036109 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036110 2 0.327 0.880 0.000 0.884 0.116
#> SRR1036111 2 0.327 0.880 0.000 0.884 0.116
#> SRR1036112 2 0.327 0.880 0.000 0.884 0.116
#> SRR1036113 2 0.327 0.880 0.000 0.884 0.116
#> SRR1036114 2 0.327 0.880 0.000 0.884 0.116
#> SRR1036115 1 0.518 0.841 0.812 0.032 0.156
#> SRR1036116 1 0.518 0.841 0.812 0.032 0.156
#> SRR1036117 1 0.518 0.841 0.812 0.032 0.156
#> SRR1036118 1 0.518 0.841 0.812 0.032 0.156
#> SRR1036119 1 0.518 0.841 0.812 0.032 0.156
#> SRR1036120 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036121 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036122 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036123 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036124 1 0.000 0.944 1.000 0.000 0.000
#> SRR1036125 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036126 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036127 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036128 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036129 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036130 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036131 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036132 1 0.196 0.943 0.944 0.000 0.056
#> SRR1036133 2 0.210 0.885 0.052 0.944 0.004
#> SRR1036134 2 0.210 0.885 0.052 0.944 0.004
#> SRR1036135 2 0.210 0.885 0.052 0.944 0.004
#> SRR1036136 2 0.210 0.885 0.052 0.944 0.004
#> SRR1036137 2 0.210 0.885 0.052 0.944 0.004
#> SRR1036138 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036139 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036140 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036141 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036142 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036143 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036144 2 0.000 0.905 0.000 1.000 0.000
#> SRR1036145 2 0.000 0.905 0.000 1.000 0.000
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036003 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036004 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036005 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036013 2 0.0336 0.901 0.008 0.992 0.000 0.000
#> SRR1036014 2 0.0336 0.901 0.008 0.992 0.000 0.000
#> SRR1036015 2 0.0336 0.901 0.008 0.992 0.000 0.000
#> SRR1036016 2 0.0336 0.901 0.008 0.992 0.000 0.000
#> SRR1036017 2 0.0336 0.901 0.008 0.992 0.000 0.000
#> SRR1036018 2 0.0336 0.901 0.008 0.992 0.000 0.000
#> SRR1036010 1 0.0188 0.995 0.996 0.000 0.000 0.004
#> SRR1036011 1 0.0188 0.995 0.996 0.000 0.000 0.004
#> SRR1036012 1 0.0188 0.995 0.996 0.000 0.000 0.004
#> SRR1036019 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036020 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036021 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036022 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036023 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036024 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036025 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036026 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036027 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036028 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036029 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036030 2 0.4158 0.768 0.224 0.768 0.000 0.008
#> SRR1036031 2 0.4158 0.768 0.224 0.768 0.000 0.008
#> SRR1036032 2 0.4158 0.768 0.224 0.768 0.000 0.008
#> SRR1036033 2 0.4158 0.768 0.224 0.768 0.000 0.008
#> SRR1036034 2 0.4158 0.768 0.224 0.768 0.000 0.008
#> SRR1036035 2 0.4158 0.768 0.224 0.768 0.000 0.008
#> SRR1036036 2 0.4158 0.768 0.224 0.768 0.000 0.008
#> SRR1036037 2 0.4158 0.768 0.224 0.768 0.000 0.008
#> SRR1036038 1 0.0188 0.995 0.996 0.000 0.000 0.004
#> SRR1036039 1 0.0188 0.995 0.996 0.000 0.000 0.004
#> SRR1036040 1 0.0188 0.995 0.996 0.000 0.000 0.004
#> SRR1036041 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036042 2 0.3942 0.736 0.000 0.764 0.236 0.000
#> SRR1036043 2 0.3942 0.736 0.000 0.764 0.236 0.000
#> SRR1036044 2 0.3942 0.736 0.000 0.764 0.236 0.000
#> SRR1036045 2 0.3942 0.736 0.000 0.764 0.236 0.000
#> SRR1036046 2 0.3942 0.736 0.000 0.764 0.236 0.000
#> SRR1036047 2 0.3942 0.736 0.000 0.764 0.236 0.000
#> SRR1036048 2 0.3942 0.736 0.000 0.764 0.236 0.000
#> SRR1036049 2 0.3942 0.736 0.000 0.764 0.236 0.000
#> SRR1036050 1 0.0336 0.992 0.992 0.000 0.000 0.008
#> SRR1036051 1 0.0336 0.992 0.992 0.000 0.000 0.008
#> SRR1036052 1 0.0336 0.992 0.992 0.000 0.000 0.008
#> SRR1036053 1 0.0336 0.992 0.992 0.000 0.000 0.008
#> SRR1036054 1 0.0336 0.992 0.992 0.000 0.000 0.008
#> SRR1036055 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036056 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036057 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036058 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036059 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036060 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036061 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036062 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036063 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036064 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036065 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036066 3 0.4098 0.839 0.204 0.000 0.784 0.012
#> SRR1036067 3 0.4098 0.839 0.204 0.000 0.784 0.012
#> SRR1036068 3 0.4098 0.839 0.204 0.000 0.784 0.012
#> SRR1036069 3 0.4098 0.839 0.204 0.000 0.784 0.012
#> SRR1036070 3 0.4098 0.839 0.204 0.000 0.784 0.012
#> SRR1036071 3 0.4098 0.839 0.204 0.000 0.784 0.012
#> SRR1036072 3 0.4098 0.839 0.204 0.000 0.784 0.012
#> SRR1036073 3 0.4098 0.839 0.204 0.000 0.784 0.012
#> SRR1036074 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036075 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036076 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036077 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036078 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036079 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036080 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036081 4 0.0336 0.994 0.000 0.008 0.000 0.992
#> SRR1036082 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036083 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036084 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036090 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036091 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036092 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036093 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036094 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036085 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036095 2 0.4307 0.738 0.024 0.784 0.000 0.192
#> SRR1036096 2 0.4307 0.738 0.024 0.784 0.000 0.192
#> SRR1036097 2 0.4307 0.738 0.024 0.784 0.000 0.192
#> SRR1036098 2 0.4307 0.738 0.024 0.784 0.000 0.192
#> SRR1036099 2 0.4307 0.738 0.024 0.784 0.000 0.192
#> SRR1036100 4 0.0817 0.984 0.000 0.024 0.000 0.976
#> SRR1036101 4 0.0817 0.984 0.000 0.024 0.000 0.976
#> SRR1036102 4 0.0817 0.984 0.000 0.024 0.000 0.976
#> SRR1036103 4 0.0817 0.984 0.000 0.024 0.000 0.976
#> SRR1036104 4 0.0817 0.984 0.000 0.024 0.000 0.976
#> SRR1036105 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.894 0.000 0.000 1.000 0.000
#> SRR1036110 2 0.0336 0.900 0.000 0.992 0.008 0.000
#> SRR1036111 2 0.0336 0.900 0.000 0.992 0.008 0.000
#> SRR1036112 2 0.0336 0.900 0.000 0.992 0.008 0.000
#> SRR1036113 2 0.0336 0.900 0.000 0.992 0.008 0.000
#> SRR1036114 2 0.0336 0.900 0.000 0.992 0.008 0.000
#> SRR1036115 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036116 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036117 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036118 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036119 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036120 3 0.4137 0.835 0.208 0.000 0.780 0.012
#> SRR1036121 3 0.4137 0.835 0.208 0.000 0.780 0.012
#> SRR1036122 3 0.4137 0.835 0.208 0.000 0.780 0.012
#> SRR1036123 3 0.4137 0.835 0.208 0.000 0.780 0.012
#> SRR1036124 3 0.4137 0.835 0.208 0.000 0.780 0.012
#> SRR1036125 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.997 1.000 0.000 0.000 0.000
#> SRR1036133 2 0.4137 0.785 0.208 0.780 0.000 0.012
#> SRR1036134 2 0.4137 0.785 0.208 0.780 0.000 0.012
#> SRR1036135 2 0.4137 0.785 0.208 0.780 0.000 0.012
#> SRR1036136 2 0.4137 0.785 0.208 0.780 0.000 0.012
#> SRR1036137 2 0.4137 0.785 0.208 0.780 0.000 0.012
#> SRR1036138 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036139 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036140 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036141 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036142 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036143 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036144 2 0.0188 0.903 0.000 0.996 0.000 0.004
#> SRR1036145 2 0.0188 0.903 0.000 0.996 0.000 0.004
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036003 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036004 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036005 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036006 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036007 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036008 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036009 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036013 4 0.0324 0.911 0.004 0.000 0.004 0.992 0
#> SRR1036014 4 0.0324 0.911 0.004 0.000 0.004 0.992 0
#> SRR1036015 4 0.0324 0.911 0.004 0.000 0.004 0.992 0
#> SRR1036016 4 0.0324 0.911 0.004 0.000 0.004 0.992 0
#> SRR1036017 4 0.0324 0.911 0.004 0.000 0.004 0.992 0
#> SRR1036018 4 0.0324 0.911 0.004 0.000 0.004 0.992 0
#> SRR1036010 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036011 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036012 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036019 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036020 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036021 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036022 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036023 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036024 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036025 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036026 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036027 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036028 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036029 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036030 4 0.3160 0.803 0.188 0.004 0.000 0.808 0
#> SRR1036031 4 0.3160 0.803 0.188 0.004 0.000 0.808 0
#> SRR1036032 4 0.3160 0.803 0.188 0.004 0.000 0.808 0
#> SRR1036033 4 0.3160 0.803 0.188 0.004 0.000 0.808 0
#> SRR1036034 4 0.3160 0.803 0.188 0.004 0.000 0.808 0
#> SRR1036035 4 0.3160 0.803 0.188 0.004 0.000 0.808 0
#> SRR1036036 4 0.3160 0.803 0.188 0.004 0.000 0.808 0
#> SRR1036037 4 0.3160 0.803 0.188 0.004 0.000 0.808 0
#> SRR1036038 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036039 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036040 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036041 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036042 4 0.3143 0.777 0.000 0.000 0.204 0.796 0
#> SRR1036043 4 0.3143 0.777 0.000 0.000 0.204 0.796 0
#> SRR1036044 4 0.3143 0.777 0.000 0.000 0.204 0.796 0
#> SRR1036045 4 0.3143 0.777 0.000 0.000 0.204 0.796 0
#> SRR1036046 4 0.3143 0.777 0.000 0.000 0.204 0.796 0
#> SRR1036047 4 0.3143 0.777 0.000 0.000 0.204 0.796 0
#> SRR1036048 4 0.3143 0.777 0.000 0.000 0.204 0.796 0
#> SRR1036049 4 0.3143 0.777 0.000 0.000 0.204 0.796 0
#> SRR1036050 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036051 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036052 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036053 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036054 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036055 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036056 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036057 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036058 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036059 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036060 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036061 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036062 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036063 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036064 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036065 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036066 5 0.0000 1.000 0.000 0.000 0.000 0.000 1
#> SRR1036067 5 0.0000 1.000 0.000 0.000 0.000 0.000 1
#> SRR1036068 5 0.0000 1.000 0.000 0.000 0.000 0.000 1
#> SRR1036069 5 0.0000 1.000 0.000 0.000 0.000 0.000 1
#> SRR1036070 5 0.0000 1.000 0.000 0.000 0.000 0.000 1
#> SRR1036071 5 0.0000 1.000 0.000 0.000 0.000 0.000 1
#> SRR1036072 5 0.0000 1.000 0.000 0.000 0.000 0.000 1
#> SRR1036073 5 0.0000 1.000 0.000 0.000 0.000 0.000 1
