恭喜 壮根美颜主编康亚龙
恭喜 壮根美颜主编康亚龙
wentao
2020/11/27
写在前面
有些事情做了很痛苦，但是不做更难受。比如今天谈到的这件事情，我花了一天假一个晚上时间才写了一个这个功能：science组合图表的实现。这部分一共写了三个函数，一个门特尔检验，一个ggplot版本的相关热图绘制，还有连线图形绘制。为什么我花费了这么多时间呢？一方面这个功能的实现要想做的灵活点，就必须有一个ggplot版本的相关热图轮子，公开的轮子不好用，所以我自己造了一个，功能很基础哈，只是一个雏形，但是可以作为后面组合图表的轮子。这几个独立的函数也很有用，但是不细化了。
早在之前我们就推送过science组合图表的推文了，我们做的也是比较早的，ggplot版本的，例如；
知道最后最好用的出现了，虽然在分析微生物数据上还有点小瑕疵，但是已经非常舒服了，但是这个包已经被作者删除，厚哥表示不会在公开这个包。半年来大家的需求似乎不断，本来从第四个版本以来我放弃了这个图形的开发，因为开发的没有厚哥的好，所以就搁置了一年，到如今，我只能捡起来继续做一些工作，尽量让这个功能好用点。还有就是任何问题的解决方案都不应该只有一个，太容易就断掉了，所以增加一种问题的解决方法，虽然不一定是最好的，也是有必要的。我也没有参考厚哥之前的代码，自己实现，达到一个功能也是挺有意思的，就是浪费了好多时间，代码也不够成熟，慢慢提升吧，实用性后再优化。
MatCorPlot函数参数解释
env.dat = env1 其他指标表格，参见要求
tabOTU = tabOTU1 otu表格，list文件，最多三个。
distance = “bray”群落距离计算方法，这里就两种 bray和jcd。
method = “metal” 门特尔检验方法， 这里两种，另外一种是偏门特尔检验。
x = F 是否设置x轴标签。
y = F 是否设置y轴标签
diag = T 是否设置对角线标签。
sig = TRUE 是否仅仅展示显著的色块
siglabel = FALSE 显著色标是否标记星号
shownum = TRUE 是否展示相关值
numpoint = NULL 色块point类型，默认22号方块，直接使用pch编号即可更换。注意必须更换具有fill属性的编号。
numsymbol = 27 这是symbol，扩展了ggplot中point类型，如果要使用，则需要另外安装R包ggsymbol。需要github安装
numpoint2 这部分只可以使用ggplot中的pch点形状，默认21号点，控制link部分点形状。
lacx = “left” 相关热图展示方向，x轴，可选“right”
lacy = “bottom” 相关热图展示方向，y轴,可选“top”
range = 0.5 连线整体粗细变化，值越大变化越大。
p.thur = 0.3 显著性阈值
onlysig = F 是否只展示显著性的连线。
实战
注意这个功能为2020年11月29号加入，之前安装的没有这个功能。
devtools:: install_github("taowenmicro/ggClusterNet")需要R包和数据（内置）
library(phyloseq)
library(ggClusterNet)
library(tidyverse)
data(ps)
ps1 = filter_taxa(ps, function(x) sum(x ) > 200 , TRUE);ps1## phyloseq-class experiment-level object
## otu_table() OTU Table: [ 442 taxa and 18 samples ]
## sample_data() Sample Data: [ 18 samples by 10 sample variables ]
## tax_table() Taxonomy Table: [ 442 taxa by 7 taxonomic ranks ]
## phy_tree() Phylogenetic Tree: [ 442 tips and 441 internal nodes ]otu = as.data.frame(t(vegan_otu(ps1)))
mapping = as.data.frame( sample_data(ps1))
data(env1)
关于微生物组数据的要求：要求很简单，将otu表格作为list对象即可，就像下这样，多个optu表格自然都添加进去list对象即可。
其他指标数据要求：一张数据框，行名是样本，列名字是指标。
tabOTU1 = list(otu1 = otu)
data(env1)
默认参数会会给出一套解决方案，当然可以换
# ?MatCorPlot
p0 <- MatCorPlot(env.dat = env1,tabOTU = tabOTU1)
p0
numpoint2改变link部分点形,并标记显著性，去除不显著的元素，标记显著的R值。
