ggClusterNet更新-处理了一些小问题，增加TMM等标准化用于网络前处理
写在前面
小问题包括sparcc优化，节点布局等。
为了弥补传统统计相关的不足，我们对网络分析添加了sparcc办法，提醒一下这套方法注意输入原始read数据，全完不用用抽平或者标准化了。
其次那就是在今天更新的，我们设定了scale_micro函数，包含了多种适合于微生物组数据的标准化微生物组数据的方式：rela, sampling, log,TMM,RLE,upperquartile，后面三种来自EdgeR，适合于测序数据使用，目前的使用量在逐渐提高。建议使用。
其次N参数本来我设定的是按照相对丰度进行取的，但是这样无法精确取多少个OTU，所以我这里修改了一下，将N参数设定为取最高丰度前多少个OTU，或者微生物。方便计算和比较。
最后就是这个可视化布局的问题，我之前将没有连线的节点删掉在做可视化的，但是好多朋友喜欢这些点放到图上，我老板也是一样，所以 我就将这些离散的点放到图上了，也不知道改如何，反正都可以。
运行
library(ggClusterNet)
library(tidyverse)
library(phyloseq)result <- corMicro(ps = ps,N = 100,r.threshold=0.6,p.threshold=0.05,
method.scale =
R = 10,
ncpus = 1
)
# extract cor matrix
cor = result[[1]]
corp = result[[4]]
取相对丰度最高的前150个OTU进行网络分析，这里减少运算，使用默认相关，没有使用sparcc。
library(sna)
library(igraph)
path = "./result"
dir.create(path)
data(ps)
result = ggClusterNet::network(ps = ps,
N = 150,
r.threshold=0.8,
p.threshold=0.01,
label = FALSE,
path = path ,
zipi = TRUE,
# method = "sparcc",
R = 10,
ncpus = 1
)
根际互作生物学研究室 简介
根际互作生物学研究室是沈其荣教授土壤微生物与有机肥团队下的一个关注于根际互作的研究小组。本小组由袁军副教授带领，主要关注：1.植物和微生物互作在抗病过程中的作用；2 环境微生物大数据整合研究；3 环境代谢组及其与微生物过程研究体系开发和应用。团队在过去三年中在 isme J， Microbiome， PCE，SBB，Horticulture Research等期刊上发表了多篇文章。欢迎关注 微生信生物 公众号对本研究小组进行了解。
团队工作及其成果 （点击查看）
了解 交流 合作
团队成员邮箱 袁军：junyuan@njau.edu.cn；文涛：2018203048@njau.edu.cn