scientific-pca-tsne

name	scientific-pca-tsne
description	PCA・t-SNE・UMAP による次元削減と空間マッピングのスキル。化学空間・特徴量空間・ 多技法融合空間の可視化を行う際に使用。Scientific Skills Exp-02, 03, 05, 07, 11, 13 で汎用的に使用されたパターン。
tu_tools	[{"key":"biotools","name":"bio.tools","description":"次元削減・可視化ツール検索"}]

Scientific Dimensionality Reduction & Space Mapping

高次元データを 2D/3D 空間に射影して構造を可視化するスキル。 PCA（線形）、t-SNE（非線形、局所構造保存）、UMAP（非線形、大域+局所）の 3 手法を使い分ける。

When to Use

• 高次元データの構造を 2D で可視化したいとき
• 材料・化合物・サンプルのクラスター構造を発見したいとき
• 多技法の測定データを統合したいとき
• 主成分の寄与率や負荷量を解釈したいとき

Quick Start

手法選択ガイド

手法	特徴	推奨場面
PCA	線形・解釈容易・寄与率あり	最初の概観、PC 負荷量の解釈
t-SNE	非線形・局所構造保存	クラスター分離の可視化
UMAP	非線形・大域+局所	大規模データ、連続的な勾配の可視化

標準パイプライン

1. PCA + スクリープロット

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

def pca_analysis(df, feature_cols, n_components=None, figsize=(14, 5)):
    """PCA を実行し、スクリープロットと PC1-PC2 散布図を描画する。"""
    scaler = StandardScaler()
    X_sc = scaler.fit_transform(df[feature_cols])

    if n_components is None:
        n_components = min(len(feature_cols), 10)

    pca = PCA(n_components=n_components)
    pcs = pca.fit_transform(X_sc)

    # スクリープロット
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=figsize)

    cumvar = np.cumsum(pca.explained_variance_ratio_) * 100
    ax1.bar(range(1, n_components + 1), pca.explained_variance_ratio_ * 100,
            color="steelblue", edgecolor="black")
    ax1.plot(range(1, n_components + 1), cumvar, "ro-", linewidth=2)
    ax1.set_xlabel("Principal Component")
    ax1.set_ylabel("Explained Variance (%)")
    ax1.set_title("Scree Plot", fontweight="bold")
    ax1.axhline(y=80, color="gray", linestyle="--", alpha=0.5)

    # PC1 vs PC2
    ax2.scatter(pcs[:, 0], pcs[:, 1], alpha=0.6, s=30, edgecolors="k", linewidth=0.3)
    ax2.set_xlabel(f"PC1 ({pca.explained_variance_ratio_[0]*100:.1f}%)")
    ax2.set_ylabel(f"PC2 ({pca.explained_variance_ratio_[1]*100:.1f}%)")
    ax2.set_title("PCA Projection", fontweight="bold")

    plt.tight_layout()
    plt.savefig("figures/pca_screeplot.png", dpi=300, bbox_inches="tight")
    plt.close()

    return pca, pcs


def pca_loading_plot(pca, feature_names, figsize=(10, 8)):
    """PC1-PC2 の負荷量（loading）バイプロットを描画する。"""
    loadings = pca.components_[:2].T

    fig, ax = plt.subplots(figsize=figsize)
    for i, name in enumerate(feature_names):
        ax.arrow(0, 0, loadings[i, 0], loadings[i, 1],
                head_width=0.02, head_length=0.01, fc="red", ec="red", alpha=0.7)
        ax.text(loadings[i, 0] * 1.1, loadings[i, 1] * 1.1, name,
               fontsize=8, ha="center")
    ax.set_xlabel(f"PC1 Loading")
    ax.set_ylabel(f"PC2 Loading")
    ax.set_title("PCA Loading Plot (Biplot)", fontweight="bold")
    ax.axhline(0, color="gray", linewidth=0.5)
    ax.axvline(0, color="gray", linewidth=0.5)
    plt.tight_layout()
    plt.savefig("figures/pca_loadings.png", dpi=300, bbox_inches="tight")
    plt.close()

2. t-SNE 可視化

from sklearn.manifold import TSNE

def tsne_visualization(X_scaled, labels, label_name="Group",
                       perplexity=30, random_state=42, figsize=(8, 8)):
    """t-SNE 2D 射影を描画する。"""
    tsne = TSNE(n_components=2, perplexity=perplexity,
                random_state=random_state, n_iter=1000)
    coords = tsne.fit_transform(X_scaled)

    fig, ax = plt.subplots(figsize=figsize)
    for label in sorted(set(labels)):
        mask = labels == label
        ax.scatter(coords[mask, 0], coords[mask, 1],
                  label=label, alpha=0.7, s=40, edgecolors="k", linewidth=0.3)
    ax.set_xlabel("t-SNE 1")
    ax.set_ylabel("t-SNE 2")
    ax.set_title("t-SNE Projection", fontweight="bold")
    ax.legend(title=label_name, bbox_to_anchor=(1.05, 1))
    plt.tight_layout()
    plt.savefig("figures/tsne_projection.png", dpi=300, bbox_inches="tight")
    plt.close()
    return coords

