微生物与环境因子,代谢物,功能等相关性分析linkET

微生物与环境因子,代谢物,功能等相关性分析linkET

https://github.com/Hy4m/linkET


示例代码:



library(linkET)
library(ggplot2)
library(dplyr)
#读取示例数据
#micro <- read.delim('微生物数据.txt', row.names = 1)
#env <- read.delim('环境数据.txt', row.names = 1)
data("varechem", package = "vegan")
data("varespec", package = "vegan")
#计算 Mantel 相关性
#通过 spec_select 指定数据组范围,例如这个示例数据中,微生物矩阵的第1-22列是物种丰度数据(指定名称 Taxonomy),
#第23-40列是基因丰度数据(指定名称 Function)
#默认情况下,对 spec 计算 Bray-Curtis 距离,对 env 计算 Euclidean 距离,然后计算二者 Mantel 相关
mantel <- mantel_test(varespec, varechem,
                      spec_select = list(Spec01 = 1:7,
                                         Spec02 = 8:18,
                                         Spec03 = 19:37,
                                         Spec04 = 38:44) ,
                      mantel_fun = 'mantel')
#根据相关系数和显著性设置标签,以便作图时定义线宽和颜色
mantel <- mutate(mantel,
                 rd = cut(r, breaks = c(-Inf, 0.2, 0.4, Inf), labels = c('< 0.2', '0.2 - 0.4', '>= 0.4')),
                 pd = cut(p, breaks = c(-Inf, 0.01, 0.05, Inf), labels = c('< 0.01', '0.01 - 0.05', '>= 0.05'))
)
mantel
#绘制相关图
qcorrplot(correlate(varechem, method = 'spearman'), type = 'upper', diag = FALSE) +  #环境变量矩阵计算 Spearman 相关系数
  geom_square() +  #绘制 Spearman 相关系数热图
  geom_mark(sep = '\n', size = 2.5, sig.thres = 0.05) +  #显示 Spearman 相关系数和显著性
  geom_couple(aes(color = pd, size = rd), data = mantel, curvature = nice_curvature()) +  #环境和微生物的相关性展示为上述 Mantel 相关
  scale_fill_gradientn(colors = c('#053061', '#68A8CF', 'white', '#F7B394', '#67001F'), limits = c(-1, 1)) +  #根据 Spearman 相关指定热图颜色
  scale_size_manual(values = c(0.5, 1, 2)) +  #根据 Mantel 相关指定线条粗细
  scale_color_manual(values = c('#D95F02', '#1B9E77', '#E0E0E0')) +  #根据 Mantel 相关 p 值指定线条颜色
  guides(color = guide_legend(title = "Mantel's p", order = 1), #图例标题和排序
         size = guide_legend(title = "Mantel's r", order = 2),
         fill = guide_colorbar(title = "Spearman's r", order = 3)) +
  theme(legend.key = element_blank())



attachments-2023-12-ky4x9vXd6580e1664f555.png

  • 发表于 2023-12-19 08:20
  • 阅读 ( 814 )
  • 分类:宏基因组

0 条评论

请先 登录 后评论
omicsgene
omicsgene

生物信息

674 篇文章

作家榜 »

  1. omicsgene 674 文章
  2. 安生水 335 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. xun 71 文章
  8. rzx 71 文章