博文
PCOA
||
#载入绘图所需的包
library(vegan)
library(ape)
library(ggplot2)
library(ggrepel)
#分组数较少、组内生物学重复较多
data <- read.csv("otu.txt", head=TRUE,sep="\t",row.names = 1)
#载入分组文件
groups <- read.table("group.txt",sep = "\t",header = F,colClasses = c("character"))
#将分组文件转换为列表
groups <- as.list(groups)
#将数据转置、去除缺失值
data <- t(data)
data[is.na(data)] <- 0
#计算Bray-Curtis距离
data <- vegdist(data,method = "bray")
#进行PCoA分析
pcoa<- pcoa(data, correction = "none", rn = NULL)
#制作绘图文件
PC1 = pcoa$vectors[,1]
PC2 = pcoa$vectors[,2]
plotdata <- data.frame(rownames(pcoa$vectors),PC1,PC2,groups$V2)
colnames(plotdata) <-c("sample","PC1","PC2","group")
pich=c(21:24)
#制作绘图参数的赋值向量。
#用于填充样本点的颜色
cbbPalette <- c("#E69F00", "#56B4E9", "#009E73", "#F0E442")
#样本点的边框颜色
Palette <- c("#000000", "#000000", "#000000", "#000000")
#用于绘制横纵坐标label的文本，以显示解释比例
pc1 <-floor(pcoa$values$Relative_eig[1]*100)
pc2 <-floor(pcoa$values$Relative_eig[2]*100)
otu.adonis=adonis(data~V2,data = groups,distance = "bray")
#匹配横纵坐标
ggplot(plotdata, aes(PC1, PC2)) +
#绘制样本点，根据分组匹配颜色和形状，size调整点的大小
geom_point(aes(colour=group,shape=group,fill=group),size=12)+
geom_text(aes(x = 0.05,y = 0.35,label = paste("PERMANOVA:\n
Group_A VS Group_B\n p-value = ",otu.adonis$aov.tab$`Pr(>F)`[1],sep = "")),
size = 10,hjust = 0)+
stat_ellipse(aes(fill = group),geom = "polygon",level = 0.95,alpha = 0.3)+
#匹配形状、边框和填充的图例
scale_shape_manual(values=pich)+
scale_colour_manual(values=Palette)+
scale_fill_manual(values=cbbPalette)+
#设置标题和横纵坐标label文字
labs(title="PCoA - The composition of gut microbiome") +
xlab(paste("PC1 ( ",pc1,"%"," )",sep="")) +
ylab(paste("PC2 ( ",pc2,"%"," )",sep=""))+
theme(text=element_text(size=30))+
#添加横纵两条虚线
geom_vline(aes(xintercept = 0),linetype="dotted")+
geom_hline(aes(yintercept = 0),linetype="dotted")+
#调整背景、坐标轴、图例的格式
theme(panel.background = element_rect(fill='white', colour='black'),
panel.grid=element_blank(),
axis.title = element_text(color='black',size=34),
axis.ticks.length = unit(0.4,"lines"),
axis.ticks = element_line(color='black'),
axis.line = element_line(colour = "black"),
axis.title.x=element_text(colour='black', size=34),
axis.title.y=element_text(colour='black', size=34),
axis.text=element_text(colour='black',size=28),
legend.title=element_blank(),
legend.text=element_text(size=34),
legend.key=element_blank(),legend.position = c(0.12,0.88),
legend.background = element_rect(colour = "black"),
legend.key.height=unit(1.6,"cm"))+
#设置标题的格式
theme(plot.title = element_text(size=34,colour = "black",hjust = 0.5,face = "bold"))
#载入分析包
library(vegan)
library(ape)
#载入分析数据
data <- read.csv("otu.txt", head=TRUE,sep="\t",row.names = 1)
#将数据转置、去除缺失值
data <- t(data)
data[is.na(data)] <- 0
#计算Bray-Curtis距离
data <- vegdist(data, method = "bray")
#进行PCoA分析
pcoa<- pcoa(data, correction = "none", rn = NULL)
#载入分组文件
groups <- read.table("group.txt",sep = "\t",header = F,colClasses = c("character"))
#将分组文件转换为列表
groups <- as.list(groups)
#制作绘图文件
PC1 = pcoa$vectors[,1]
PC2 = pcoa$vectors[,2]
plotdata <- data.frame(rownames(pcoa$vectors),PC1,PC2,groups$V2)
colnames(plotdata) <-c("sample","PC1","PC2","group")
#设置形状点数
pich=c(21:24)
#用于填充样本点的颜色
cbbPalette <- c("#E69F00", "#56B4E9", "#009E73", "#F0E442")
#样本点的边框颜色
Palette <- c("#000000", "#000000","#000000","#000000")
#用于绘制横纵坐标label的文本，以显示解释比例
pc1 <-floor(pcoa$values$Relative_eig[1]*100)
pc2 <-floor(pcoa$values$Relative_eig[2]*100)
#载入绘图包
library(ggplot2)
#匹配横纵坐标
ggplot(plotdata, aes(PC1, PC2)) +
#绘制样本点，根据分组匹配颜色和形状，size调整点的大小
