R语言:microeco:一个用于微生物群落生态学数据挖掘的R包,第四:trans_beta class

trans_beta class:利用trans_beta类可以变换和绘制beta分集的距离矩阵。该类中涉及到beta多样性的分析主要包括排序、群距、聚类和方差分析。我们首先使用PCoA显示排序。

复制代码
> dataset$cal_betadiv()
The result is stored in object$beta_diversity ...
> t1 <- trans_beta$new(dataset = dataset, group = "Group", measure = "bray")
> t1$cal_ordination(ordination = "PCoA")
The ordination result is stored in object$res_ordination ...
> tmp <- t1$res_ordination$scores
> t2 <- trans_env$new(dataset = dataset, add_data = tmp[, 1:2])
Env data is stored in object$data_env ...
> t2$cal_diff(group = "Group", method = "anova")
The result is stored in object$res_diff ...
Warning message:
程辑包‘agricolae’是用R版本4.3.3 来建造的  #这里需要安装agricolae包,直接install就行。
> t2
trans_env object:
Env table have 2 variables: PCo1,PCo2

> p1 <- t1$plot_ordination(plot_color = "Group", plot_shape = "Group", plot_type = c("point", "ellipse"))

#然后我们绘制并比较群距。

> t1$cal_group_distance()

> t1$plot_group_distance(distance_pair_stat = TRUE)

#这里应该会有差异比较的,但是却没有。示例如下,不知道有什么问题,等到有需求我会解决这个问题。

#计算和绘制组之间的样本距离

> t1$cal_group_distance(within_group = FALSE)

> t1$plot_group_distance(distance_pair_stat = TRUE)

聚类图也是一种常用的方法。

> t1$plot_clustering(group = "Group", replace_name = c("Saline", "Type"))

#perMANOVA常用于组间距离的差异检验。

复制代码
> t1$cal_manova(cal_manova_all = TRUE)
The result is stored in object$res_manova ...
> t1$res_manova
Permutation test for adonis under reduced model
Terms added sequentially (first to last)
Permutation: free
Number of permutations: 999

adonis2(formula = use_formula, data = metadata, cal_manova_all = TRUE)
         Df SumOfSqs      R2      F Pr(>F)    
Group     2   6.1207 0.19553 10.573  0.001 ***
Residual 87  25.1822 0.80447                  
Total    89  31.3029 1.00000                  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

manova表示每一对组

复制代码
> t1$cal_manova(cal_manova_paired = TRUE)
The result is stored in object$res_manova ...
> t1$res_manova
Permutation test for adonis under reduced model
Terms added sequentially (first to last)
Permutation: free
Number of permutations: 999

adonis2(formula = use_formula, data = metadata, cal_manova_paired = TRUE)
         Df SumOfSqs      R2      F Pr(>F)    
Group     2   6.1207 0.19553 10.573  0.001 ***
Residual 87  25.1822 0.80447                  
Total    89  31.3029 1.00000                  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
复制代码
# manova用于指定组集:这里是“group + Type”
> t1$cal_manova(cal_manova_set = "Group + Type")
The result is stored in object$res_manova ...
> t1$res_manova
Permutation test for adonis under reduced model
Terms added sequentially (first to last)
Permutation: free
Number of permutations: 999

adonis2(formula = use_formula, data = metadata, cal_manova_set = "Group + Type")
         Df SumOfSqs      R2      F Pr(>F)    
Group     2   6.1207 0.19553 10.573  0.001 ***
Residual 87  25.1822 0.80447                  
Total    89  31.3029 1.00000                  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

这个包的改动有些大,以前的代码不能直接跑了。我发觉,学习这个包还是要基于需求啊,否则会很快忘掉。以前我使用vegan包分析+ggplot2包做PCOA分析,等把这个包分享完了,我会再分享其它的R语言。

相关推荐
BYSJMG3 小时前
计算机毕业设计选题推荐:基于大数据的肥胖风险分析与可视化系统详解
大数据·vue.js·数据挖掘·数据分析·课程设计
2501_941837264 小时前
蘑菇可食用性分类识别_YOLO11分割模型实现与优化_1
人工智能·数据挖掘
木非哲5 小时前
AB实验高级必修课(二):从宏观叙事到微观侦查,透视方差分析与回归的本质
人工智能·数据挖掘·回归·abtest
2501_941652776 小时前
基于DETR模型的棉花品种识别与分类检测研究_r50_8xb2-150e_coco数据集训练
人工智能·数据挖掘
muddjsv6 小时前
2026 数据分析主流语言全景解析:选型、场景与学习路径
数据挖掘·数据分析
2501_941652777 小时前
验证码识别与分类任务_gfl_x101-32x4d_fpn_ms-2x_coco模型训练与优化
人工智能·数据挖掘
YangYang9YangYan8 小时前
2026大专财务专业学生学数据分析的技术价值分析
数据挖掘·数据分析
Dingdangcat869 小时前
轮胎缺陷检测与分类系统基于solov2_r101_fpn_ms-3x_coco模型实现_fulltyre专项识别_1
人工智能·分类·数据挖掘
实时数据9 小时前
Selenium常用于网页爬取 为了提高爬取效率,可以采取以下优化措施:合理使用无头模式
selenium·测试工具·数据挖掘
CDA数据分析师干货分享10 小时前
【干货】CDA一级知识点拆解3:《CDA一级商业数据分析》第3章 商业数据分析框架
大数据·人工智能·数据挖掘·数据分析·cda证书·cda数据分析师