R语言:microeco:一个用于微生物群落生态学数据挖掘的R包,第六:trans_env class

#环境变量在分析微生物群落结构和组装机制方面是非常有用的。我们首先展示RDA分析(db-RDA和RDA)。

复制代码
> t1 <- trans_env$new(dataset = dataset, add_data = env_data_16S)
Env data is stored in object$data_env ...
> t1$cal_ordination(method = "RDA", use_measure = "bray")
No taxa_level provided; use Genus level automatically !
The original ordination result is stored in object$res_ordination ...
The R2 is stored in object$res_ordination_R2 ...
> t1$cal_ordination_envsquare()
Error: attempt to apply non-function
> t1$cal_ordination_envfit()
Result is stored in object$res_ordination_envfit ...
> t1$trans_ordination(adjust_arrow_length = TRUE, max_perc_env = 10)
The result list is stored in object$res_ordination_trans ...
> t1$plot_ordination(plot_color = "Group")

#Mantel检验可以检验环境变量与距离矩阵之间是否存在显著的相关关系。

复制代码
> t1$cal_mantel(use_measure = "bray")
The result is stored in object$res_mantel ...
> t1$res_mantel
   by_group     Variables mantel type Correlation method Correlation coefficient p.value  p.adjusted Significance
1       All      Latitude mantel test            pearson              0.52010091   0.001 0.001375000           **
2       All     Longitude mantel test            pearson              0.37732601   0.001 0.001375000           **
3       All      Altitude mantel test            pearson              0.22102713   0.001 0.001375000           **
4       All   Temperature mantel test            pearson              0.45198101   0.001 0.001375000           **
5       All Precipitation mantel test            pearson              0.27905384   0.001 0.001375000           **
6       All           TOC mantel test            pearson              0.13000213   0.001 0.001375000           **
7       All           NH4 mantel test            pearson             -0.05538846   0.918 0.918000000             
8       All           NO3 mantel test            pearson              0.06758353   0.044 0.048400000            *
9       All            pH mantel test            pearson              0.40853579   0.001 0.001375000           **
10      All  Conductivity mantel test            pearson              0.26425041   0.001 0.001375000           **
11      All            TN mantel test            pearson              0.13205237   
0.002 0.002444444           **

环境变量与分类群之间的相关性对分析和推断群落结构的影响因素具有重要意义。

在本例中,我们首先进行了差异丰度检验和随机森林分析,以获得重要属。然后利用这些分类群进行相关性分析。

> t2 <- trans_diff$new(dataset = dataset, method = "rf", group = "Group", rf_taxa_level = "Genus")

> t1 <- trans_env$new(dataset = dataset, add_data = env_data_16S, 4:11)

> t1cal_cor(use_data = "Genus", p_adjust_method = "fdr", other_taxa = t2res_rf$Taxa1:5)

> t1$plot_cor(pheatmap = FALSE)

图画的有些难看,这是临时跑的,大家有需求的话可以用自己的数据跑一下。没需求就跑着玩,熟悉一下就好。

相关推荐
翰墨之道19 小时前
黄仁勋回归传闻升温:英伟达领导层风波牵动AI产业
人工智能·数据挖掘·回归
复杂网络与机器学习2 天前
Meta 重写 K-Means:25 轮压成 2 轮,GPU 快 45 倍
人工智能·算法·数据挖掘
databook2 天前
时间序列数据,先拆规律还是先查异常
python·数据挖掘·数据分析
WiKiLeaks_successor3 天前
R_day3(DataType:matrix)
r语言
喵本喵叁肆5 天前
Rényi 差分隐私:把隐私损失看成一族矩(英文原题:Rényi Differential Privacy (CSF 2017))
开发语言·r语言
wangxiaoxuan2175 天前
从深度图到点云:投影、滤波、降采样与聚类
机器学习·数据挖掘·机器人·聚类·科沃斯八界
Aloudata7 天前
Claude 做数据分析的这两年:一份复盘与发展线索
大数据·数据库·人工智能·数据挖掘·数据分析·dataagent
GrowingIO技术社区9 天前
用户行为分析怎么做?从业务目标到改进验证的完整流程
大数据·数据挖掘·数据分析
电科_银尘10 天前
【深度学习项目实战·17】行人目标检测:用Faster R-CNN找出图片中的行人
深度学习·目标检测·r语言
GrowingIO技术社区12 天前
CDP、行为分析、归因与营销自动化有什么区别?
数据结构·数据挖掘·数据分析