#> SRR1036074 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036075 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036076 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036077 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036078 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036079 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036080 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036081 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036082 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036083 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036084 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036090 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036091 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036092 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036093 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036094 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036085 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036086 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036087 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036088 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036089 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036095 4 0.4221 0.684 0.032 0.236 0.000 0.732 0
#> SRR1036096 4 0.4221 0.684 0.032 0.236 0.000 0.732 0
#> SRR1036097 4 0.4221 0.684 0.032 0.236 0.000 0.732 0
#> SRR1036098 4 0.4221 0.684 0.032 0.236 0.000 0.732 0
#> SRR1036099 4 0.4221 0.684 0.032 0.236 0.000 0.732 0
#> SRR1036100 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036101 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036102 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036103 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036104 2 0.0000 1.000 0.000 1.000 0.000 0.000 0
#> SRR1036105 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036106 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036107 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036108 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036109 3 0.0000 0.934 0.000 0.000 1.000 0.000 0
#> SRR1036110 4 0.0162 0.911 0.000 0.000 0.004 0.996 0
#> SRR1036111 4 0.0162 0.911 0.000 0.000 0.004 0.996 0
#> SRR1036112 4 0.0162 0.911 0.000 0.000 0.004 0.996 0
#> SRR1036113 4 0.0162 0.911 0.000 0.000 0.004 0.996 0
#> SRR1036114 4 0.0162 0.911 0.000 0.000 0.004 0.996 0
#> SRR1036115 1 0.0162 0.995 0.996 0.000 0.000 0.004 0
#> SRR1036116 1 0.0162 0.995 0.996 0.000 0.000 0.004 0
#> SRR1036117 1 0.0162 0.995 0.996 0.000 0.000 0.004 0
#> SRR1036118 1 0.0162 0.995 0.996 0.000 0.000 0.004 0
#> SRR1036119 1 0.0162 0.995 0.996 0.000 0.000 0.004 0
#> SRR1036120 3 0.3274 0.745 0.220 0.000 0.780 0.000 0
#> SRR1036121 3 0.3274 0.745 0.220 0.000 0.780 0.000 0
#> SRR1036122 3 0.3274 0.745 0.220 0.000 0.780 0.000 0
#> SRR1036123 3 0.3274 0.745 0.220 0.000 0.780 0.000 0
#> SRR1036124 3 0.3274 0.745 0.220 0.000 0.780 0.000 0
#> SRR1036125 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036126 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036127 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036128 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036129 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036130 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036131 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036132 1 0.0000 0.999 1.000 0.000 0.000 0.000 0
#> SRR1036133 4 0.2848 0.828 0.156 0.004 0.000 0.840 0
#> SRR1036134 4 0.2848 0.828 0.156 0.004 0.000 0.840 0
#> SRR1036135 4 0.2848 0.828 0.156 0.004 0.000 0.840 0
#> SRR1036136 4 0.2848 0.828 0.156 0.004 0.000 0.840 0
#> SRR1036137 4 0.2848 0.828 0.156 0.004 0.000 0.840 0
#> SRR1036138 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036139 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036140 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036141 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036142 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036143 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036144 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
#> SRR1036145 4 0.0000 0.912 0.000 0.000 0.000 1.000 0
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036003 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036004 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036005 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036006 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036007 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036008 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036009 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036013 4 0.377 0.3998 0.000 0.408 0.000 0.592 0.000 0
#> SRR1036014 4 0.377 0.3998 0.000 0.408 0.000 0.592 0.000 0
#> SRR1036015 4 0.377 0.3998 0.000 0.408 0.000 0.592 0.000 0
#> SRR1036016 4 0.377 0.3998 0.000 0.408 0.000 0.592 0.000 0
#> SRR1036017 4 0.377 0.3998 0.000 0.408 0.000 0.592 0.000 0
#> SRR1036018 4 0.377 0.3998 0.000 0.408 0.000 0.592 0.000 0
#> SRR1036010 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036011 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036012 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036019 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036020 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036021 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036022 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036023 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036024 2 0.386 -0.2632 0.000 0.520 0.000 0.480 0.000 0
#> SRR1036025 2 0.386 -0.2632 0.000 0.520 0.000 0.480 0.000 0
#> SRR1036026 2 0.386 -0.2632 0.000 0.520 0.000 0.480 0.000 0
#> SRR1036027 2 0.386 -0.2632 0.000 0.520 0.000 0.480 0.000 0
#> SRR1036028 2 0.386 -0.2632 0.000 0.520 0.000 0.480 0.000 0
#> SRR1036029 2 0.386 -0.2632 0.000 0.520 0.000 0.480 0.000 0
#> SRR1036030 2 0.276 0.4483 0.196 0.804 0.000 0.000 0.000 0
#> SRR1036031 2 0.276 0.4483 0.196 0.804 0.000 0.000 0.000 0
#> SRR1036032 2 0.276 0.4483 0.196 0.804 0.000 0.000 0.000 0
#> SRR1036033 2 0.276 0.4483 0.196 0.804 0.000 0.000 0.000 0
#> SRR1036034 2 0.276 0.4483 0.196 0.804 0.000 0.000 0.000 0
#> SRR1036035 2 0.276 0.4483 0.196 0.804 0.000 0.000 0.000 0
#> SRR1036036 2 0.276 0.4483 0.196 0.804 0.000 0.000 0.000 0
#> SRR1036037 2 0.276 0.4483 0.196 0.804 0.000 0.000 0.000 0
#> SRR1036038 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036039 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036040 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036041 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036042 4 0.362 -0.1662 0.000 0.000 0.352 0.648 0.000 0
#> SRR1036043 4 0.362 -0.1662 0.000 0.000 0.352 0.648 0.000 0
#> SRR1036044 4 0.362 -0.1662 0.000 0.000 0.352 0.648 0.000 0
#> SRR1036045 4 0.362 -0.1662 0.000 0.000 0.352 0.648 0.000 0
#> SRR1036046 4 0.362 -0.1662 0.000 0.000 0.352 0.648 0.000 0
#> SRR1036047 4 0.362 -0.1662 0.000 0.000 0.352 0.648 0.000 0
#> SRR1036048 4 0.362 -0.1662 0.000 0.000 0.352 0.648 0.000 0
#> SRR1036049 4 0.362 -0.1662 0.000 0.000 0.352 0.648 0.000 0
#> SRR1036050 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036051 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036052 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036053 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036054 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036055 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036056 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036057 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036058 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036059 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036060 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036061 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036062 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036063 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036064 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036065 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036066 6 0.000 1.0000 0.000 0.000 0.000 0.000 0.000 1
#> SRR1036067 6 0.000 1.0000 0.000 0.000 0.000 0.000 0.000 1
#> SRR1036068 6 0.000 1.0000 0.000 0.000 0.000 0.000 0.000 1
#> SRR1036069 6 0.000 1.0000 0.000 0.000 0.000 0.000 0.000 1
#> SRR1036070 6 0.000 1.0000 0.000 0.000 0.000 0.000 0.000 1
#> SRR1036071 6 0.000 1.0000 0.000 0.000 0.000 0.000 0.000 1
#> SRR1036072 6 0.000 1.0000 0.000 0.000 0.000 0.000 0.000 1
#> SRR1036073 6 0.000 1.0000 0.000 0.000 0.000 0.000 0.000 1
#> SRR1036074 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036075 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036076 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036077 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036078 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036079 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036080 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036081 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036082 4 0.386 0.3394 0.000 0.468 0.000 0.532 0.000 0
#> SRR1036083 4 0.386 0.3394 0.000 0.468 0.000 0.532 0.000 0
#> SRR1036084 4 0.386 0.3394 0.000 0.468 0.000 0.532 0.000 0
#> SRR1036090 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036091 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036092 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036093 2 0.379 -0.0992 0.000 0.584 0.000 0.416 0.000 0
#> SRR1036094 2 0.377 -0.0756 0.000 0.592 0.000 0.408 0.000 0
#> SRR1036085 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036086 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036087 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036088 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036089 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036095 2 0.525 0.3384 0.176 0.624 0.000 0.004 0.196 0
#> SRR1036096 2 0.525 0.3384 0.176 0.624 0.000 0.004 0.196 0
#> SRR1036097 2 0.525 0.3384 0.176 0.624 0.000 0.004 0.196 0
#> SRR1036098 2 0.525 0.3384 0.176 0.624 0.000 0.004 0.196 0
#> SRR1036099 2 0.525 0.3384 0.176 0.624 0.000 0.004 0.196 0
#> SRR1036100 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036101 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036102 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036103 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036104 5 0.000 1.0000 0.000 0.000 0.000 0.000 1.000 0
#> SRR1036105 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036106 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036107 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036108 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036109 3 0.000 0.9351 0.000 0.000 1.000 0.000 0.000 0
#> SRR1036110 4 0.365 0.4053 0.000 0.360 0.000 0.640 0.000 0
#> SRR1036111 4 0.365 0.4053 0.000 0.360 0.000 0.640 0.000 0
#> SRR1036112 4 0.365 0.4053 0.000 0.360 0.000 0.640 0.000 0
#> SRR1036113 4 0.365 0.4053 0.000 0.360 0.000 0.640 0.000 0
#> SRR1036114 4 0.365 0.4053 0.000 0.360 0.000 0.640 0.000 0
#> SRR1036115 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036116 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036117 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036118 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036119 1 0.026 0.9955 0.992 0.008 0.000 0.000 0.000 0
#> SRR1036120 3 0.294 0.7500 0.220 0.000 0.780 0.000 0.000 0
#> SRR1036121 3 0.294 0.7500 0.220 0.000 0.780 0.000 0.000 0
#> SRR1036122 3 0.294 0.7500 0.220 0.000 0.780 0.000 0.000 0
#> SRR1036123 3 0.294 0.7500 0.220 0.000 0.780 0.000 0.000 0
#> SRR1036124 3 0.294 0.7500 0.220 0.000 0.780 0.000 0.000 0
#> SRR1036125 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036126 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036127 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036128 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036129 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036130 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036131 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036132 1 0.000 0.9948 1.000 0.000 0.000 0.000 0.000 0
#> SRR1036133 2 0.440 0.4153 0.208 0.704 0.000 0.088 0.000 0
#> SRR1036134 2 0.440 0.4153 0.208 0.704 0.000 0.088 0.000 0
#> SRR1036135 2 0.440 0.4153 0.208 0.704 0.000 0.088 0.000 0
#> SRR1036136 2 0.440 0.4153 0.208 0.704 0.000 0.088 0.000 0
#> SRR1036137 2 0.440 0.4153 0.208 0.704 0.000 0.088 0.000 0
#> SRR1036138 4 0.387 0.3026 0.000 0.492 0.000 0.508 0.000 0
#> SRR1036139 4 0.387 0.2945 0.000 0.496 0.000 0.504 0.000 0
#> SRR1036140 4 0.387 0.2945 0.000 0.496 0.000 0.504 0.000 0
#> SRR1036141 4 0.387 0.2945 0.000 0.496 0.000 0.504 0.000 0
#> SRR1036142 4 0.387 0.3026 0.000 0.492 0.000 0.508 0.000 0
#> SRR1036143 4 0.387 0.3026 0.000 0.492 0.000 0.508 0.000 0
#> SRR1036144 4 0.387 0.3026 0.000 0.492 0.000 0.508 0.000 0
#> SRR1036145 4 0.387 0.2945 0.000 0.496 0.000 0.504 0.000 0
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
The object with results only for a single top-value method and a single partition method can be extracted as:
res = res_list["ATC", "NMF"]
# you can also extract it by
# res = res_list["ATC:NMF"]
A summary of res and all the functions that can be applied to it:
res
#> A 'ConsensusPartition' object with k = 2, 3, 4, 5, 6.