geom_point(aes(colour=group,shape=group,fill=group),size=12)+
#匹配形状、边框和填充的图例
scale_shape_manual(values=pich)+
scale_colour_manual(values=Palette)+
scale_fill_manual(values=cbbPalette)+
#设置标题和横纵坐标label文字
labs(title="PCoA - The composition of gut microbiome") +
xlab(paste("PC1 ( ",pc1,"%"," )",sep="")) +
ylab(paste("PC2 ( ",pc2,"%"," )",sep=""))+
theme(text=element_text(size=30))+
#添加横纵两条虚线
geom_vline(aes(xintercept = 0),linetype="dotted")+
geom_hline(aes(yintercept = 0),linetype="dotted")+
#调整背景、坐标轴、图例的格式
theme(panel.background = element_rect(fill='white', colour='black'),
panel.grid=element_blank(),
axis.title = element_text(color='black',size=34),
axis.ticks.length = unit(0.4,"lines"),
axis.ticks = element_line(color='black'),
axis.line = element_line(colour = "black"),
axis.title.x=element_text(colour='black', size=34),
axis.title.y=element_text(colour='black', size=34),
axis.text=element_text(colour='black',size=28),
legend.title=element_blank(),
legend.text=element_text(size=34),
legend.key=element_blank(),
legend.background = element_rect(colour = "black"),
legend.key.height=unit(1.6,"cm"))+
#设置标题的格式
theme(plot.title = element_text(size=34,colour = "black",hjust = 0.5,face = "bold"))
#同时显示两种分类方法
data <- read.csv("otu_taxa_table.txt", head=TRUE,sep="\t",row.names = 1)
groups <- read.table("group.list.txt",sep = "\t",header = F,colClasses = c("character"))
groups <- as.list(groups)
data <- t(data)
data[is.na(data)] <- 0
data <- vegdist(data,method = "bray")
pcoa<- pcoa(data, correction = "none", rn = NULL)
PC1 = pcoa$vectors[,1]
PC2 = pcoa$vectors[,2]
plotdata <- data.frame(rownames(pcoa$vectors),PC1,PC2,groups$V2,groups$V3)
colnames(plotdata) <-c("sample","PC1","PC2","Treatment","Time")
pich=c(21:25)
cbbPalette <- c("#E69F00", "#56B4E9", "#009E73", "#F0E442")
pc1 <-floor(pcoa$values$Relative_eig[1]*100)
pc2 <-floor(pcoa$values$Relative_eig[2]*100)
ggplot(plotdata, aes(PC1, PC2)) +
geom_point(aes(shape=Time,fill=Treatment,colour=Treatment),size=10)+
scale_shape_manual(values=pich)+
scale_colour_manual(values=cbbPalette)+
scale_fill_manual(values=cbbPalette)+
labs(title="PCoA - PC1-VS-PC2") +
xlab(paste("PC1 ( ",pc1,"%"," )",sep="")) +
ylab(paste("PC2 ( ",pc2,"%"," )",sep=""))+
theme(text=element_text(size=30))+
geom_vline(aes(xintercept = 0),linetype="dotted")+
geom_hline(aes(yintercept = 0),linetype="dotted")+
theme(panel.background = element_rect(fill='white', colour='black'),
panel.grid=element_blank(),
axis.title = element_text(color='black',size=34),
axis.ticks.length = unit(0.4,"lines"),
axis.ticks = element_line(color='black'),
axis.line = element_line(colour = "black"),
axis.title.x=element_text(colour='black', size=34),
axis.title.y=element_text(colour='black', size=34),
axis.text=element_text(colour='black',size=28),
legend.title=element_text(colour = "black",size = 34,face = "bold"),
legend.text=element_text(size=34),
legend.key=element_blank(),
legend.background = element_rect(colour = "black"),
legend.key.height=unit(1.6,"cm"))+
theme(plot.title = element_text(size=34,colour = "black",hjust = 0.5,face = "bold"))
#stat_ellipse(aes(fill = Treatment),geom = "polygon",level = 0.95,alpha = 0.3)+
#level表示置信阈值，通常为0.95，alpha为置信椭圆颜色的透明度。
#单组样品数目至少要有4个，不然画不出来椭圆。
#legend.position = c(0.12,0.88)
#可以看到默认的绘图方式中，图例是显示在图像右侧，确实是有点占地方，
#通过观察图像，发现图像的左上方空间较大，因此在糊涂代码的theme中添加一行命令，
#图例位置的修改没有办法自动生成，需要先绘制一遍默认的图像，通过观察确认图例可以防止的位置，
#以防对样本点形成遮挡。
#通常情况下，除了PCoA之外，还需要使用PERMANOVA来检验不同组样本间的微生物群落是否具有显著差异。
#使用vegan包中的adonis函数进行PERMANOVA分析。
