做完抽平以后就是我们最关心的多样性分析,其实所有过程都能在qiime2里面做。但是,当我们只看群落中某一科的多样性变化时,我发现qiime2就不再那么灵活。

α多样性是指一个特定区域或生态系统内的多样性,是反映丰富度和均匀度的综合指标。 α多样性主要与两个因素有关:一是种类数目,即丰富度;二是多样性,群落中个体分配上的均匀性。α多样性主要关注局域均匀生境下的物种数目,因此对它的分析也是最直观。平时在分析多样性时,通常是先分析α多样性,如果没有显著差异,我们在分析β多样性,或者将二者结合分析。

###α多样性计算
#清除所有变量
rm(list=ls())
#加载vegan包
library(vegan)
#读入物种数据
otu<-read.table('totalcp.txt',header = T,row.names = 1,check.names=F)
#Shannon 指数
Shannon<-diversity(otu, index = "shannon", MARGIN = 2, base = exp(1))
#Simpson 指数
Simpson<-diversity(otu, index = "simpson", MARGIN = 2, base = exp(1))
#Richness 指数
Richness <- specnumber(otu,MARGIN = 2)
#合并
index<-as.data.frame(cbind(Shannon,Simpson,Richness))
#接下来分析的多样性指数一般不作为重点分析对象,但既然要写,就整理的完整一些
#转置物种数据
totu<-t(otu)
totu<-ceiling(as.data.frame(t(otu)))
#多样性指数
obs_chao1_ace<-t(estimateR(totu))
obs_chao1_ace<-obs_chao1_ace[rownames(index),]
index$Chao1<-obs_chao1_ace[,2]
index$Ace<-obs_chao1_ace[,4]
index$Sobs<-obs_chao1_ace[,1]
index$Pielou <- Shannon / log(Richness, 2)
index$Goods_coverage <- 1 - colSums(otu == 1) / colSums(otu)
#合并、导出数据
write.table(cbind(sample=c(rownames(index)),index),'totalcp.alpha.txt',row.names = F,sep = '\t',quote = F)

β多样性又称生境间的多样性(between-habitat diversity),是指沿环境梯度不同生境群落之间物种组成的相异性或物种沿环境梯度的更替速率。 控制β多样性的主要生态因子有土壤、地貌及干扰等。β多样性计算不再是直观地依据物种数量来,而是均以群落相似(或相异)程度为基础,即不同群落之间的距离。常用的距离指数包括Bray-Crutis距离、Unifrac距离等。而具体的分析方法,通常包括PCoA、NMDS等分析。

今天仅以基于Bray-Crutis距离的NMDS分析为例,计算β多样性。

###NMDS分析
#加载包,ape是计算bray距离的包
library(ggplot2)
library(vegan)
library(ape)
#导入群落数据
sample <- read.table("juke.txt",sep = "\t",header = T)
rownames(sample)<-sample[,1]
sample<-sample[,-1]
sample<-data.frame(t(sample))
#计算距离指数
bray<-vegdist(sample,method="bray")
bray<-as.matrix(bray)
#导入群落分组信息
group <- read.table("env.txt",sep = "\t",row.names=1,header = T)
nmds<-metaMDS(bray,k = 2)
summary(nmds)
###提取数据
#NMDS的压迫系数,大于0.2表明不适用NMDS分析
nmds.stress <- nmds$stress
nmds.point <- data.frame(nmds$point)
#导出NMDS的1、2轴,留作后续分析使用,这一步可不做
write.table (nmds.point, file ="totalcp_NMDS12.csv",sep =",", quote =FALSE)
nmds.species <- data.frame(nmds$species)
sample_site <- nmds.point[1:2]
sample_site$names <- rownames(sample_site)
colnames(sample_site)[1:2] <- c('NMDS1', 'NMDS2')
#合并分组数据
sample_site <- cbind(sample_site,group)
#NMDS图绘制
P1<-ggplot(data=sample_site,aes(NMDS1,NMDS2))+theme_bw()+theme(panel.grid= element_line(color =NA),panel.grid.minor = element_line(color = NA),panel.border = element_rect(fill = NA, colour ="black"),axis.text.x  = element_text(size=15,family="A", colour="black",hjust = 0.7),axis.title.x = element_text(vjust=0.2, size = 15,family="A"),axis.text.y  = element_text(size=15,family="A", colour="black",hjust = 0.7),axis.title.y = element_text(vjust=1, size = 15,family="A", colour="black"))+geom_point(aes(color=Biodiversity),size=2,alpha=0.9)+theme(legend.position= "top")+theme(panel.grid=element_blank())+
#下面的#00FF00等分别是颜色的16进制代码,可自己百度,需要注意的是,点的颜色用scale_color_manual()函数,置信椭圆用scale_fill_manual()scale_color_manual(values=c(R1 = "#00FF00", R2 = "#F74ED6", R4 = "#AD07E3"))+stat_ellipse(data=sample_site,geom = "polygon",aes(fill=Biodiversity),alpha=0.35,level = 0.95)+scale_fill_manual(values=c(R1 = "#00FF00", R2 = "#F74ED6", R4 = "#AD07E3"))
P1

如果以上代码不能满足大家的需求,可以评论或给我私信。我再更新PCoA等方法。如有错误欢迎大家指出。谢谢。

用R做群落α、β多样性分析相关推荐

  1. 在线作图|在线做Unifrac PCoA分析

    Unifrac PCoA分析 UniFrac分析利用各样品序列间的进化信息来比较环境样品在特定的进化谱系中是否有显著的微生物群落差异.UniFrac 可用于beta 多样性的评估分析,即对样品两两之间 ...