#> On a matrix with 15218 rows and 144 columns.
#> Top rows (1000, 2000, 3000, 4000, 5000) are extracted by 'ATC' method.
#> Subgroups are detected by 'NMF' method.
#> Performed in total 1250 partitions by row resampling.
#> Best k for subgroups seems to be 2.
#>
#> Following methods can be applied to this 'ConsensusPartition' object:
#> [1] "cola_report" "collect_classes" "collect_plots"
#> [4] "collect_stats" "colnames" "compare_signatures"
#> [7] "consensus_heatmap" "dimension_reduction" "functional_enrichment"
#> [10] "get_anno_col" "get_anno" "get_classes"
#> [13] "get_consensus" "get_matrix" "get_membership"
#> [16] "get_param" "get_signatures" "get_stats"
#> [19] "is_best_k" "is_stable_k" "membership_heatmap"
#> [22] "ncol" "nrow" "plot_ecdf"
#> [25] "rownames" "select_partition_number" "show"
#> [28] "suggest_best_k" "test_to_known_factors"
collect_plots() function collects all the plots made from res for all k (number of partitions)
into one single page to provide an easy and fast comparison between different k.
collect_plots(res)
The plots are:
k and the heatmap of
predicted classes for each k.k.k.k.All the plots in panels can be made by individual functions and they are plotted later in this section.
select_partition_number() produces several plots showing different
statistics for choosing “optimized” k. There are following statistics:
k;k, the area increased is defined as \(A_k - A_{k-1}\).The detailed explanations of these statistics can be found in the cola vignette.
Generally speaking, lower PAC score, higher mean silhouette score or higher
concordance corresponds to better partition. Rand index and Jaccard index
measure how similar the current partition is compared to partition with k-1.
If they are too similar, we won't accept k is better than k-1.
select_partition_number(res)
The numeric values for all these statistics can be obtained by get_stats().
get_stats(res)
#> k 1-PAC mean_silhouette concordance area_increased Rand Jaccard
#> 2 2 1.000 0.960 0.979 0.4111 0.573 0.573
#> 3 3 0.725 0.664 0.849 0.3783 0.788 0.669
#> 4 4 0.791 0.855 0.925 0.1858 0.723 0.504
#> 5 5 0.684 0.749 0.809 0.0854 0.933 0.817
#> 6 6 0.672 0.640 0.737 0.0710 0.828 0.506
suggest_best_k() suggests the best \(k\) based on these statistics. The rules are as follows:
suggest_best_k(res)
#> [1] 2
Following shows the table of the partitions (You need to click the show/hide
code output link to see it). The membership matrix (columns with name p*)
is inferred by
clue::cl_consensus()
function with the SE method. Basically the value in the membership matrix
represents the probability to belong to a certain group. The finall class
label for an item is determined with the group with highest probability it
belongs to.
In get_classes() function, the entropy is calculated from the membership
matrix and the silhouette score is calculated from the consensus matrix.
cbind(get_classes(res, k = 2), get_membership(res, k = 2))
#> class entropy silhouette p1 p2
#> SRR1036002 2 0.0000 0.998 0.000 1.000
#> SRR1036003 2 0.0000 0.998 0.000 1.000
#> SRR1036004 2 0.0000 0.998 0.000 1.000
#> SRR1036005 2 0.0000 0.998 0.000 1.000
#> SRR1036006 2 0.0000 0.998 0.000 1.000
#> SRR1036007 2 0.0000 0.998 0.000 1.000
#> SRR1036008 2 0.0000 0.998 0.000 1.000
#> SRR1036009 2 0.0000 0.998 0.000 1.000
#> SRR1036013 2 0.0000 0.998 0.000 1.000
#> SRR1036014 2 0.0000 0.998 0.000 1.000
#> SRR1036015 2 0.0000 0.998 0.000 1.000
#> SRR1036016 2 0.0000 0.998 0.000 1.000
#> SRR1036017 2 0.0000 0.998 0.000 1.000
#> SRR1036018 2 0.0000 0.998 0.000 1.000
#> SRR1036010 1 0.0000 0.934 1.000 0.000
#> SRR1036011 1 0.0000 0.934 1.000 0.000
#> SRR1036012 1 0.0000 0.934 1.000 0.000
#> SRR1036019 2 0.0000 0.998 0.000 1.000
#> SRR1036020 2 0.0000 0.998 0.000 1.000
#> SRR1036021 2 0.0000 0.998 0.000 1.000
#> SRR1036022 2 0.0000 0.998 0.000 1.000
#> SRR1036023 2 0.0000 0.998 0.000 1.000
#> SRR1036024 2 0.0000 0.998 0.000 1.000
#> SRR1036025 2 0.0000 0.998 0.000 1.000
#> SRR1036026 2 0.0000 0.998 0.000 1.000
#> SRR1036027 2 0.0000 0.998 0.000 1.000
#> SRR1036028 2 0.0000 0.998 0.000 1.000
#> SRR1036029 2 0.0000 0.998 0.000 1.000
#> SRR1036030 1 0.1184 0.930 0.984 0.016
#> SRR1036031 1 0.1184 0.930 0.984 0.016
#> SRR1036032 1 0.1184 0.930 0.984 0.016
#> SRR1036033 1 0.1184 0.930 0.984 0.016
#> SRR1036034 1 0.0672 0.932 0.992 0.008
#> SRR1036035 1 0.1843 0.924 0.972 0.028
#> SRR1036036 1 0.1843 0.924 0.972 0.028
#> SRR1036037 1 0.1184 0.930 0.984 0.016
#> SRR1036038 1 0.4161 0.887 0.916 0.084
#> SRR1036039 1 0.3879 0.893 0.924 0.076
#> SRR1036040 1 0.3114 0.907 0.944 0.056
#> SRR1036041 1 0.0000 0.934 1.000 0.000
#> SRR1036042 2 0.0000 0.998 0.000 1.000
#> SRR1036043 2 0.0000 0.998 0.000 1.000
#> SRR1036044 2 0.0000 0.998 0.000 1.000
#> SRR1036045 2 0.0000 0.998 0.000 1.000
#> SRR1036046 2 0.0000 0.998 0.000 1.000
#> SRR1036047 2 0.0000 0.998 0.000 1.000
#> SRR1036048 2 0.0000 0.998 0.000 1.000
#> SRR1036049 2 0.0000 0.998 0.000 1.000
#> SRR1036050 1 0.0000 0.934 1.000 0.000
#> SRR1036051 1 0.0000 0.934 1.000 0.000
#> SRR1036052 1 0.0000 0.934 1.000 0.000
#> SRR1036053 1 0.0000 0.934 1.000 0.000
#> SRR1036054 1 0.0000 0.934 1.000 0.000
#> SRR1036055 1 0.0000 0.934 1.000 0.000
#> SRR1036056 1 0.0000 0.934 1.000 0.000
#> SRR1036057 1 0.0000 0.934 1.000 0.000
#> SRR1036058 2 0.0000 0.998 0.000 1.000
#> SRR1036059 2 0.0000 0.998 0.000 1.000
#> SRR1036060 2 0.0000 0.998 0.000 1.000
#> SRR1036061 2 0.0000 0.998 0.000 1.000
#> SRR1036062 2 0.0000 0.998 0.000 1.000
#> SRR1036063 2 0.0000 0.998 0.000 1.000
#> SRR1036064 2 0.0000 0.998 0.000 1.000
#> SRR1036065 2 0.0000 0.998 0.000 1.000
#> SRR1036066 1 0.8909 0.643 0.692 0.308
#> SRR1036067 1 0.8909 0.644 0.692 0.308
#> SRR1036068 1 0.8608 0.678 0.716 0.284
#> SRR1036069 1 0.9129 0.607 0.672 0.328
#> SRR1036070 1 0.8813 0.656 0.700 0.300
#> SRR1036071 1 0.8909 0.644 0.692 0.308
#> SRR1036072 1 0.8813 0.656 0.700 0.300
#> SRR1036073 1 0.8955 0.637 0.688 0.312
#> SRR1036074 2 0.0000 0.998 0.000 1.000
#> SRR1036075 2 0.0000 0.998 0.000 1.000
#> SRR1036076 2 0.0000 0.998 0.000 1.000
#> SRR1036077 2 0.0000 0.998 0.000 1.000
#> SRR1036078 2 0.0000 0.998 0.000 1.000
#> SRR1036079 2 0.0000 0.998 0.000 1.000
#> SRR1036080 2 0.0000 0.998 0.000 1.000
#> SRR1036081 2 0.0000 0.998 0.000 1.000
#> SRR1036082 2 0.0000 0.998 0.000 1.000
#> SRR1036083 2 0.0000 0.998 0.000 1.000
#> SRR1036084 2 0.0000 0.998 0.000 1.000
#> SRR1036090 2 0.0000 0.998 0.000 1.000
#> SRR1036091 2 0.0000 0.998 0.000 1.000
#> SRR1036092 2 0.0000 0.998 0.000 1.000
#> SRR1036093 2 0.0000 0.998 0.000 1.000
#> SRR1036094 2 0.0000 0.998 0.000 1.000
#> SRR1036085 2 0.0000 0.998 0.000 1.000
#> SRR1036086 2 0.0000 0.998 0.000 1.000
#> SRR1036087 2 0.0000 0.998 0.000 1.000
#> SRR1036088 2 0.0000 0.998 0.000 1.000
#> SRR1036089 2 0.0000 0.998 0.000 1.000
#> SRR1036095 2 0.1414 0.979 0.020 0.980
#> SRR1036096 2 0.1414 0.979 0.020 0.980
#> SRR1036097 2 0.1414 0.979 0.020 0.980
#> SRR1036098 2 0.1414 0.979 0.020 0.980
#> SRR1036099 2 0.2603 0.953 0.044 0.956
#> SRR1036100 2 0.0000 0.998 0.000 1.000
#> SRR1036101 2 0.0000 0.998 0.000 1.000
#> SRR1036102 2 0.0000 0.998 0.000 1.000
#> SRR1036103 2 0.0000 0.998 0.000 1.000
#> SRR1036104 2 0.0000 0.998 0.000 1.000
#> SRR1036105 2 0.0000 0.998 0.000 1.000
#> SRR1036106 2 0.0000 0.998 0.000 1.000
#> SRR1036107 2 0.0000 0.998 0.000 1.000
#> SRR1036108 2 0.0000 0.998 0.000 1.000
#> SRR1036109 2 0.0000 0.998 0.000 1.000
#> SRR1036110 2 0.0000 0.998 0.000 1.000
#> SRR1036111 2 0.0000 0.998 0.000 1.000
#> SRR1036112 2 0.0000 0.998 0.000 1.000
#> SRR1036113 2 0.0000 0.998 0.000 1.000
#> SRR1036114 2 0.0000 0.998 0.000 1.000
#> SRR1036115 1 0.0000 0.934 1.000 0.000
#> SRR1036116 1 0.0000 0.934 1.000 0.000
#> SRR1036117 1 0.0000 0.934 1.000 0.000
#> SRR1036118 1 0.0000 0.934 1.000 0.000
#> SRR1036119 1 0.0000 0.934 1.000 0.000
#> SRR1036120 2 0.0000 0.998 0.000 1.000
