微生物组学分析已成为近年来的研究热点之一。R语言作为微生物组学分析的主要平台,具有相当完善的各类分析功能包。然而,使用R语言进行微生物组分析依然具有较高的门槛,陡峭的学习曲线、复杂的数据预处理与兼容性各异的分析输入格式制约了微生物组学分析效率。 为此,我们开发了一站式微生物组分析R语言高效解决方案:LorMe包。通过易于上手的数据封装成为高兼容性的分析输入对象,一条代码即可完成各类微生物组分析,全面的输出结果兼容深度数据探索的同时,也可直接用于论文制图和文章写作。LorMe包已应用于LorMe实验室新生培训,助力各位学术新秀快速熟悉和上手微生物组分析。 跟着上一篇推送的内容,我们已经使用LorMe包完成了教程1:微生物组数据清洗、封装与配置。LorMe包简介、系统配置及安装方式见之前的推送【LorMe工具】LorMe R包:一站式微生物组高效分析方案。接下来我们可以进行微生物群落特征的一键分析。 该功能内置了6个常用多样性指数(Shannon, Simpson, Chao, ACE, Species number, Evenness)的计算,并结合了可自动适配合适检验方法的显著性统计检验(报告打印至控制台)及简单的箱线图、柱状图及小提琴图可视化图像。library(LorMe) library(ggpubr) # 以配置好的LorMe对象为例 data("Two_group") #两组的单因素配置 data("Three_group") #三组的单因素配置 # 一键分析 Two_group_alpha<- Alpha_diversity_calculator( taxobj = Two_group, taxlevel = "Genus" #分析水平,具体请看 '?Alpha_diversity_calculator' ) # 结果提取 head(Two_group_alpha$alphaframe,5) #查看α多样性指数源数据 Two_group_alpha$plotlist$Plotobj_Shannon$Barplot #查看柱状图 Two_group_alpha$plotlist$Plotobj_Shannon$Boxplot #查看箱线图 Two_group_alpha$plotlist$Plotobj_Shannon$Violinplot #查看小提琴图 Two_group_alpha$plotlist$Plotobj_Shannon$Statistics #查看统计信息 ## 其他多样性指数通过类似方式即可调取,如: Two_group_alpha$plotlist$Plotobj_Chao$Barplot # 查看AEC指数的柱状图 ## 控制台会显示具体的统计信息
输出结果目录
Shannon指数的三种可视化方案 二、β多样性/群落结构分析 该功能内置三种群落结构分析方法(PCA,PcoA和NMDS), 配置4种分组聚类可视化模式(无/置信圈/棒状图/多边形)。输出结果包含可视化图像、可视化源数据、分析统计模型和PERMANOVA统计量。## 一键分析 Three_group_strucuture<- structure_plot( taxobj = Three_group, taxlevel = "Genus", ## 极简模式仅需以上两条参数,以下为可选参数 ptsize = 2, ##点的大小 diagram = "ellipse", ## 聚类模式 ellipse.level = .85, ## 置信圈置信水平 facet_row = NULL) #分面行数,仅对分面对象有效
## 以下为控制台的分析报告 ####NMDS has done### ###Output list## ##PERMANOVA# #1) PERMANOVA统计量 ## PERMANOVA:named as('PERMANOVA_statistics') ##Plot# #2) 三种可视化图像 ## PCAplot:named as('PCA_Plot')(1/3) ## PCA图 ## PCoAplot:named as('PCoA_Plot')(2/3) ## PcoA图 ## NMDSplot:named as('NMDS_Plot')(3/3) ## NMDS图 ##Analysis object# #3) 三种分析方式的分析模型 ## PCA object:named as('PCA_object') ## PCoA object:named as('PCoA_object') ## NMDS object:named as ('NMDS_object') ##Coordinates dataframe# #4) 三种分析方式的可视化源数据 ## PCA Coordinates dataframe:named as('PCA_coordinates') ## PCoA Coordinates dataframe:named as('PCoA_coordinates') ## NMDS Coordinates dataframe:named as('NMDS_coordinates') ###Done###
## 可视化及统计结果提取(如需其他深度分析,也可通过'$'提取分析模型或源数据) Three_group_strucuture$PCA_Plot Three_group_strucuture$PCoA_Plot Three_group_strucuture$NMDS_Plot Three_group_strucuture$PERMANOVA_statistics
群落结构三种分析方法的可视化方案 三、群落组成分析 该功能自适配各分类水平的主要物种计算,配置柱状图、面积图、分组柱状图、冲积图四种可视化模式。配色方面,兼容所有RColorBrewer包的色板并可根据主要物种数量自适配相应数量的色板。 # 一键分析 Three_group_composition<- community_plot( taxobj = Three_group, taxlevel = "Phylum", ## 极简模式仅需以上两条参数,以下为可选参数 n = 10, #相对丰度最高主要物种的数量 palette = "Paired", #色板名,具体查看'RColorBrewer::display.brewer.all()' nrow = NULL, #分面行数,仅对分面对象有效 rmprefix = "p__") #删除的前缀 # 结果提取 Three_group_composition$barplot #柱状图 Three_group_composition$areaplot #面积图 Three_group_composition$mean_barplot #分组柱状图 Three_group_composition$alluvialplot #冲积图 Three_group_composition$filled_color #物种映射颜色 Three_group_composition$Top10Phylum #主要物种的row table Three_group_composition$Grouped_Top10Phylum #主要物种的column table(可视化源数据)
群落组成的四种可视化方案
群落特征分析的内容基本就是这些。想要先行查看其他一键分析使用说明,请访问:https://www./LorMe-aac2ba66a3bf46bd89c103e78550e6f4南京农业大学-土壤微生物与有机肥料团队 微生态与根际健康实验室 Lab of rhizosphere Micro-ecology 立足国家重大需求,探索前沿学科交叉 创新根际微生态研究、培养产教研创新人才 提升环境土壤生物一体化健康
竞争求发展,合作谋共赢 Competition & Cooperation 感谢您的关注和支持!
|