  2. 使用R语言包clusterProfiler做KEGG富集分析时出现的错误及解决方法

    使用enrichKEGG做通路富集分析时,一直报错:显示No gene can be mapped.... k <- enrichKEGG(gene = gene, organism = &qu ...

  3. 用R做中文LDA主题模型可视化分析

    LDA主题模型在2002年被David M. Blei.Andrew Y. Ng(是的,就是吴恩达老师)和Michael I. Jordan三位第一次提出,近几年随着社会化媒体的兴起,文本数据成为越来 ...

  4. R数据分析:生存分析的做法和结果解释

    今天给大家写写生存分析: Survival analysis corresponds to a set of statistical approaches used to investigate th ...

  5. Ecol. Lett.:写给实践生态学家的β多样性分析指南 | 朝花夕拾

    本文转载自"生态学文献分享",已获授权 原文信息: Navigating the multiple meanings of β diversity: a roadmap for t ...

  6. 图表复现|PRD地下水微生物群落的多样性分析文献

    前言 之前有小伙伴问道,能否复现一篇关于微生物多样性文献里的图片,今天小编给大家分享一下微生物分析相关的画图方法.这篇文献<Diversity and predictive metabolic ...

  7. R软件中 文本分析安装包 Rjava 和 Rwordseg 傻瓜式安装方法四部曲

    这两天,由于要做一个文本分析的内容,所以搜索了一天R语言中的可以做文本分析的加载包,但是在安装包的过程,真是被虐千百遍,总是安装不成功.特此专门写一篇博文,把整个心塞史畅快的释放一下. ------- ...

  8. 中科院单细胞分析算法开发博士带你做单细胞转录组分析

    " 福利公告:为了响应学员的学习需求,经过易生信培训团队的讨论筹备,现决定安排扩增子16S分析.宏基因组和Python课程的线上直播课.报名参加线上直播课的老师可在1年内选择参加同课程的一次 ...

  9. 《数据分析实战》--用R做交叉列表

    <数据分析实战>–用R做交叉列表 本文参考的是<数据分析实战>第四章. 背景:针对某公司的产品,发现当月的用户使用量减少了很多,但是和上月相比,本月的商业宣传和月度活动并无大的 ...

最新文章

  1. 2、已知n个人(以编号1,2,3...n分别表示)围坐在一张圆桌周围。从编号为k的人开始报数,数到m的那个人出列; * 他的下一个人又从1开始报数,数到m的那个人又出列;依此规律重复下去,直
  2. iphone连上wifi却上不了网_路由器上不了网怎么解决 路由器上不了网解决方法【详解】...
  3. 1.Consul 简介和环境搭建
  4. 极品飞车ol服务器维护,《极品飞车OL》配件升级常见问题介绍
  5. 现实复杂 devops解决_咖啡店DevOps:变革的复杂性
  6. Unix编程之size_t、ssize_t
  7. 如何写一个简单的Web Service
  8. bat窗口大小设置_dos命令发出声音图文教程,电脑音箱喇叭蜂鸣器滴,bat批处理脚本...
  9. 不变扩展卡尔曼滤波(IEKF)
  10. Allegro各属性说明如 Clines或者Cline Segs
  11. Arcgis应用(十二)栅格数据翻转(Flip)、镜像(Mirror)、重缩放(Rescale)、旋转(Rotate)、移位(Shift)、弯曲(Warp)
  12. 简单正则^(?![^a-zA-Z]+$)(?!\D+$)[0-9a-zA-Z]{6,35}$
  13. 国内外酒店软件公司发展简介(转)
  14. 游戏思考系列02:技能伤害计算流程(不涉及buff)
  15. 使用 Audacity 录音
  16. 注册ActiveX控件简单方法及控件未被正确授权解决方案
  17. TensorFlow js. 官方教程
  18. 吉林建筑大学电气与计算机学院讲师,吉林建筑大学导师教师信息介绍-电气与计算机学院刘航...
  19. MATLAB连连看小游戏
  20. 白领久坐腰酸屁股痛 做做小运动可缓解(转)

热门文章

  1. 保健用品行业渠道转型迫在眉睫,渠道商分销商城开发方案助力企业捕获新机
  2. CSS3 六边形绘制
  3. 为什么json转化有斜杠_json 带斜杠时如何解析的实现
  4. 智能化、多模态、平民化,星环科技行业大模型、向量数据库深度解析
  5. Autodesk Eagle入门之-元器件搜索
  6. nuxt 配置主题切换
  7. k8s Pod的自动水平伸缩(HPA)
  8. 外贸邮件系统哪个好用?公司企业邮箱域名怎么起?
  9. stata如何改变图例的名称
  10. optimized_model_str = C.optimize(model_str, passes) IndexError: _Map_base::at