#> SRR1036121 2 0.0000 0.998 0.000 1.000
#> SRR1036122 2 0.0000 0.998 0.000 1.000
#> SRR1036123 2 0.0000 0.998 0.000 1.000
#> SRR1036124 2 0.0000 0.998 0.000 1.000
#> SRR1036125 1 0.0000 0.934 1.000 0.000
#> SRR1036126 1 0.0000 0.934 1.000 0.000
#> SRR1036127 1 0.0000 0.934 1.000 0.000
#> SRR1036128 1 0.0000 0.934 1.000 0.000
#> SRR1036129 1 0.0000 0.934 1.000 0.000
#> SRR1036130 1 0.0000 0.934 1.000 0.000
#> SRR1036131 1 0.0000 0.934 1.000 0.000
#> SRR1036132 1 0.0000 0.934 1.000 0.000
#> SRR1036133 2 0.0672 0.991 0.008 0.992
#> SRR1036134 2 0.0672 0.991 0.008 0.992
#> SRR1036135 2 0.0672 0.991 0.008 0.992
#> SRR1036136 2 0.0376 0.995 0.004 0.996
#> SRR1036137 2 0.0672 0.991 0.008 0.992
#> SRR1036138 2 0.0000 0.998 0.000 1.000
#> SRR1036139 2 0.0000 0.998 0.000 1.000
#> SRR1036140 2 0.0000 0.998 0.000 1.000
#> SRR1036141 2 0.0000 0.998 0.000 1.000
#> SRR1036142 2 0.0000 0.998 0.000 1.000
#> SRR1036143 2 0.0000 0.998 0.000 1.000
#> SRR1036144 2 0.0000 0.998 0.000 1.000
#> SRR1036145 2 0.0000 0.998 0.000 1.000
cbind(get_classes(res, k = 3), get_membership(res, k = 3))
#> class entropy silhouette p1 p2 p3
#> SRR1036002 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036003 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036004 2 0.6309 -0.995 0.000 0.500 0.500
#> SRR1036005 2 0.6309 -0.990 0.000 0.504 0.496
#> SRR1036006 2 0.6309 -0.990 0.000 0.504 0.496
#> SRR1036007 2 0.6309 -0.990 0.000 0.504 0.496
#> SRR1036008 2 0.6309 -0.990 0.000 0.504 0.496
#> SRR1036009 2 0.6309 -0.990 0.000 0.504 0.496
#> SRR1036013 2 0.6225 0.819 0.000 0.568 0.432
#> SRR1036014 2 0.6215 0.817 0.000 0.572 0.428
#> SRR1036015 2 0.6225 0.819 0.000 0.568 0.432
#> SRR1036016 2 0.6204 0.816 0.000 0.576 0.424
#> SRR1036017 2 0.6225 0.819 0.000 0.568 0.432
#> SRR1036018 2 0.6225 0.819 0.000 0.568 0.432
#> SRR1036010 1 0.2537 0.809 0.920 0.000 0.080
#> SRR1036011 1 0.2356 0.808 0.928 0.000 0.072
#> SRR1036012 1 0.2537 0.809 0.920 0.000 0.080
#> SRR1036019 2 0.6225 0.818 0.000 0.568 0.432
#> SRR1036020 2 0.6225 0.818 0.000 0.568 0.432
#> SRR1036021 2 0.6225 0.818 0.000 0.568 0.432
#> SRR1036022 2 0.6225 0.818 0.000 0.568 0.432
#> SRR1036023 2 0.6225 0.818 0.000 0.568 0.432
#> SRR1036024 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036025 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036026 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036027 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036028 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036029 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036030 2 0.7186 0.798 0.024 0.500 0.476
#> SRR1036031 2 0.7186 0.798 0.024 0.500 0.476
#> SRR1036032 2 0.7186 0.798 0.024 0.500 0.476
#> SRR1036033 2 0.7186 0.798 0.024 0.500 0.476
#> SRR1036034 2 0.7186 0.798 0.024 0.500 0.476
#> SRR1036035 2 0.7186 0.798 0.024 0.500 0.476
#> SRR1036036 2 0.7184 0.801 0.024 0.504 0.472
#> SRR1036037 2 0.7186 0.798 0.024 0.500 0.476
#> SRR1036038 1 0.1315 0.802 0.972 0.020 0.008
#> SRR1036039 1 0.1315 0.802 0.972 0.020 0.008
#> SRR1036040 1 0.1315 0.802 0.972 0.020 0.008
#> SRR1036041 1 0.0747 0.800 0.984 0.000 0.016
#> SRR1036042 2 0.0592 0.142 0.000 0.988 0.012
#> SRR1036043 2 0.0000 0.177 0.000 1.000 0.000
#> SRR1036044 2 0.0237 0.166 0.000 0.996 0.004
#> SRR1036045 2 0.0592 0.142 0.000 0.988 0.012
#> SRR1036046 2 0.0000 0.177 0.000 1.000 0.000
#> SRR1036047 2 0.0747 0.129 0.000 0.984 0.016
#> SRR1036048 2 0.0892 0.116 0.000 0.980 0.020
#> SRR1036049 2 0.1031 0.103 0.000 0.976 0.024
#> SRR1036050 1 0.1289 0.805 0.968 0.000 0.032
#> SRR1036051 1 0.1411 0.804 0.964 0.000 0.036
#> SRR1036052 1 0.1411 0.804 0.964 0.000 0.036
#> SRR1036053 1 0.1411 0.804 0.964 0.000 0.036
#> SRR1036054 1 0.1163 0.803 0.972 0.000 0.028
#> SRR1036055 1 0.3038 0.805 0.896 0.000 0.104
#> SRR1036056 1 0.3116 0.804 0.892 0.000 0.108
#> SRR1036057 1 0.2878 0.807 0.904 0.000 0.096
#> SRR1036058 2 0.6274 0.820 0.000 0.544 0.456
#> SRR1036059 2 0.6267 0.820 0.000 0.548 0.452
#> SRR1036060 2 0.6267 0.820 0.000 0.548 0.452
#> SRR1036061 2 0.6274 0.820 0.000 0.544 0.456
#> SRR1036062 2 0.6274 0.820 0.000 0.544 0.456
#> SRR1036063 2 0.6274 0.820 0.000 0.544 0.456
#> SRR1036064 2 0.6274 0.820 0.000 0.544 0.456
#> SRR1036065 2 0.6274 0.820 0.000 0.544 0.456
#> SRR1036066 1 0.7815 0.675 0.644 0.096 0.260
#> SRR1036067 1 0.7848 0.669 0.640 0.096 0.264
#> SRR1036068 1 0.7815 0.675 0.644 0.096 0.260
#> SRR1036069 1 0.7530 0.702 0.664 0.084 0.252
#> SRR1036070 1 0.7782 0.679 0.648 0.096 0.256
#> SRR1036071 1 0.7411 0.703 0.668 0.076 0.256
#> SRR1036072 1 0.7605 0.694 0.660 0.088 0.252
#> SRR1036073 1 0.7599 0.691 0.656 0.084 0.260
#> SRR1036074 2 0.6235 0.819 0.000 0.564 0.436
#> SRR1036075 2 0.6225 0.818 0.000 0.568 0.432
#> SRR1036076 2 0.6235 0.819 0.000 0.564 0.436
#> SRR1036077 2 0.6235 0.819 0.000 0.564 0.436
#> SRR1036078 2 0.6235 0.819 0.000 0.564 0.436
#> SRR1036079 2 0.6235 0.819 0.000 0.564 0.436
#> SRR1036080 2 0.6235 0.819 0.000 0.564 0.436
#> SRR1036081 2 0.6235 0.819 0.000 0.564 0.436
#> SRR1036082 2 0.6779 0.803 0.012 0.544 0.444
#> SRR1036083 2 0.6779 0.803 0.012 0.544 0.444
#> SRR1036084 2 0.6779 0.803 0.012 0.544 0.444
#> SRR1036090 2 0.6299 0.816 0.000 0.524 0.476
#> SRR1036091 2 0.6299 0.816 0.000 0.524 0.476
#> SRR1036092 2 0.6299 0.816 0.000 0.524 0.476
#> SRR1036093 2 0.6299 0.816 0.000 0.524 0.476
#> SRR1036094 2 0.6299 0.816 0.000 0.524 0.476
#> SRR1036085 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036086 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036087 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036088 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036089 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036095 2 0.6931 0.816 0.016 0.528 0.456
#> SRR1036096 2 0.6799 0.817 0.012 0.532 0.456
#> SRR1036097 2 0.6931 0.816 0.016 0.528 0.456
#> SRR1036098 2 0.6659 0.818 0.008 0.532 0.460
#> SRR1036099 2 0.7164 0.813 0.024 0.524 0.452
#> SRR1036100 2 0.6451 0.818 0.004 0.560 0.436
#> SRR1036101 2 0.6451 0.818 0.004 0.560 0.436
#> SRR1036102 2 0.6451 0.818 0.004 0.560 0.436
#> SRR1036103 2 0.6451 0.818 0.004 0.560 0.436
#> SRR1036104 2 0.6451 0.818 0.004 0.560 0.436
#> SRR1036105 2 0.6309 -0.995 0.000 0.500 0.500
#> SRR1036106 2 0.6309 -0.995 0.000 0.500 0.500
#> SRR1036107 2 0.6309 -0.995 0.000 0.500 0.500
#> SRR1036108 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036109 3 0.6309 0.994 0.000 0.500 0.500
#> SRR1036110 2 0.5785 0.752 0.000 0.668 0.332
#> SRR1036111 2 0.5835 0.758 0.000 0.660 0.340
#> SRR1036112 2 0.5835 0.758 0.000 0.660 0.340
#> SRR1036113 2 0.5859 0.759 0.000 0.656 0.344
#> SRR1036114 2 0.5835 0.756 0.000 0.660 0.340
#> SRR1036115 1 0.6490 0.623 0.628 0.012 0.360
#> SRR1036116 1 0.6629 0.617 0.624 0.016 0.360
#> SRR1036117 1 0.6490 0.623 0.628 0.012 0.360
#> SRR1036118 1 0.6490 0.623 0.628 0.012 0.360
#> SRR1036119 1 0.6490 0.623 0.628 0.012 0.360
#> SRR1036120 3 0.6307 0.989 0.000 0.488 0.512
#> SRR1036121 3 0.6307 0.989 0.000 0.488 0.512
#> SRR1036122 3 0.6307 0.989 0.000 0.488 0.512
#> SRR1036123 3 0.6307 0.989 0.000 0.488 0.512
#> SRR1036124 3 0.6307 0.989 0.000 0.488 0.512
#> SRR1036125 1 0.1031 0.800 0.976 0.000 0.024
#> SRR1036126 1 0.1031 0.800 0.976 0.000 0.024
#> SRR1036127 1 0.1031 0.800 0.976 0.000 0.024
#> SRR1036128 1 0.1031 0.800 0.976 0.000 0.024
#> SRR1036129 1 0.1031 0.800 0.976 0.000 0.024
#> SRR1036130 1 0.1031 0.800 0.976 0.000 0.024
#> SRR1036131 1 0.1031 0.800 0.976 0.000 0.024
#> SRR1036132 1 0.1031 0.800 0.976 0.000 0.024
#> SRR1036133 2 0.6513 0.815 0.004 0.520 0.476
#> SRR1036134 2 0.6302 0.815 0.000 0.520 0.480
#> SRR1036135 2 0.6513 0.815 0.004 0.520 0.476
#> SRR1036136 2 0.6302 0.815 0.000 0.520 0.480
#> SRR1036137 2 0.6513 0.815 0.004 0.520 0.476
