基于R語言的微生物群落組成多樣性分析——共線性網(wǎng)絡(luò)分析

????之前有一位粉絲后臺(tái)留言說能不能出一期有關(guān)于共線性網(wǎng)絡(luò)的文章,說實(shí)話肩袍,小編之前只在文獻(xiàn)中看到過這類圖杭棵,對(duì)于其原理也是迷迷糊糊》沾停看了好多別人寫的文章魂爪,根據(jù)大佬們的思路,我也大致整理了一些代碼艰管,希望能對(duì)大家有所啟發(fā)滓侍。話不多說,直接上正文吧牲芋!

1撩笆、前期準(zhǔn)備

rm(list=ls())#clear Global Environment
setwd('D:\\桌面\\共線性網(wǎng)絡(luò)分析')#設(shè)置工作路徑
#安裝包
install.packages('Hmisc')
install.packages("igraph")
#加載包
library(Hmisc)
library(igraph)

2尔破、加載、預(yù)處理數(shù)據(jù)

1)加載數(shù)據(jù)
df1 <- read.table(file="otu.txt",sep="\t",header=T,check.names=FALSE,row.names = 1)
head(df1)
image.png
2)求相對(duì)豐度
df2 <- apply(df1,2,function(x) x/sum(x))
3)過濾低豐度OTU
df3 <- df2[which(rowSums(df2) >= 0.01), ]#將豐度小于0.01的舍棄

3浇衬、數(shù)據(jù)計(jì)算

1)計(jì)算OTU間的相關(guān)性
df_corr <- rcorr(t(df3), type = 'spearman')#這里我們計(jì)算spearman相關(guān)系數(shù)
2)提取R值懒构、P值并校正P值
df_corr_r = df_corr$r
df_corr_p = df_corr$P#注意,這里P大寫
# 使用BH法校正p值
df_p <- p.adjust(df_corr_p, method = 'BH')
3)確定物種間存在相互作用關(guān)系的閾值耘擂,將相關(guān)性R矩陣內(nèi)不符合的數(shù)據(jù)轉(zhuǎn)換為0
df_corr_r[df_corr_p>0.05|abs(df_corr_r)<0.6] = 0
4)構(gòu)建igraph對(duì)象
df_igraph <- graph_from_adjacency_matrix(df_corr_r,mode="undirected",weighted=TRUE,diag=FALSE)
5)提取權(quán)重
df_weight = E(df_igraph)$weight

4胆剧、簡單繪圖

# 設(shè)定隨機(jī)種子數(shù),后續(xù)出圖都從同一隨機(jī)種子數(shù)出發(fā)醉冤,保證前后出圖形狀相對(duì)應(yīng)
set.seed(12)
plot(df_igraph,main="Co-occurrence network",vertex.frame.color=NA,vertex.label=NA,edge.width=1,
     vertex.size=5,edge.lty=1,edge.curved=TRUE,margin=c(0,0,0,0))
image.png

5秩霍、個(gè)性化繪圖

1)相關(guān)性顏色設(shè)置
# 如果構(gòu)建網(wǎng)絡(luò)時(shí),weighted=NULL,此步驟不能統(tǒng)計(jì)
sum(df_weight>0)
sum(df_weight<0)
# 通過V()和E()對(duì)節(jié)點(diǎn)和邊的屬性進(jìn)行訪問
# 設(shè)置線的顏色,正相關(guān)為紅色蚁阳,負(fù)相關(guān)為藍(lán)色
df_edge_color = ifelse(df_weight>0, "red",ifelse(df_weight<0, "blue","grey"))
E(df_igraph)$color = as.character(df_edge_color)
# 設(shè)定邊的寬度铃绒,這里我們將相關(guān)系數(shù)與邊寬進(jìn)行關(guān)聯(lián)
E(df_igraph)$width = abs(df_weight)*2.5
2)加入OTU豐度信息,使得節(jié)點(diǎn)大小代表豐度
data <- rowSums(df1)
data1=as.data.frame(data)
df_igraph_size = data1[V(df_igraph)$name,] # 篩選對(duì)應(yīng)OTU屬性
df_igraph_size2 = log10(df_igraph_size)#數(shù)據(jù)進(jìn)行轉(zhuǎn)換
V(df_igraph)$size = df_igraph_size2
3)節(jié)點(diǎn)顏色設(shè)置成OTU代表的門
data2=read.table(file="phylum_otu.txt",sep="\t",header=T,
           check.names=FALSE,row.names = 1)
df_igraph_col = data2[V(df_igraph)$name,]
df_igraph_col2=as.factor(df_igraph_col)
levels(df_igraph_col2)
color=c("green","brown","pink")
levels(df_igraph_col2) = color # 直接修改levles可以使得值全部對(duì)應(yīng)替換
V(df_igraph)$color = as.character(df_igraph_col2)
4)繪圖
set.seed(12)
plot(df_igraph,main="Co-occurrence network",vertex.frame.color=NA,
     edge.lty=1,edge.curved=TRUE,margin=c(0,0,0,0),
     vertex.label.cex=.7,vertex.label.dist=1,#標(biāo)簽大小
     layout=layout_in_circle#控制樣式螺捐,具體見官方文檔
     )
image.png
5)添加圖例
legend(x=-1.7,y=-0.7,levels(as.factor(df_igraph_col)),pch=21,col="black",pt.bg=color)

