最適輸送解析ダッシュボード
Optimal Transport Analysis Dashboard

📊 静的図表 (PNG)

State BからState Cへの分岐輸送パターンと色分けされた矢印による移動経路の可視化

💻 B→C輸送の実行コード (R)

# B→C輸送解析のRコード (mvp_simple.Rより)

# PNG 3: B→C Transport using ggplot2
cat("Creating transport_bc.png with ggplot2...\n")

# Create BC_data with cluster information
BC_data <- data.frame(
  PC1 = c(pca_B$data[,1], pca_C$data[,1]),
  PC2 = c(pca_B$data[,2], pca_C$data[,2]),
  State = factor(c(rep("State B", nrow(pca_B$data)), 
                   rep("State C", nrow(pca_C$data))), 
                 levels = c("State B", "State C")),
  Cluster = c(rep("B", nrow(pca_B$data)), 
              rep(paste0("C", pca_C$cluster), nrow(pca_C$data)))
)

# Prepare ALL transport arrows for B→C
bc_arrows <- data.frame()
if(nrow(transport_BC$plan) > 0) {
  for (i in 1:nrow(transport_BC$plan)) {
    if (transport_BC$plan[i, 3] > 1e-6) {
      target_cluster <- pca_C$cluster[transport_BC$plan[i, 2]]
      bc_arrows <- rbind(bc_arrows, data.frame(
        x = pca_B$data[transport_BC$plan[i, 1], 1],
        y = pca_B$data[transport_BC$plan[i, 1], 2],
        xend = pca_C$data[transport_BC$plan[i, 2], 1],
        yend = pca_C$data[transport_BC$plan[i, 2], 2],
        weight = transport_BC$plan[i, 3],
        target_cluster = paste0("C", target_cluster)
      ))
    }
  }
}

p3 <- ggplot(BC_data, aes(x = PC1, y = PC2)) +
  geom_segment(data = bc_arrows, aes(x = x, y = y, xend = xend, yend = yend, color = target_cluster),
               arrow = arrow(length = unit(0.15, "cm")), 
               linewidth = 0.6, alpha = 0.7) +
  geom_point(aes(color = Cluster, shape = State), size = 3, alpha = 0.9) +
  scale_color_manual(values = c("B" = "darkgreen", "C1" = "red", "C2" = "orange")) +
  scale_shape_manual(values = c("State B" = 16, "State C" = 17)) +
  labs(title = "State B->State C Transport Analysis\n(Branching to Two Clusters)",
       x = "PC1", y = "PC2") +
  annotate("text", x = min(BC_data$PC1), y = max(BC_data$PC2), 
           label = paste("Wasserstein Cost:", round(transport_BC$cost, 4)), 
           hjust = 0, vjust = 1, size = 4, fontface = "bold", color = "darkred") +
  theme_minimal() +
  theme(
    plot.title = element_text(size = 16, hjust = 0.5, face = "bold"),
    axis.title = element_text(size = 12),
    legend.position = "right",
    legend.title = element_text(size = 11),
    legend.text = element_text(size = 10),
    panel.grid.minor = element_blank()
  ) +
  guides(
    color = guide_legend(title = "Cluster", override.aes = list(size = 4)),
    shape = guide_legend(title = "State", override.aes = list(size = 4))
  )

ggsave("transport_bc.png", plot = p3, width = 10, height = 8, dpi = 150, bg = "white")
cat("✅ Generated: transport_bc.png with ggplot2 (branching transport displayed)\n")

📖 主要参考文献・グラフィカルアブストラクト

🧬 単一細胞解析における最適輸送

Geoffrey Schiebinger et al.

"Optimal-Transport Analysis of Single-Cell Gene Expression Identifies Developmental Trajectories in Reprogramming"

Cell, Volume 176, Issue 6, 7 March 2019, Pages 1517

🌟 本研究への影響

この研究は単一細胞遺伝子発現データに最適輸送理論を適用し、細胞の発生軌跡を推定する手法を確立しました。本解析では、この手法を状態データに応用し、状態遷移パターンの解明を行っています。

🎨 グラフィカルアブストラクト

📊 図の説明

最適輸送理論を用いた単一細胞データの軌跡推定手法の概念図。異なる時点のデータから連続的な発生プロセスを復元し、細胞分化の経路を明らかにする革新的なアプローチを示しています。