#> SRR1036138 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036139 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036140 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036141 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036142 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036143 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036144 2 0.6291 0.816 0.000 0.532 0.468
#> SRR1036145 2 0.6291 0.816 0.000 0.532 0.468
cbind(get_classes(res, k = 4), get_membership(res, k = 4))
#> class entropy silhouette p1 p2 p3 p4
#> SRR1036002 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036003 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036004 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036005 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036006 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036007 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036008 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036009 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036013 2 0.1118 0.910 0.000 0.964 0.000 0.036
#> SRR1036014 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036015 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036016 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036017 2 0.1118 0.910 0.000 0.964 0.000 0.036
#> SRR1036018 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036010 1 0.2281 0.924 0.904 0.000 0.000 0.096
#> SRR1036011 1 0.1940 0.938 0.924 0.000 0.000 0.076
#> SRR1036012 1 0.2216 0.927 0.908 0.000 0.000 0.092
#> SRR1036019 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036020 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036021 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036022 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036023 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036024 2 0.3942 0.737 0.000 0.764 0.000 0.236
#> SRR1036025 2 0.3873 0.747 0.000 0.772 0.000 0.228
#> SRR1036026 2 0.3610 0.777 0.000 0.800 0.000 0.200
#> SRR1036027 2 0.3801 0.756 0.000 0.780 0.000 0.220
#> SRR1036028 2 0.3837 0.752 0.000 0.776 0.000 0.224
#> SRR1036029 2 0.3942 0.737 0.000 0.764 0.000 0.236
#> SRR1036030 2 0.0921 0.914 0.000 0.972 0.000 0.028
#> SRR1036031 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036032 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036033 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036034 2 0.0921 0.914 0.000 0.972 0.000 0.028
#> SRR1036035 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036036 2 0.0921 0.914 0.000 0.972 0.000 0.028
#> SRR1036037 2 0.0921 0.914 0.000 0.972 0.000 0.028
#> SRR1036038 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036039 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036040 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036041 1 0.0188 0.969 0.996 0.000 0.000 0.004
#> SRR1036042 3 0.5339 0.507 0.000 0.020 0.624 0.356
#> SRR1036043 3 0.5371 0.491 0.000 0.020 0.616 0.364
#> SRR1036044 3 0.5339 0.507 0.000 0.020 0.624 0.356
#> SRR1036045 3 0.5371 0.492 0.000 0.020 0.616 0.364
#> SRR1036046 3 0.5371 0.491 0.000 0.020 0.616 0.364
#> SRR1036047 3 0.5339 0.507 0.000 0.020 0.624 0.356
#> SRR1036048 3 0.5306 0.519 0.000 0.020 0.632 0.348
#> SRR1036049 3 0.5323 0.514 0.000 0.020 0.628 0.352
#> SRR1036050 1 0.0817 0.965 0.976 0.000 0.000 0.024
#> SRR1036051 1 0.0921 0.964 0.972 0.000 0.000 0.028
#> SRR1036052 1 0.0921 0.964 0.972 0.000 0.000 0.028
#> SRR1036053 1 0.1022 0.963 0.968 0.000 0.000 0.032
#> SRR1036054 1 0.0817 0.965 0.976 0.000 0.000 0.024
#> SRR1036055 1 0.2578 0.906 0.912 0.052 0.000 0.036
#> SRR1036056 1 0.3392 0.863 0.872 0.072 0.000 0.056
#> SRR1036057 1 0.2408 0.917 0.920 0.044 0.000 0.036
#> SRR1036058 2 0.0188 0.918 0.000 0.996 0.000 0.004
#> SRR1036059 2 0.0188 0.918 0.000 0.996 0.000 0.004
#> SRR1036060 2 0.0188 0.918 0.000 0.996 0.000 0.004
#> SRR1036061 2 0.0188 0.918 0.000 0.996 0.000 0.004
#> SRR1036062 2 0.0188 0.918 0.000 0.996 0.000 0.004
#> SRR1036063 2 0.0188 0.918 0.000 0.996 0.000 0.004
#> SRR1036064 2 0.0188 0.918 0.000 0.996 0.000 0.004
#> SRR1036065 2 0.0188 0.918 0.000 0.996 0.000 0.004
#> SRR1036066 4 0.0000 0.876 0.000 0.000 0.000 1.000
#> SRR1036067 4 0.0000 0.876 0.000 0.000 0.000 1.000
#> SRR1036068 4 0.0000 0.876 0.000 0.000 0.000 1.000
#> SRR1036069 4 0.0000 0.876 0.000 0.000 0.000 1.000
#> SRR1036070 4 0.0000 0.876 0.000 0.000 0.000 1.000
#> SRR1036071 4 0.0000 0.876 0.000 0.000 0.000 1.000
#> SRR1036072 4 0.0000 0.876 0.000 0.000 0.000 1.000
#> SRR1036073 4 0.0000 0.876 0.000 0.000 0.000 1.000
#> SRR1036074 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036075 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036076 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036077 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036078 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036079 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036080 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036081 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036082 4 0.1716 0.864 0.000 0.064 0.000 0.936
#> SRR1036083 4 0.1716 0.864 0.000 0.064 0.000 0.936
#> SRR1036084 4 0.1792 0.861 0.000 0.068 0.000 0.932
#> SRR1036090 2 0.0817 0.915 0.000 0.976 0.000 0.024
#> SRR1036091 2 0.1022 0.912 0.000 0.968 0.000 0.032
#> SRR1036092 2 0.0817 0.915 0.000 0.976 0.000 0.024
#> SRR1036093 2 0.1389 0.904 0.000 0.952 0.000 0.048
#> SRR1036094 2 0.0469 0.917 0.000 0.988 0.000 0.012
#> SRR1036085 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036086 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036087 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036088 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036089 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036095 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036096 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036097 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036098 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036099 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036100 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036101 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036102 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036103 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036104 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036105 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036106 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036107 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036108 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036109 3 0.0000 0.883 0.000 0.000 1.000 0.000
#> SRR1036110 4 0.5948 0.721 0.000 0.144 0.160 0.696
#> SRR1036111 4 0.5423 0.760 0.000 0.116 0.144 0.740
#> SRR1036112 4 0.5533 0.755 0.000 0.132 0.136 0.732
#> SRR1036113 4 0.4931 0.783 0.000 0.092 0.132 0.776
#> SRR1036114 4 0.6683 0.628 0.000 0.204 0.176 0.620
#> SRR1036115 2 0.4072 0.658 0.252 0.748 0.000 0.000
#> SRR1036116 2 0.4331 0.607 0.288 0.712 0.000 0.000
#> SRR1036117 2 0.4277 0.619 0.280 0.720 0.000 0.000
#> SRR1036118 2 0.4331 0.607 0.288 0.712 0.000 0.000
#> SRR1036119 2 0.4103 0.653 0.256 0.744 0.000 0.000
#> SRR1036120 3 0.0336 0.880 0.000 0.000 0.992 0.008
#> SRR1036121 3 0.0336 0.880 0.000 0.000 0.992 0.008
#> SRR1036122 3 0.0336 0.880 0.000 0.000 0.992 0.008
#> SRR1036123 3 0.0336 0.880 0.000 0.000 0.992 0.008
#> SRR1036124 3 0.0336 0.880 0.000 0.000 0.992 0.008
#> SRR1036125 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.970 1.000 0.000 0.000 0.000
#> SRR1036133 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036134 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036135 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036136 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036137 2 0.0000 0.918 0.000 1.000 0.000 0.000
#> SRR1036138 2 0.4356 0.656 0.000 0.708 0.000 0.292
#> SRR1036139 2 0.4008 0.727 0.000 0.756 0.000 0.244
#> SRR1036140 2 0.3942 0.737 0.000 0.764 0.000 0.236
#> SRR1036141 2 0.4222 0.688 0.000 0.728 0.000 0.272