3. PCA + t-SNE 並列パネル（Exp-11, 13 パターン）

def pca_tsne_panel(df, feature_cols, hue_col, figsize=(16, 7)):
    """PCA と t-SNE を横並びで描画する。"""
    scaler = StandardScaler()
    X_sc = scaler.fit_transform(df[feature_cols])

    pca = PCA(n_components=2)
    pcs = pca.fit_transform(X_sc)

    tsne = TSNE(n_components=2, perplexity=30, random_state=42)
    tsne_coords = tsne.fit_transform(X_sc)

    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=figsize)
    labels = df[hue_col].values

    for label in sorted(set(labels)):
        mask = labels == label
        ax1.scatter(pcs[mask, 0], pcs[mask, 1], label=label,
                   alpha=0.7, s=40, edgecolors="k", linewidth=0.3)
        ax2.scatter(tsne_coords[mask, 0], tsne_coords[mask, 1], label=label,
                   alpha=0.7, s=40, edgecolors="k", linewidth=0.3)

    ev = pca.explained_variance_ratio_ * 100
    ax1.set_xlabel(f"PC1 ({ev[0]:.1f}%)")
    ax1.set_ylabel(f"PC2 ({ev[1]:.1f}%)")
    ax1.set_title("(A) PCA", fontweight="bold")
    ax1.legend(title=hue_col)

    ax2.set_xlabel("t-SNE 1")
    ax2.set_ylabel("t-SNE 2")
    ax2.set_title("(B) t-SNE", fontweight="bold")
    ax2.legend(title=hue_col)

    plt.tight_layout()
    plt.savefig(, dpi=, bbox_inches=)
    plt.close()

    
    coords_df = pd.DataFrame({
        : pcs[:, ], : pcs[:, ],
        : tsne_coords[:, ], : tsne_coords[:, ],
        hue_col: labels,
    })
    coords_df.to_csv(, index=)
     pca, tsne_coords

4. 階層的クラスタリング + Silhouette 最適 k

from scipy.cluster.hierarchy import linkage, fcluster, dendrogram
from sklearn.metrics import silhouette_score

def hierarchical_clustering(X_scaled, method="ward", max_k=10, figsize=(12, 5)):
    """階層的クラスタリングと最適クラスター数の決定。"""
    Z = linkage(X_scaled, method=method)

    # Silhouette スコアで最適 k を探索
    sil_scores = []
    for k in range(2, max_k + 1):
        labels = fcluster(Z, k, criterion="maxclust")
        sil = silhouette_score(X_scaled, labels)
        sil_scores.append({"k": k, "silhouette": sil})

    sil_df = pd.DataFrame(sil_scores)
    best_k = sil_df.loc[sil_df["silhouette"].idxmax(), "k"]

    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=figsize)

    # デンドログラム
    dendrogram(Z, ax=ax1, truncate_mode="lastp", p=30, leaf_rotation=90)
    ax1.set_title("Dendrogram", fontweight="bold")
    ax1.set_ylabel("Distance")

    # Silhouette スコア
    ax2.plot(sil_df["k"], sil_df["silhouette"], "bo-", linewidth=2)
    ax2.axvline(best_k, color="red", linestyle="--", label=f"Best k={int(best_k)}")
    ax2.set_xlabel("Number of Clusters (k)")
    ax2.set_ylabel()
    ax2.set_title(, fontweight=)
    ax2.legend()

    plt.tight_layout()
    plt.savefig(, dpi=, bbox_inches=)
    plt.close()
     Z, (best_k)

ToolUniverse 連携

TU Key	ツール名	連携内容
biotools	bio.tools	次元削減・可視化ツール検索

References

Output Files

ファイル	形式
results/pca_tsne_coordinates.csv	CSV
figures/pca_screeplot.png	PNG
figures/pca_loadings.png	PNG
figures/tsne_projection.png	PNG
figures/pca_tsne_panel.png	PNG
figures/clustering_analysis.png	PNG

参照実験

• Exp-02: 化学空間 PCA/t-SNE（EGFR 阻害剤）
• Exp-03: PCA / UMAP / t-SNE 3 手法比較
• Exp-07: PLS-DA + PCA メタボロミクス
• Exp-11: ラマンスペクトルの PCA/t-SNE + 階層的クラスタリング
• Exp-13: 多技法融合 PCA/t-SNE（XRD+AFM+電気+光学）