ggClusterNet更新sparcc算法-一条代码完成微生物网络等均可使用

写在前面

ggClusterNet开发到现在，任然是有好多的网络分析方面的功能需要添加进入，例如sparcc网络计算过程:

SparCC 对微生物组数据拟合狄利克雷分布，对微生物的比例及相关性计算迭代计算多次。最后得到的相关性指数是分布的中位数。最终的P值通过多次迭代bootstrap方法计算。SpiecEasi包被开发用于多种推断网络的计算，包括了sparcc，文章发表于2015年：

其次，该包中SPIEC-EASI方法季孙网络也是也是非常不错的。大家可以尝试下。

ggClusterNet跟新sparcc算法

  • R 设置p值需要迭代的次数

  • ncpus 设置可以使用的cpu数量

本次根跟新需要安装SpiecEasi’：

devtools::install_github('zdk123/SpiecEasi')
library(SpiecEasi)library(ggClusterNet)
library(tidyverse)
library(phyloseq)
data(ps)

# ps_rela = transform_sample_counts(ps, function(x) x / sum(x) )
# ps_sub = filter_taxa(ps_rela, function(x) mean(x ) > N , TRUE)
# ps_sub

result <- corMicro(ps = ps,N = 0.002,r.threshold=0.6,p.threshold=0.05,method = "sparcc",
R = 10,
ncpus = 1
)
# extract cor matrix
cor = result[[1]]
cor = result[[1]]

一条代码计算微生物网络中method也可以修改对应算法

library(tidyverse)
library(phyloseq)
library(igraph)

path = "./result"
dir.create(path)

data(ps)
result = network(ps = ps,N = 0.001,
r.threshold=0.6,
p.threshold=0.05,
label = FALSE,
path = path ,
zipi = TRUE,
method = "sparcc"
)

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

  • 团队负责人： 袁军：

    junyuan@njau.edu.cn；

    团队成员：文涛 etal ：

    2018203048@njau.edu.cn

  • 团队公众号：

赞 (0)

相关推荐