R语言包:microeco:一个用于微生物群落生态学数据挖掘的R包:第五:trans_diff class

差异丰度检验是微生物群落数据分析的重要组成部分。它可以用来确定群落间差异的重要分类群。目前,trans_diff类有三种著名的方法来进行这种分析:metastat、LEfSe和random forest。这里我们介绍random forest 方法

复制代码
> t1 <- trans_diff$new(dataset = dataset, 
+                      method = "rf", 
+                      group = "Group", 
+                      taxa_level = "Genus")
1243 input features ...
751 features are remained after removing unknown features ...
Start Kruskal-Wallis rank sum test for Group ...
432 taxa found significant ...
After P value adjustment, 397 taxa found significant ...
Taxa abundance table is stored in object$res_abund ...
rf analysis result is stored in object$res_diff ...
> g1 <- t1$plot_diff_bar(use_number = 1:20, 
+                        group_order = c("TW", "CW", "IW"))
> g1

#lefse方法

> t1 <- trans_diff$new(dataset = dataset, method = "lefse", group = "Group", alpha = 0.01, lefse_subgroup = NULL)

> t1$plot_diff_bar(use_number = 1:30,

width = 0.8,

group_order = c("CW", "IW", "TW")) +

ggsci::scale_color_npg() +

ggsci::scale_fill_npg()

复制代码
> t1$res_diff[1:5, ]
                                                       Comparison                                                 Taxa Method Group      LDA      P.unadj        P.adj
k__Bacteria|p__Proteobacteria                        CW - IW - TW                        k__Bacteria|p__Proteobacteria  LEfSe    CW 4.845260 3.209570e-11 1.075904e-09
k__Bacteria|p__Acidobacteria                         CW - IW - TW                         k__Bacteria|p__Acidobacteria  LEfSe    IW 4.792228 5.749137e-12 2.955057e-10
k__Bacteria|p__Acidobacteria|c__Acidobacteria        CW - IW - TW        k__Bacteria|p__Acidobacteria|c__Acidobacteria  LEfSe    IW 4.791686 8.559155e-13 6.946430e-11
k__Bacteria|p__Bacteroidetes                         CW - IW - TW                         k__Bacteria|p__Bacteroidetes  LEfSe    TW 4.770984 1.190230e-09 1.529446e-08
k__Bacteria|p__Proteobacteria|c__Gammaproteobacteria CW - IW - TW k__Bacteria|p__Proteobacteria|c__Gammaproteobacteria  LEfSe    CW 4.624007 5.474697e-12 2.911029e-10
                                                     Significance
k__Bacteria|p__Proteobacteria                                 ***
k__Bacteria|p__Acidobacteria                                  ***
k__Bacteria|p__Acidobacteria|c__Acidobacteria                 ***
k__Bacteria|p__Bacteroidetes                                  ***
k__Bacteria|p__Proteobacteria|c__Gammaproteobacteria          ***

> t1$plot_diff_abund(use_number = 1:30)

然后,我们给出了分类树中差异特征的梯形图。这个数据集中的分类群太多了。

作为一个例子,我们只使用了树中最丰富的200个分类群和50个差异特征。

我们只在门级显示完整的分类标签,在其他级别使用字母来减少文本重叠。

#需要调用ggtree

library(ggtree)

t1$plot_diff_cladogram(use_taxa_num = 200,

use_feature_num = 50,

clade_label_level = 5,

group_order = c("CW", "IW", "TW"))

相关推荐
拓端研究室10 小时前
视频讲解|核密度估计朴素贝叶斯:业务数据分类—从理论到实践
人工智能·分类·数据挖掘
大千AI助手16 小时前
DTW模版匹配:弹性对齐的时间序列相似度度量算法
人工智能·算法·机器学习·数据挖掘·模版匹配·dtw模版匹配
要努力啊啊啊18 小时前
YOLOv3-SPP Auto-Anchor 聚类调试指南!
人工智能·深度学习·yolo·目标检测·目标跟踪·数据挖掘
好开心啊没烦恼18 小时前
Python 数据分析:numpy,说人话,说说数组维度。听故事学知识点怎么这么容易?
开发语言·人工智能·python·数据挖掘·数据分析·numpy
生态遥感监测笔记18 小时前
GEE利用已有土地利用数据选取样本点并进行分类
人工智能·算法·机器学习·分类·数据挖掘
遇雪长安1 天前
差分定位技术:原理、分类与应用场景
算法·分类·数据挖掘·rtk·差分定位
是Dream呀1 天前
基于连接感知的实时困倦分类图神经网络
神经网络·分类·数据挖掘
Chef_Chen1 天前
从0开始学习R语言--Day39--Spearman 秩相关
开发语言·学习·r语言
好开心啊没烦恼1 天前
Python 数据分析:计算,分组统计1,df.groupby()。听故事学知识点怎么这么容易?
开发语言·python·数据挖掘·数据分析·pandas
用户Taobaoapi20142 天前
母婴用品社媒种草效果量化:淘宝详情API+私域转化追踪案例
大数据·数据挖掘·数据分析