#> SRR1036142 2 0.4277 0.676 0.000 0.720 0.000 0.280
#> SRR1036143 2 0.4193 0.695 0.000 0.732 0.000 0.268
#> SRR1036144 2 0.4277 0.676 0.000 0.720 0.000 0.280
#> SRR1036145 2 0.4008 0.727 0.000 0.756 0.000 0.244
cbind(get_classes(res, k = 5), get_membership(res, k = 5))
#> class entropy silhouette p1 p2 p3 p4 p5
#> SRR1036002 3 0.3201 0.8070 0.000 0.000 0.852 0.096 0.052
#> SRR1036003 3 0.3201 0.8070 0.000 0.000 0.852 0.096 0.052
#> SRR1036004 3 0.3201 0.8070 0.000 0.000 0.852 0.096 0.052
#> SRR1036005 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036006 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036007 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036008 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036009 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036013 2 0.4316 0.7313 0.000 0.772 0.000 0.108 0.120
#> SRR1036014 2 0.4437 0.7263 0.000 0.760 0.000 0.100 0.140
#> SRR1036015 2 0.4300 0.7346 0.000 0.772 0.000 0.096 0.132
#> SRR1036016 2 0.4557 0.7242 0.000 0.760 0.004 0.104 0.132
#> SRR1036017 2 0.4317 0.7326 0.000 0.772 0.000 0.112 0.116
#> SRR1036018 2 0.4364 0.7297 0.000 0.768 0.000 0.112 0.120
#> SRR1036010 1 0.4465 0.8406 0.672 0.000 0.000 0.024 0.304
#> SRR1036011 1 0.4380 0.8416 0.676 0.000 0.000 0.020 0.304
#> SRR1036012 1 0.4380 0.8416 0.676 0.000 0.000 0.020 0.304
#> SRR1036019 2 0.3720 0.7448 0.000 0.760 0.000 0.012 0.228
#> SRR1036020 2 0.3690 0.7476 0.000 0.764 0.000 0.012 0.224
#> SRR1036021 2 0.3720 0.7448 0.000 0.760 0.000 0.012 0.228
#> SRR1036022 2 0.3690 0.7476 0.000 0.764 0.000 0.012 0.224
#> SRR1036023 2 0.3720 0.7448 0.000 0.760 0.000 0.012 0.228
#> SRR1036024 4 0.5697 0.2458 0.000 0.360 0.000 0.548 0.092
#> SRR1036025 2 0.6070 0.0568 0.000 0.444 0.000 0.436 0.120
#> SRR1036026 2 0.6245 0.0891 0.000 0.440 0.000 0.416 0.144
#> SRR1036027 4 0.5729 0.1438 0.000 0.396 0.000 0.516 0.088
#> SRR1036028 4 0.5867 0.0819 0.000 0.404 0.000 0.496 0.100
#> SRR1036029 4 0.5470 0.2587 0.000 0.364 0.000 0.564 0.072
#> SRR1036030 2 0.2806 0.7781 0.004 0.844 0.000 0.000 0.152
#> SRR1036031 2 0.2806 0.7781 0.004 0.844 0.000 0.000 0.152
#> SRR1036032 2 0.2848 0.7762 0.004 0.840 0.000 0.000 0.156
#> SRR1036033 2 0.2806 0.7781 0.004 0.844 0.000 0.000 0.152
#> SRR1036034 2 0.2763 0.7784 0.004 0.848 0.000 0.000 0.148
#> SRR1036035 2 0.2806 0.7781 0.004 0.844 0.000 0.000 0.152
#> SRR1036036 2 0.2719 0.7799 0.004 0.852 0.000 0.000 0.144
#> SRR1036037 2 0.2763 0.7784 0.004 0.848 0.000 0.000 0.148
#> SRR1036038 1 0.0162 0.8571 0.996 0.000 0.004 0.000 0.000
#> SRR1036039 1 0.0162 0.8571 0.996 0.000 0.004 0.000 0.000
#> SRR1036040 1 0.0162 0.8571 0.996 0.000 0.004 0.000 0.000
#> SRR1036041 1 0.3039 0.8566 0.808 0.000 0.000 0.000 0.192
#> SRR1036042 4 0.5805 0.6133 0.000 0.004 0.224 0.624 0.148
#> SRR1036043 4 0.5726 0.6249 0.000 0.004 0.212 0.636 0.148
#> SRR1036044 4 0.6036 0.5801 0.000 0.004 0.252 0.588 0.156
#> SRR1036045 4 0.5779 0.6175 0.000 0.004 0.220 0.628 0.148
#> SRR1036046 4 0.5753 0.6210 0.000 0.004 0.216 0.632 0.148
#> SRR1036047 4 0.6013 0.5957 0.000 0.004 0.236 0.596 0.164
#> SRR1036048 4 0.6121 0.5701 0.000 0.004 0.256 0.576 0.164
#> SRR1036049 4 0.6004 0.5943 0.000 0.004 0.240 0.596 0.160
#> SRR1036050 1 0.4211 0.8317 0.636 0.000 0.000 0.004 0.360
#> SRR1036051 1 0.4225 0.8305 0.632 0.000 0.000 0.004 0.364
#> SRR1036052 1 0.4238 0.8291 0.628 0.000 0.000 0.004 0.368
#> SRR1036053 1 0.4251 0.8274 0.624 0.000 0.000 0.004 0.372
#> SRR1036054 1 0.4211 0.8317 0.636 0.000 0.000 0.004 0.360
#> SRR1036055 1 0.4898 0.8120 0.632 0.032 0.000 0.004 0.332
#> SRR1036056 1 0.5056 0.8019 0.620 0.040 0.000 0.004 0.336
#> SRR1036057 1 0.4726 0.8212 0.644 0.024 0.000 0.004 0.328
#> SRR1036058 2 0.0671 0.8073 0.000 0.980 0.000 0.004 0.016
#> SRR1036059 2 0.0771 0.8074 0.000 0.976 0.000 0.004 0.020
#> SRR1036060 2 0.0771 0.8074 0.000 0.976 0.000 0.004 0.020
#> SRR1036061 2 0.0671 0.8073 0.000 0.980 0.000 0.004 0.016
#> SRR1036062 2 0.0771 0.8078 0.000 0.976 0.000 0.004 0.020
#> SRR1036063 2 0.0865 0.8075 0.000 0.972 0.000 0.004 0.024
#> SRR1036064 2 0.0671 0.8073 0.000 0.980 0.000 0.004 0.016
#> SRR1036065 2 0.0771 0.8074 0.000 0.976 0.000 0.004 0.020
#> SRR1036066 4 0.2179 0.7116 0.000 0.000 0.000 0.888 0.112
#> SRR1036067 4 0.2179 0.7116 0.000 0.000 0.000 0.888 0.112
#> SRR1036068 4 0.2179 0.7116 0.000 0.000 0.000 0.888 0.112
#> SRR1036069 4 0.2179 0.7116 0.000 0.000 0.000 0.888 0.112
#> SRR1036070 4 0.2179 0.7116 0.000 0.000 0.000 0.888 0.112
#> SRR1036071 4 0.2179 0.7116 0.000 0.000 0.000 0.888 0.112
#> SRR1036072 4 0.2179 0.7116 0.000 0.000 0.000 0.888 0.112
#> SRR1036073 4 0.2179 0.7116 0.000 0.000 0.000 0.888 0.112
#> SRR1036074 2 0.3659 0.7496 0.000 0.768 0.000 0.012 0.220
#> SRR1036075 2 0.3659 0.7496 0.000 0.768 0.000 0.012 0.220
#> SRR1036076 2 0.3659 0.7496 0.000 0.768 0.000 0.012 0.220
#> SRR1036077 2 0.3659 0.7496 0.000 0.768 0.000 0.012 0.220
#> SRR1036078 2 0.3659 0.7496 0.000 0.768 0.000 0.012 0.220
#> SRR1036079 2 0.3659 0.7496 0.000 0.768 0.000 0.012 0.220
#> SRR1036080 2 0.3659 0.7496 0.000 0.768 0.000 0.012 0.220
#> SRR1036081 2 0.3659 0.7496 0.000 0.768 0.000 0.012 0.220
#> SRR1036082 4 0.1106 0.7376 0.000 0.012 0.000 0.964 0.024
#> SRR1036083 4 0.1106 0.7376 0.000 0.012 0.000 0.964 0.024
#> SRR1036084 4 0.1300 0.7376 0.000 0.016 0.000 0.956 0.028
#> SRR1036090 2 0.0404 0.8069 0.000 0.988 0.000 0.000 0.012
#> SRR1036091 2 0.0703 0.8076 0.000 0.976 0.000 0.000 0.024
#> SRR1036092 2 0.0609 0.8073 0.000 0.980 0.000 0.000 0.020
#> SRR1036093 2 0.0609 0.8073 0.000 0.980 0.000 0.000 0.020
#> SRR1036094 2 0.0290 0.8064 0.000 0.992 0.000 0.000 0.008
#> SRR1036085 3 0.0404 0.9190 0.000 0.000 0.988 0.000 0.012
#> SRR1036086 3 0.0510 0.9190 0.000 0.000 0.984 0.000 0.016
#> SRR1036087 3 0.0404 0.9190 0.000 0.000 0.988 0.000 0.012
#> SRR1036088 3 0.0404 0.9190 0.000 0.000 0.988 0.000 0.012
#> SRR1036089 3 0.0404 0.9190 0.000 0.000 0.988 0.000 0.012
#> SRR1036095 2 0.1732 0.7985 0.000 0.920 0.000 0.000 0.080
#> SRR1036096 2 0.1732 0.7985 0.000 0.920 0.000 0.000 0.080
#> SRR1036097 2 0.1732 0.7985 0.000 0.920 0.000 0.000 0.080
#> SRR1036098 2 0.1732 0.7985 0.000 0.920 0.000 0.000 0.080
#> SRR1036099 2 0.1732 0.7985 0.000 0.920 0.000 0.000 0.080
#> SRR1036100 2 0.3430 0.7536 0.000 0.776 0.000 0.004 0.220
#> SRR1036101 2 0.3430 0.7536 0.000 0.776 0.000 0.004 0.220
#> SRR1036102 2 0.3430 0.7536 0.000 0.776 0.000 0.004 0.220
#> SRR1036103 2 0.3430 0.7536 0.000 0.776 0.000 0.004 0.220
#> SRR1036104 2 0.3430 0.7536 0.000 0.776 0.000 0.004 0.220
#> SRR1036105 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036106 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036107 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036108 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036109 3 0.0000 0.9220 0.000 0.000 1.000 0.000 0.000
#> SRR1036110 4 0.4214 0.7265 0.000 0.056 0.056 0.816 0.072
#> SRR1036111 4 0.3318 0.7354 0.000 0.048 0.048 0.868 0.036
#> SRR1036112 4 0.3398 0.7353 0.000 0.048 0.044 0.864 0.044
#> SRR1036113 4 0.2931 0.7356 0.000 0.028 0.044 0.888 0.040
#> SRR1036114 4 0.5011 0.7016 0.000 0.100 0.052 0.760 0.088
#> SRR1036115 2 0.4367 0.7055 0.060 0.748 0.000 0.000 0.192
#> SRR1036116 2 0.4400 0.7018 0.060 0.744 0.000 0.000 0.196
#> SRR1036117 2 0.4400 0.7018 0.060 0.744 0.000 0.000 0.196
#> SRR1036118 2 0.4462 0.6976 0.064 0.740 0.000 0.000 0.196
#> SRR1036119 2 0.4367 0.7052 0.060 0.748 0.000 0.000 0.192
#> SRR1036120 3 0.3844 0.7933 0.000 0.004 0.736 0.004 0.256
#> SRR1036121 3 0.3844 0.7933 0.000 0.004 0.736 0.004 0.256
#> SRR1036122 3 0.3844 0.7933 0.000 0.004 0.736 0.004 0.256
#> SRR1036123 3 0.3844 0.7933 0.000 0.004 0.736 0.004 0.256
#> SRR1036124 3 0.3817 0.7959 0.000 0.004 0.740 0.004 0.252