image.png

注:圖中節(jié)點(diǎn)間的連線顏色代表OTU間的相關(guān)性颠悬,紅色為正相關(guān),藍(lán)色為負(fù)相關(guān)定血,粗細(xì)代表相關(guān)性大信獍;節(jié)點(diǎn)大小代表豐度大欣焦怠灾票;節(jié)點(diǎn)顏色代表OTU的物種信息(門水平)

參考:

1)https://blog.csdn.net/woodcorpse/article/details/78737867
2)https://igraph.org/r/doc/layout_as_bipartite.html

源碼及數(shù)據(jù)在微信公眾號(hào)后臺(tái)回復(fù)\color{red}{“共線性網(wǎng)絡(luò)圖”}獲取CK洹?浴!

看不懂代碼的濒析,這里推薦幾個(gè)可以在線做網(wǎng)絡(luò)圖的網(wǎng)站:
1)圖圖云(http://www.cloudtutu.com/
2)ChiPot(https://www.chiplot.online/
3)派森諾基因云(https://www.genescloud.cn/

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末正什,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子悼枢,更是在濱河造成了極大的恐慌埠忘,老刑警劉巖脾拆,帶你破解...
    沈念sama閱讀 217,542評(píng)論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件馒索,死亡現(xiàn)場離奇詭異,居然都是意外死亡名船,警方通過查閱死者的電腦和手機(jī)绰上,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,822評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來渠驼,“玉大人蜈块,你說我怎么就攤上這事。” “怎么了百揭?”我有些...
    開封第一講書人閱讀 163,912評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵爽哎,是天一觀的道長。 經(jīng)常有香客問我器一,道長课锌,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,449評(píng)論 1 293
  • 正文 為了忘掉前任祈秕,我火速辦了婚禮渺贤,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘请毛。我一直安慰自己志鞍,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,500評(píng)論 6 392
  • 文/花漫 我一把揭開白布方仿。 她就那樣靜靜地躺著固棚,像睡著了一般。 火紅的嫁衣襯著肌膚如雪仙蚜。 梳的紋絲不亂的頭發(fā)上玻孟,一...
    開封第一講書人閱讀 51,370評(píng)論 1 302
  • 那天,我揣著相機(jī)與錄音鳍征,去河邊找鬼黍翎。 笑死,一個(gè)胖子當(dāng)著我的面吹牛艳丛,可吹牛的內(nèi)容都是我干的匣掸。 我是一名探鬼主播,決...
    沈念sama閱讀 40,193評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼氮双,長吁一口氣:“原來是場噩夢啊……” “哼碰酝!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起戴差,我...
    開封第一講書人閱讀 39,074評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤送爸,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后暖释,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體袭厂,經(jīng)...
    沈念sama閱讀 45,505評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,722評(píng)論 3 335
  • 正文 我和宋清朗相戀三年球匕,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了纹磺。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,841評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡亮曹,死狀恐怖橄杨,靈堂內(nèi)的尸體忽然破棺而出秘症,到底是詐尸還是另有隱情,我是刑警寧澤式矫,帶...
    沈念sama閱讀 35,569評(píng)論 5 345
  • 正文 年R本政府宣布乡摹,位于F島的核電站,受9級(jí)特大地震影響采转,放射性物質(zhì)發(fā)生泄漏趟卸。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,168評(píng)論 3 328
  • 文/蒙蒙 一氏义、第九天 我趴在偏房一處隱蔽的房頂上張望锄列。 院中可真熱鬧,春花似錦惯悠、人聲如沸邻邮。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,783評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽筒严。三九已至,卻和暖如春情萤,著一層夾襖步出監(jiān)牢的瞬間鸭蛙,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,918評(píng)論 1 269
  • 我被黑心中介騙來泰國打工筋岛, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留娶视,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 47,962評(píng)論 2 370
  • 正文 我出身青樓睁宰,卻偏偏與公主長得像肪获,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子柒傻,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,781評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容