R包**ggNetView**使用---（1）

R包ggNetView使用---（1）

Example 1

首先基于OTU相对丰度数据，采用 WGCNA 方法通过皮尔逊相关系数（阈值0.7，p值0.05）构建了微生物共现网络，网络节点代表OTU并按模块性进行分组；随后使用类Gephi布局算法对网络进行可视化，将同一模块的节点布局相邻，节点颜色和填充均按模块划分，节点大小在1-5范围内变化，边设置为浅灰色半透明连线，最终生成了一个展示微生物群落内物种关联模式的可视化网络图。

{r 复制代码

library(ggNetView)
library(ggplot2)
library(ggnewscale)
data("otu_tab")
data("otu_rare")
data("otu_rare_relative")
data("tax_tab")
dim(otu_rare_relative)
colnames(otu_rare_relative)
obj <- build_graph_from_mat(
  mat = otu_rare_relative,        # 数据矩阵（相对丰度数据）
  transfrom.method = "none",      # 不对数据进行转换
  method = "WGCNA",               # 使用WGCNA方法构建网络
  cor.method = "pearson",         # 皮尔逊相关系数
  proc = "BH",                    # Benjamini-Hochberg多重检验校正
  r.threshold = 0.7,              # 相关系数阈值
  p.threshold = 0.05,             # p值阈值
  node_annotation = tax_tab       # 节点注释信息（分类学表格）
)

p1 <- ggNetView(
  graph_obj = obj,                # 网络对象
  layout = "gephi",              # 使用类似Gephi的布局算法
  layout.module = "adjacent",    # 同一模块的节点布局相邻
  # 分组和颜色设置
  group.by = "Modularity",       # 按模块分组
  fill.by = "Modularity",        # 按模块填充颜色
  # 节点大小
  pointsize = c(1, 5),           # 节点大小范围（最小1，最大5）
  # 布局选项
  center = F,                    # 不将网络居中
  jitter = F,                    # 不添加随机抖动
  # 边（连线）设置
  mapping_line = F,              # 不根据属性映射边的样式
  shrink = 0.9,                  # 收缩因子（控制边长的缩短程度）
  linealpha = 0.2,               # 边透明度（20%，很淡）
  linecolor = "#d9d9d9"          # 边颜色（浅灰色）
)
p1

Example 2

这段代码通过gglink_heatmaps函数，将56个环境因子（分为4组）与8个物种进行皮尔逊相关性分析，并以热图的形式展示环境因子组内和组间的关系，同时将环境因子与物种通过网络图连接，直观地展示了环境因子与物种之间的关联。结果图形中，环境因子热图被放置在四个角落，物种部分以圆形轮廓布局，中间用连线表示相关性。整个过程旨在探索环境因子与物种丰度之间的潜在关系。

{r 复制代码

data("Envdf_4st")
data("Spedf")
out1 <- gglink_heatmaps(
  env = Envdf_4st,                    # 输入环境因子数据
  spec = Spedf,                       # 输入物种丰度数据
  env_select = list(                  # 对环境因子进行分组设置
    Env01 = 1:14,                     # 第一组：第1-14列环境因子
    Env02 = 15:28,                    # 第二组：第15-28列环境因子
    Env03 = 29:42,                    # 第三组：第29-42列环境因子
    Env04 = 43:56                     # 第四组：第43-56列环境因子
  ),
  spec_select = list(                 # 对物种进行分组设置
    Spec01 = 1:8                      # 物种组：第1-8列物种
  ),
  relation_method = "correlation",    # 使用相关性分析方法
  spec_layout = "circle_outline",     # 物种布局为圆形轮廓
  cor.method = "pearson",             # 使用皮尔逊相关系数
  cor.use = "pairwise",               # 使用成对完整观测计算相关系数
  r = 6,                              # 相关阈值设置为6（可能为相关系数阈值或半径参数）
  orientation = c(                    # 热图放置方位
    "top_right", "bottom_right",      # 右上和右下位置
    "top_left", "bottom_left"         # 左上和左下位置
  )
)
#> The max module in network is 2 we use the 2  modules for next analysis

out1[[1]]