p1 <- MatCorPlot(
env.dat = env1,
tabOTU = tabOTU1,
numpoint2 = 22,
sig = F,
lacx = "right", # 改变位置x
lacy = "bottom",# 改变位置y
onlysig = F # 是否只显示显著的link线
)
p1
curvature 修改link的弯曲程度。越小线越直。去除数字，标记为星号，其次换point形状为新形势
p2 <- MatCorPlot(
env.dat = env1,
tabOTU = tabOTU1,
siglabel = T, # 使用星号标记显著的关系
shownum = F, # 不显示数字
numpoint = NULL,# 不使用ggplot吗，默认点
numpoint2 = 13,#link使用的point为pch = 13
numsymbol = 27,# 使用扩展点。
curvature = 0,
lacx = "right",
lacy = "bottom",
p.thur = 0.3,
sig = F,
onlysig = F
)
p2
我们更换图形角度和去除不显著的连线，这里不显著设置为0.3，保证去除一部分线，模拟数据测试用，不作为参考值。
p4 <- MatCorPlot(
env.dat = env1,
tabOTU = tabOTU1,
distance = "bray",
method = "metal",
x = F,
y = F,
diag = T,
sig = TRUE,
siglabel = FALSE,
shownum = TRUE,
numpoint = 22,
numsymbol = NULL,
lacx = "left",
lacy = "bottom",
range = 1,
p.thur = 0.3,
onlysig = T
)
p4
即使是两个群落
tabOTU1 = list(otu1 = otu,otu2 = otu)
data(env1)
p5 <- MatCorPlot(
env.dat = env1,
tabOTU = tabOTU1,
distance = "bray",
method = "metal",
x = F,
y = F,
diag = T,
sig = TRUE,
siglabel = FALSE,
shownum = TRUE,
numpoint = NULL,
numsymbol = 27,
lacx = "right",
lacy = "bottom",
range = 0.5,
p.thur = 0.3,
onlysig = F
)
p5
最多三个群落（细菌，真菌，古菌）
我就设置了三个群落，如果后面有需要，可以设置成为无限个，但是也没有意义。后面如果有时间，我会升级成6个群落，这就差不多了，不然也太乱了。
tabOTU1 = list(otu1 = otu,otu2 = otu,otu3 = otu)
p6 <- MatCorPlot(
env.dat = env1,
tabOTU = tabOTU1,
distance = "bray",
method = "metal",
x = F,
y = F,
diag = T,
sig = TRUE,
siglabel = FALSE,
shownum = TRUE,
numpoint = NULL,
numsymbol = 27,
lacx = "left",
lacy = "bottom",
range = 0.5,
p.thur = 0.3,
onlysig = F
)
p6
library(patchwork)
(p0 | p1 | p2) / (p4 | p5 | p6)
对于颜色和填充的改变
library(RColorBrewer)#调色板调用包
m=brewer.pal(9,"YlGn")
library(scales)
m=c("#E41A1C" ,"#377EB8")
show_col(m)
p + scale_colour_manual(values=c("red","blue"))
p + scale_colour_manual(values = m) + scale_fill_continuous()
# p + scale_colour_manual(values = m) + scale_fill_distiller(palette="RdYlBu")
p + scale_colour_manual(values = m) + scale_fill_distiller(palette="PRGn")
p + scale_colour_manual(values = m) + scale_fill_distiller(palette="BrBG")
(p0 | p7 | p8) / (p0 | p9 | p10)
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