使用说明：

usage: hclust_analysis.r [-h] -i filepath [-d distance] [-m method] [-T top]
                         [-S] [-M max.nc] [-k bestk] [-s size] [-a alpha] [-e]
                         [-L] [-X label] [-Y label] [-t label] [-o path]
                         [-H number] [-W number]
Hierarchical Clustering and
plot：https://clincancerres.aacrjournals.org/content/25/16/5002
optional arguments:
  -h, --help            show this help message and exit
  -i filepath, --input filepath
                        input the dataset martix [required]
  -d distance, --distance distance
                        the distance measure to be used to compute the
                        dissimilarity matrix. This must be one of:
                        "euclidean", "maximum", "manhattan", "canberra",
                        "binary", "minkowski" . By default,
                        distance="euclidean".
  -m method, --method method
                        the cluster analysis method to be used. This should be
                        one of: "ward.D", "ward.D2", "single", "complete",
                        "average", "mcquitty", "median", "centroid". by
                        default method=ward.D
  -T top, --top top     select top gene to analysis [default NULL]
  -S, --scale           scale data sd=1 mean=0 [default FALSE]
  -M max.nc, --max.nc max.nc
                        maximal number of clusters for nbclust, between 2 and
                        (number of objects - 1), greater or equal to min.nc.
                        By default [optional, default: 15]
  -k bestk, --bestk bestk
                        set bestk or nbclust choose bestk [optional, default:
                        NULL]

  -X label, --x.lab label
                        the label for x axis [optional, default: sample ]
  -Y label, --y.lab label
                        the label for y axis [optional, default: Distance ]
  -t label, --title label
                        the label for main title [optional, default: Cluster
                        Dendrogram]
  -o path, --outdir path
                        output file directory [default cwd]
  -H number, --height number
                        the height of pic inches [default 5]
  -W number, --width number
                        the width of pic inches [default 10]

使用方法：

应该运行两次

#第一次运行不指定K，通过nbclust 结果选择合适的K （亚型）
Rscript $scriptdir/hclust_analysis.r -i immu/ssgsea.res.tsv  -o hclust  -M 20 --distance "euclidean"  
#再次运行指定最佳K，输出聚类树和分组表格
Rscript $scriptdir/hclust_analysis.r -i immu/ssgsea.res.tsv  -o hclust   --distance "euclidean" -k 2 

参数说明：

-i  输入基因表达矩阵文件，或者免疫侵润矩阵文件

输出结果：

1.聚类数量选择：

探究模型确定聚成几类合适 ，用NbClust 包中的 NbClust 函数确定聚类K值 ； 

sum of squared error (SSE)组内平方误差和来确定最佳聚类数目，随着聚类数目增多，每一个类别中数量越来越少，距离越来越近，因此WSS值肯定是随着聚类数目增多而减少的，所以关注的是斜率的变化，但WWS减少得很缓慢时，就认为进一步增大聚类数效果也并不能增强，存在得这个“肘点”就是最佳聚类数目，从一类到二类下降得很快，之后下降得很慢，所以最佳聚类个数选为2。

2. 层次聚类树：

使用此方法参考文献：

文献1，胃癌免疫侵润层次聚类：Front Oncol (IF: 4.848; Q1). 2021  doi: 10.3389/fonc.2020.629909.

文献2，乳腺癌免疫侵润：Clin Cancer Res (IF: 10.107; Q1). 2019 Aug 15;25(16):5002-5014.

层次聚类原理详解：https://www.biaodianfu.com/hierarchical-clustering.html   

http://heathcliff.me/%E8%81%9A%E7%B1%BB%E5%88%86%E6%9E%90%EF%BC%88%E4%B8%80%EF%BC%89%EF%BC%9A%E5%B1%82%E6%AC%A1%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95/