#> SRR1036125 1 0.0000 0.8582 1.000 0.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.8582 1.000 0.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.8582 1.000 0.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.8582 1.000 0.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.8582 1.000 0.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.8582 1.000 0.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.8582 1.000 0.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.8582 1.000 0.000 0.000 0.000 0.000
#> SRR1036133 2 0.2516 0.7815 0.000 0.860 0.000 0.000 0.140
#> SRR1036134 2 0.2561 0.7807 0.000 0.856 0.000 0.000 0.144
#> SRR1036135 2 0.2516 0.7815 0.000 0.860 0.000 0.000 0.140
#> SRR1036136 2 0.2561 0.7807 0.000 0.856 0.000 0.000 0.144
#> SRR1036137 2 0.2516 0.7815 0.000 0.860 0.000 0.000 0.140
#> SRR1036138 2 0.3980 0.5906 0.000 0.708 0.000 0.284 0.008
#> SRR1036139 2 0.3700 0.6450 0.000 0.752 0.000 0.240 0.008
#> SRR1036140 2 0.3551 0.6691 0.000 0.772 0.000 0.220 0.008
#> SRR1036141 2 0.3809 0.6255 0.000 0.736 0.000 0.256 0.008
#> SRR1036142 2 0.3934 0.5975 0.000 0.716 0.000 0.276 0.008
#> SRR1036143 2 0.3783 0.6305 0.000 0.740 0.000 0.252 0.008
#> SRR1036144 2 0.4025 0.5777 0.000 0.700 0.000 0.292 0.008
#> SRR1036145 2 0.3807 0.6462 0.000 0.748 0.000 0.240 0.012
cbind(get_classes(res, k = 6), get_membership(res, k = 6))
#> class entropy silhouette p1 p2 p3 p4 p5 p6
#> SRR1036002 3 0.5452 0.59534 0.000 0.000 0.628 0.056 0.252 0.064
#> SRR1036003 3 0.5431 0.59811 0.000 0.000 0.632 0.056 0.248 0.064
#> SRR1036004 3 0.5400 0.59821 0.000 0.000 0.632 0.056 0.252 0.060
#> SRR1036005 3 0.0000 0.85010 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036006 3 0.0260 0.84854 0.000 0.000 0.992 0.000 0.008 0.000
#> SRR1036007 3 0.0000 0.85010 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036008 3 0.0146 0.84935 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036009 3 0.0146 0.84960 0.000 0.000 0.996 0.000 0.004 0.000
#> SRR1036013 2 0.5708 0.03258 0.000 0.552 0.000 0.092 0.324 0.032
#> SRR1036014 2 0.5878 -0.09024 0.000 0.512 0.000 0.088 0.360 0.040
#> SRR1036015 2 0.5723 0.00886 0.000 0.544 0.000 0.084 0.336 0.036
#> SRR1036016 2 0.5870 0.00360 0.000 0.532 0.000 0.100 0.332 0.036
#> SRR1036017 2 0.5708 0.03006 0.000 0.552 0.000 0.092 0.324 0.032
#> SRR1036018 2 0.5819 -0.00281 0.000 0.532 0.000 0.100 0.336 0.032
#> SRR1036010 6 0.4089 0.80721 0.468 0.000 0.000 0.008 0.000 0.524
#> SRR1036011 6 0.3989 0.80955 0.468 0.000 0.000 0.004 0.000 0.528
#> SRR1036012 6 0.4086 0.81213 0.464 0.000 0.000 0.008 0.000 0.528
#> SRR1036019 5 0.4192 0.92246 0.000 0.412 0.000 0.000 0.572 0.016
#> SRR1036020 5 0.4192 0.92246 0.000 0.412 0.000 0.000 0.572 0.016
#> SRR1036021 5 0.4192 0.92246 0.000 0.412 0.000 0.000 0.572 0.016
#> SRR1036022 5 0.4199 0.91801 0.000 0.416 0.000 0.000 0.568 0.016
#> SRR1036023 5 0.4184 0.92694 0.000 0.408 0.000 0.000 0.576 0.016
#> SRR1036024 4 0.5119 0.60446 0.000 0.148 0.000 0.680 0.148 0.024
#> SRR1036025 4 0.5359 0.56639 0.000 0.180 0.000 0.644 0.156 0.020
#> SRR1036026 4 0.5617 0.52927 0.000 0.188 0.000 0.608 0.184 0.020
#> SRR1036027 4 0.5235 0.58544 0.000 0.172 0.000 0.660 0.148 0.020
#> SRR1036028 4 0.5207 0.58625 0.000 0.164 0.000 0.664 0.152 0.020
#> SRR1036029 4 0.5059 0.59646 0.000 0.164 0.000 0.676 0.144 0.016
#> SRR1036030 2 0.3865 0.58124 0.000 0.788 0.004 0.008 0.140 0.060
#> SRR1036031 2 0.3865 0.58124 0.000 0.788 0.004 0.008 0.140 0.060
#> SRR1036032 2 0.3922 0.57941 0.000 0.784 0.004 0.008 0.140 0.064
#> SRR1036033 2 0.3826 0.58477 0.000 0.792 0.004 0.008 0.136 0.060
#> SRR1036034 2 0.3977 0.57577 0.000 0.780 0.004 0.008 0.140 0.068
#> SRR1036035 2 0.3903 0.58200 0.000 0.784 0.004 0.008 0.144 0.060
#> SRR1036036 2 0.3865 0.58243 0.000 0.788 0.004 0.008 0.140 0.060
#> SRR1036037 2 0.3865 0.58124 0.000 0.788 0.004 0.008 0.140 0.060
#> SRR1036038 1 0.0458 0.91343 0.984 0.000 0.000 0.000 0.016 0.000
#> SRR1036039 1 0.0260 0.92474 0.992 0.000 0.000 0.000 0.008 0.000
#> SRR1036040 1 0.0458 0.91343 0.984 0.000 0.000 0.000 0.016 0.000
#> SRR1036041 1 0.3607 -0.36196 0.652 0.000 0.000 0.000 0.000 0.348
#> SRR1036042 4 0.5728 0.58211 0.000 0.000 0.056 0.548 0.336 0.060
#> SRR1036043 4 0.5543 0.59620 0.000 0.000 0.044 0.568 0.328 0.060
#> SRR1036044 4 0.5622 0.59160 0.000 0.000 0.048 0.556 0.336 0.060
#> SRR1036045 4 0.5530 0.59737 0.000 0.000 0.044 0.572 0.324 0.060
#> SRR1036046 4 0.5543 0.59620 0.000 0.000 0.044 0.568 0.328 0.060
#> SRR1036047 4 0.5567 0.59287 0.000 0.000 0.044 0.560 0.336 0.060
#> SRR1036048 4 0.5555 0.59510 0.000 0.000 0.044 0.564 0.332 0.060
#> SRR1036049 4 0.5622 0.59018 0.000 0.000 0.048 0.556 0.336 0.060
#> SRR1036050 6 0.4082 0.83643 0.432 0.004 0.000 0.004 0.000 0.560
#> SRR1036051 6 0.4082 0.83643 0.432 0.004 0.000 0.004 0.000 0.560
#> SRR1036052 6 0.4082 0.83643 0.432 0.004 0.000 0.004 0.000 0.560
#> SRR1036053 6 0.4172 0.83501 0.424 0.008 0.000 0.004 0.000 0.564
#> SRR1036054 6 0.4082 0.83643 0.432 0.004 0.000 0.004 0.000 0.560
#> SRR1036055 6 0.6164 0.68110 0.328 0.040 0.000 0.016 0.084 0.532
#> SRR1036056 6 0.6228 0.67923 0.324 0.040 0.000 0.020 0.084 0.532
#> SRR1036057 6 0.6103 0.68529 0.336 0.040 0.000 0.012 0.084 0.528
#> SRR1036058 2 0.2737 0.62114 0.000 0.868 0.000 0.012 0.096 0.024
#> SRR1036059 2 0.2786 0.61834 0.000 0.864 0.000 0.012 0.100 0.024
#> SRR1036060 2 0.2833 0.61450 0.000 0.860 0.000 0.012 0.104 0.024
#> SRR1036061 2 0.2737 0.62114 0.000 0.868 0.000 0.012 0.096 0.024
#> SRR1036062 2 0.2786 0.61802 0.000 0.864 0.000 0.012 0.100 0.024
#> SRR1036063 2 0.2880 0.61018 0.000 0.856 0.000 0.012 0.108 0.024
#> SRR1036064 2 0.2737 0.62114 0.000 0.868 0.000 0.012 0.096 0.024
#> SRR1036065 2 0.2833 0.61450 0.000 0.860 0.000 0.012 0.104 0.024
#> SRR1036066 4 0.1806 0.60378 0.000 0.000 0.000 0.908 0.004 0.088
#> SRR1036067 4 0.1806 0.60378 0.000 0.000 0.000 0.908 0.004 0.088
#> SRR1036068 4 0.1806 0.60378 0.000 0.000 0.000 0.908 0.004 0.088
#> SRR1036069 4 0.1806 0.60378 0.000 0.000 0.000 0.908 0.004 0.088
#> SRR1036070 4 0.1806 0.60378 0.000 0.000 0.000 0.908 0.004 0.088
#> SRR1036071 4 0.1806 0.60378 0.000 0.000 0.000 0.908 0.004 0.088
#> SRR1036072 4 0.1806 0.60378 0.000 0.000 0.000 0.908 0.004 0.088
#> SRR1036073 4 0.1806 0.60378 0.000 0.000 0.000 0.908 0.004 0.088
#> SRR1036074 5 0.3727 0.94040 0.000 0.388 0.000 0.000 0.612 0.000
#> SRR1036075 5 0.3727 0.93490 0.000 0.388 0.000 0.000 0.612 0.000
#> SRR1036076 5 0.3737 0.93775 0.000 0.392 0.000 0.000 0.608 0.000
#> SRR1036077 5 0.3727 0.93743 0.000 0.388 0.000 0.000 0.612 0.000
#> SRR1036078 5 0.3717 0.93230 0.000 0.384 0.000 0.000 0.616 0.000
#> SRR1036079 5 0.3717 0.93900 0.000 0.384 0.000 0.000 0.616 0.000
#> SRR1036080 5 0.3727 0.93490 0.000 0.388 0.000 0.000 0.612 0.000
#> SRR1036081 5 0.3727 0.94040 0.000 0.388 0.000 0.000 0.612 0.000
#> SRR1036082 4 0.1421 0.63514 0.000 0.000 0.000 0.944 0.028 0.028
#> SRR1036083 4 0.1421 0.63514 0.000 0.000 0.000 0.944 0.028 0.028
#> SRR1036084 4 0.1421 0.63514 0.000 0.000 0.000 0.944 0.028 0.028
#> SRR1036090 2 0.3835 0.06292 0.000 0.684 0.000 0.000 0.300 0.016
#> SRR1036091 2 0.3348 0.38037 0.000 0.768 0.000 0.000 0.216 0.016
#> SRR1036092 2 0.3483 0.32624 0.000 0.748 0.000 0.000 0.236 0.016
#> SRR1036093 2 0.3281 0.42233 0.000 0.784 0.000 0.004 0.200 0.012
#> SRR1036094 2 0.3984 -0.13135 0.000 0.648 0.000 0.000 0.336 0.016
#> SRR1036085 3 0.0622 0.84594 0.000 0.000 0.980 0.000 0.012 0.008
#> SRR1036086 3 0.0622 0.84594 0.000 0.000 0.980 0.000 0.012 0.008
#> SRR1036087 3 0.0622 0.84594 0.000 0.000 0.980 0.000 0.012 0.008
#> SRR1036088 3 0.0622 0.84594 0.000 0.000 0.980 0.000 0.012 0.008
#> SRR1036089 3 0.0622 0.84594 0.000 0.000 0.980 0.000 0.012 0.008
#> SRR1036095 2 0.1196 0.65257 0.000 0.952 0.000 0.000 0.040 0.008
#> SRR1036096 2 0.1049 0.65519 0.000 0.960 0.000 0.000 0.032 0.008
#> SRR1036097 2 0.1196 0.65257 0.000 0.952 0.000 0.000 0.040 0.008
#> SRR1036098 2 0.1049 0.65519 0.000 0.960 0.000 0.000 0.032 0.008
#> SRR1036099 2 0.1285 0.64744 0.000 0.944 0.000 0.000 0.052 0.004