#otu.adonis=adonis(data~V2,data = groups,distance = "bray")
#之后在绘图代码中添加如下一行命令，将PERMANVOA的结果在PCoA图中进行显示。
#geom_text(aes(x = 0.05,y = 0.35,label = paste("PERMANOVA:\n
# Group_A VS Group_B\n p-value = ",otu.adonis$aov.tab$`Pr(>F)`[1],sep = "")),
# size = 10,hjust = 0)
#PERMANOVA结果的x和y坐标要根据图像实际情况进行设置，防止显示不全或者遮挡样本点。
#由于本示例第二种方式有分为5类，因此pich的赋值改为了21-25，请根据自己数据的分组数目自行调整。
#由于分组是按照12个月进行分组的，因而需要通过指定分组因子的顺序
#以达到图例中从1至12月依次显示的目的。
#由于分组有12个，而R中提供的具有填充颜色的形状远没有这么多，
#因此至选择了4个形状通过重复3次来达到形状的匹配。
#通过legned.key.height调整图例的高度，从而达到图例正好与图像高度一致。
#从图总可以看出有一些样本存在离群现象，
#要想在图中展示哪个样本离群就需要在样本点附近标出样本名称。
#常规的方法可以使用geom_text通过对样本点坐标的匹配标出样本名称，
#比如可以在绘图代码中添加如下命令。geom_text(aes(label=sample),size=5,hjust=0.5,vjust=-1)
#添加的样本名称会由于部分样品距离较近而出现重叠遮挡，
#当然可以通过一个名称一个名称的调整来解决，但是效率实在是低。
#比较快速的方法是通过ggerpel包添加样本名称，其会自动调整遮挡的样本名，从而达到区分的目的。
#载入ggerple包后，在绘图命令中添加如下代码。
#geom_label_repel(aes(PC1,PC2,label = plotdata$sample),fill = "white",color = "black",
box.padding = unit(0.6,"lines"),segment.colour = "grey50",
label.padding = unit(0.35,"lines"))
#ggerple添加样本名称在样本过于密集的情况也，
#偶尔也会出现个别样本名称有遮挡的情况，99.9%以上没有问题。#geom_polygon(data = plotdata,aes(fill = Treatment),alpha = 0.5,show.legend = FALSE)+
#分组数目较多、组内生物学重复较少
data <- read.csv("otu 2.txt", head=TRUE,sep="\t",row.names = 1)
data <- t(data)
data[is.na(data)] <- 0
data <- vegdist(data)
pcoa<- pcoa(data, correction = "none", rn = NULL)
groups <- read.table("group 2.txt",sep = "\t",header = F,colClasses = c("character"))
groups <- as.list(groups)
groups$V2 <- factor(groups$V2,levels = c("Jan","Feb","Mar","Apr","May",
"Jun","Jul","Aug","Sep","Oct","Nov","Dec"))
PC1 = pcoa$vectors[,1]
PC2 = pcoa$vectors[,2]
plotdata <- data.frame(rownames(pcoa$vectors),PC1,PC2,groups$V2)
colnames(plotdata) <-c("sample","PC1","PC2","group")
pc1 <-floor(pcoa$values$Relative_eig[1]*100)
pc2 <-floor(pcoa$values$Relative_eig[2]*100)
pich=rep(c(21:24),3)
library(RColorBrewer)
cbbPalette <- brewer.pal(12,"Set3")
Palette <- c(rep("#000000",12))
ggplot(plotdata, aes(PC1, PC2)) +
geom_point(aes(colour=group,shape=group,fill=group),size=8)+
geom_label_repel(aes(PC1,PC2,label = sample),fill = "white",color = "black",
box.padding = unit(0.6,"lines"),
segment.colour = "grey50",
label.padding = unit(0.35,"lines")) +
scale_shape_manual(values=pich)+
scale_colour_manual(values=Palette)+
scale_fill_manual(values=cbbPalette)+
labs(title="PCoA - The composition of microbiome in sediment") +
xlab(paste("PC1 ( ",pc1,"%"," )",sep="")) +
ylab(paste("PC2 ( ",pc2,"%"," )",sep=""))+
theme(text=element_text(size=30))+
geom_vline(aes(xintercept = 0),linetype="dotted")+
geom_hline(aes(yintercept = 0),linetype="dotted")+
theme(panel.background = element_rect(fill='white', colour='black'),
panel.grid=element_blank(),
axis.title = element_text(color='black',size=34),
axis.ticks.length = unit(0.4,"lines"),
axis.ticks = element_line(color='black'),
axis.line = element_line(colour = "black"),
axis.title.x=element_text(colour='black', size=34),
axis.title.y=element_text(colour='black', size=34),
axis.text=element_text(colour='black',size=28),
legend.title=element_blank(),
legend.text=element_text(size=28),
legend.key=element_blank(),legend.position = "right",
legend.background = element_rect(colour = "black"),
legend.key.height=unit(1.55,"cm"))+
theme(plot.title = element_text(size=34,colour = "black",hjust = 0.5,face = "bold"))
#geom_polygon(data = plotdata, aes(fill = group), alpha = 0.5, show.legend = FALSE)+
https://blog.sciencenet.cn/blog-3448646-1276179.html
上一篇：迁移R包
下一篇：相对丰度带来的偏差
扫一扫，分享此博文