细菌-真菌-环境因子-等多个不同指标分组之间的相关网络

写在前面

寻找关系使我们做研究很重要的一个部分。前几天的推文，我演示了如何联合细菌真菌做网络，如何使用不同类型的指标做网络，如果将这些都杂糅一起，这就是今天的内容。

细菌-真菌-环境因子联合相关网络

首先我先来说一下输入格式：输入文件有三个：

  • 第一个是data，环境因子等需要和微生物群落做相关的指标，这些指标可以有多个类别，所以徐亚哦第二个参数指定这些指标的分类。

  • group 第一个数据的分类信息，这里的每一个分组后面你都会将其单独展示为一个模块。

  • 第三个数据是phyloseq对象，这里目前定义为细菌和真菌联合的phyloseq对象，可以使用下面命令合并单独的细菌和真菌phyloseq对象。

#--导入多个环境变量及其分组
data1 <- read.delim("..//ori_data/bios_network_normal//env.txt")
Gru <- read.delim("..//ori_data/bios_network_normal//env_group.txt")
# data = data1
# group = Gru
library(ggClusterNet)
library(phyloseq)
# 导入细菌ps，通过相对丰度value1来过滤otu表格
ps16 = readRDS("..//ori_data/bios-network_micro/16S/ps_16S.rds")
#导入真菌ps，通过相对丰度value1来过滤otu表格
psIT = readRDS("..//ori_data/bios-network_micro/ITS/ps_ITS.rds")
ps.merge <- merge16S_ITS (ps16,psIT,N16s = 0.005,NITS = 0.005)
ps <- ps.merge

result <- corBiostripe(data = data1,group = Gru,ps = ps.merge)
data = data1
group = Gru
ps = ps.merge

#--提取相关矩阵
cor = result[[1]]

制作分组,我们合并这五个分组

这是网络布局的基础，无论是什么聚类布局，都需要制作一个分组文件，这个文件有两列，一列是节点，一列是分组信息，这个分组信息名称为：group。这个文件信息就是用于对节点进行分组，然后按照分组对节点归类，使用包中可视化函数计算节点位置。

head(Gru)
tax = as.data.frame((vegan_tax(ps)))
head(tax)
group2 <- data.frame(SampleID = row.names(tax),Group = tax$filed)
netClu = rbind(Gru,group2)
colnames(netClu) <- c("ID","group")
head(netClu)

PolygonClusterG 根据分组，计算布局

PolygonClusterG :不同的模块按照分分组聚集成不同的圆，并且圆形的大小一样。如果一个分组只有一个点，则这个点坐落在圆心位置。这个函数在2020年8月19日增加了两个参数，并于当天更新打扫github上，用于控制不同模块之间距离的参数zoom，和模块半径的参数zoom。两个参数默认都是1.

下面我们演示zoom用法，调整变大，距离拉大，展示模块之间的关系

#--------计算布局#---------
#-------计算网络布局-得到节点坐标=node#---------
result2 = PolygonRrClusterG (cor = cor,nodeGroup =netClu,zoom = 3,zoom2 = 2 )
node = result2[[1]]
head(nodes)
### nodeadd 节点注释的简单封装，便捷实用otu表格和分组文件进行注释
library(dplyr)
nodes <- node %>%
inner_join(netClu,by =c("elements" = "ID") )
#-----计算边#--------
edge = edgeBuild(cor = cor,plotcord = node)
head(edge)
### 出图
pnet <- ggplot() + geom_segment(aes(x = X1, y = Y1, xend = X2, yend = Y2,color = as.factor(wei_label)),
data = edge, size = 0.5) +
geom_point(aes(X1, X2,fill = group),pch = 21, size = 5,data = nodes) +
scale_colour_brewer(palette = "Set1") + theme_void()
pnet
# ggsave("./1.png",pnet,width = 10,height = 8)
# pnet <- pnet + geom_text_repel(aes(X1, X2,label=elements),size=4, data = plotcord)

赞 (0)

相关推荐