#> SRR1036100 5 0.4310 0.92526 0.000 0.396 0.000 0.000 0.580 0.024
#> SRR1036101 5 0.4310 0.92798 0.000 0.396 0.000 0.000 0.580 0.024
#> SRR1036102 5 0.4310 0.92798 0.000 0.396 0.000 0.000 0.580 0.024
#> SRR1036103 5 0.4326 0.92543 0.000 0.404 0.000 0.000 0.572 0.024
#> SRR1036104 5 0.4301 0.92475 0.000 0.392 0.000 0.000 0.584 0.024
#> SRR1036105 3 0.0000 0.85010 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036106 3 0.0000 0.85010 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036107 3 0.0000 0.85010 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036108 3 0.0000 0.85010 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036109 3 0.0000 0.85010 0.000 0.000 1.000 0.000 0.000 0.000
#> SRR1036110 4 0.5180 0.64371 0.000 0.036 0.008 0.668 0.232 0.056
#> SRR1036111 4 0.4672 0.64924 0.000 0.028 0.004 0.716 0.200 0.052
#> SRR1036112 4 0.4714 0.64922 0.000 0.032 0.004 0.716 0.196 0.052
#> SRR1036113 4 0.4569 0.64819 0.000 0.024 0.004 0.724 0.196 0.052
#> SRR1036114 4 0.5476 0.63678 0.000 0.044 0.008 0.628 0.264 0.056
#> SRR1036115 2 0.2468 0.63018 0.012 0.884 0.004 0.000 0.008 0.092
#> SRR1036116 2 0.2715 0.62230 0.012 0.868 0.004 0.000 0.012 0.104
#> SRR1036117 2 0.2619 0.62601 0.012 0.876 0.004 0.000 0.012 0.096
#> SRR1036118 2 0.2596 0.62397 0.016 0.872 0.004 0.000 0.004 0.104
#> SRR1036119 2 0.2586 0.62429 0.020 0.876 0.004 0.000 0.004 0.096
#> SRR1036120 3 0.5834 0.59993 0.000 0.000 0.516 0.004 0.212 0.268
#> SRR1036121 3 0.5842 0.59440 0.000 0.000 0.512 0.004 0.208 0.276
#> SRR1036122 3 0.5828 0.59844 0.000 0.000 0.516 0.004 0.208 0.272
#> SRR1036123 3 0.5842 0.59440 0.000 0.000 0.512 0.004 0.208 0.276
#> SRR1036124 3 0.5834 0.59993 0.000 0.000 0.516 0.004 0.212 0.268
#> SRR1036125 1 0.0000 0.93319 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036126 1 0.0000 0.93319 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036127 1 0.0000 0.93319 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036128 1 0.0000 0.93319 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036129 1 0.0000 0.93319 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036130 1 0.0000 0.93319 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036131 1 0.0000 0.93319 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036132 1 0.0000 0.93319 1.000 0.000 0.000 0.000 0.000 0.000
#> SRR1036133 2 0.2653 0.63458 0.000 0.868 0.004 0.000 0.100 0.028
#> SRR1036134 2 0.2630 0.63777 0.000 0.872 0.004 0.000 0.092 0.032
#> SRR1036135 2 0.2462 0.63749 0.000 0.876 0.000 0.000 0.096 0.028
#> SRR1036136 2 0.2579 0.63974 0.000 0.876 0.004 0.000 0.088 0.032
#> SRR1036137 2 0.2653 0.62966 0.000 0.868 0.004 0.000 0.100 0.028
#> SRR1036138 4 0.6135 0.24705 0.000 0.284 0.000 0.492 0.208 0.016
#> SRR1036139 4 0.6403 0.09344 0.000 0.328 0.000 0.420 0.232 0.020
#> SRR1036140 4 0.6354 -0.00361 0.000 0.368 0.000 0.388 0.228 0.016
#> SRR1036141 4 0.6301 0.11546 0.000 0.336 0.000 0.428 0.220 0.016
#> SRR1036142 4 0.6252 0.17313 0.000 0.316 0.000 0.452 0.216 0.016
#> SRR1036143 4 0.6366 0.10871 0.000 0.332 0.000 0.428 0.220 0.020
#> SRR1036144 4 0.6283 0.16286 0.000 0.308 0.000 0.448 0.228 0.016
#> SRR1036145 4 0.6417 0.06347 0.000 0.340 0.000 0.408 0.232 0.020
Heatmaps for the consensus matrix. It visualizes the probability of two samples to be in a same group.
consensus_heatmap(res, k = 2)
consensus_heatmap(res, k = 3)
consensus_heatmap(res, k = 4)
consensus_heatmap(res, k = 5)
consensus_heatmap(res, k = 6)
Heatmaps for the membership of samples in all partitions to see how consistent they are:
membership_heatmap(res, k = 2)
membership_heatmap(res, k = 3)
membership_heatmap(res, k = 4)
membership_heatmap(res, k = 5)
membership_heatmap(res, k = 6)
As soon as we have had the classes for columns, we can look for signatures which are significantly different between classes which can be candidate marks for certain classes. Following are the heatmaps for signatures.
Signature heatmaps where rows are scaled:
get_signatures(res, k = 2)
get_signatures(res, k = 3)
get_signatures(res, k = 4)
get_signatures(res, k = 5)
get_signatures(res, k = 6)
Signature heatmaps where rows are not scaled:
get_signatures(res, k = 2, scale_rows = FALSE)
get_signatures(res, k = 3, scale_rows = FALSE)
get_signatures(res, k = 4, scale_rows = FALSE)
get_signatures(res, k = 5, scale_rows = FALSE)
get_signatures(res, k = 6, scale_rows = FALSE)
Compare the overlap of signatures from different k:
compare_signatures(res)
get_signature() returns a data frame invisibly. TO get the list of signatures, the function
call should be assigned to a variable explicitly. In following code, if plot argument is set
to FALSE, no heatmap is plotted while only the differential analysis is performed.
# code only for demonstration
tb = get_signature(res, k = ..., plot = FALSE)
An example of the output of tb is:
#> which_row fdr mean_1 mean_2 scaled_mean_1 scaled_mean_2 km
#> 1 38 0.042760348 8.373488 9.131774 -0.5533452 0.5164555 1
#> 2 40 0.018707592 7.106213 8.469186 -0.6173731 0.5762149 1
#> 3 55 0.019134737 10.221463 11.207825 -0.6159697 0.5749050 1
#> 4 59 0.006059896 5.921854 7.869574 -0.6899429 0.6439467 1
#> 5 60 0.018055526 8.928898 10.211722 -0.6204761 0.5791110 1
#> 6 98 0.009384629 15.714769 14.887706 0.6635654 -0.6193277 2
...
The columns in tb are:
which_row: row indices corresponding to the input matrix.fdr: FDR for the differential test. mean_x: The mean value in group x.scaled_mean_x: The mean value in group x after rows are scaled.km: Row groups if k-means clustering is applied to rows.UMAP plot which shows how samples are separated.
dimension_reduction(res, k = 2, method = "UMAP")
dimension_reduction(res, k = 3, method = "UMAP")
dimension_reduction(res, k = 4, method = "UMAP")
dimension_reduction(res, k = 5, method = "UMAP")
dimension_reduction(res, k = 6, method = "UMAP")
Following heatmap shows how subgroups are split when increasing k:
collect_classes(res)
If matrix rows can be associated to genes, consider to use functional_enrichment(res,
...) to perform function enrichment for the signature genes. See this vignette for more detailed explanations.
sessionInfo()
#> R version 3.6.0 (2019-04-26)
#> Platform: x86_64-pc-linux-gnu (64-bit)
#> Running under: CentOS Linux 7 (Core)
#>
#> Matrix products: default
#> BLAS: /usr/lib64/libblas.so.3.4.2
#> LAPACK: /usr/lib64/liblapack.so.3.4.2
#>
#> locale:
#> [1] LC_CTYPE=en_GB.UTF-8 LC_NUMERIC=C LC_TIME=en_GB.UTF-8
#> [4] LC_COLLATE=en_GB.UTF-8 LC_MONETARY=en_GB.UTF-8 LC_MESSAGES=en_GB.UTF-8
#> [7] LC_PAPER=en_GB.UTF-8 LC_NAME=C LC_ADDRESS=C
#> [10] LC_TELEPHONE=C LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C
#>
#> attached base packages:
#> [1] grid stats graphics grDevices utils datasets methods base
#>
#> other attached packages:
#> [1] genefilter_1.66.0 ComplexHeatmap_2.3.1 markdown_1.1 knitr_1.26
#> [5] GetoptLong_0.1.7 cola_1.3.2
#>
#> loaded via a namespace (and not attached):
#> [1] circlize_0.4.8 shape_1.4.4 xfun_0.11 slam_0.1-46
#> [5] lattice_0.20-38 splines_3.6.0 colorspace_1.4-1 vctrs_0.2.0
#> [9] stats4_3.6.0 blob_1.2.0 XML_3.98-1.20 survival_2.44-1.1
#> [13] rlang_0.4.2 pillar_1.4.2 DBI_1.0.0 BiocGenerics_0.30.0
#> [17] bit64_0.9-7 RColorBrewer_1.1-2 matrixStats_0.55.0 stringr_1.4.0
#> [21] GlobalOptions_0.1.1 evaluate_0.14 memoise_1.1.0 Biobase_2.44.0
#> [25] IRanges_2.18.3 parallel_3.6.0 AnnotationDbi_1.46.1 highr_0.8
#> [29] Rcpp_1.0.3 xtable_1.8-4 backports_1.1.5 S4Vectors_0.22.1
#> [33] annotate_1.62.0 skmeans_0.2-11 bit_1.1-14 microbenchmark_1.4-7
#> [37] brew_1.0-6 impute_1.58.0 rjson_0.2.20 png_0.1-7
#> [41] digest_0.6.23 stringi_1.4.3 polyclip_1.10-0 clue_0.3-57
#> [45] tools_3.6.0 bitops_1.0-6 magrittr_1.5 eulerr_6.0.0
#> [49] RCurl_1.95-4.12 RSQLite_2.1.4 tibble_2.1.3 cluster_2.1.0
#> [53] crayon_1.3.4 pkgconfig_2.0.3 zeallot_0.1.0 Matrix_1.2-17
#> [57] xml2_1.2.2 httr_1.4.1 R6_2.4.1 mclust_5.4.5
#> [61] compiler_3.6.0