微生物群落結構差異分析

輸入的資料格式與rda分析格式相同

spe：群落組成資料

group: 分類資料

env：環境資料：土壤理化因子、植物類別等

library(vegan)

# adonis/permanova－pcoa
# β多樣性指數可以選擇不同的指數
adonis(spe~ grazing,data = group,permutations = 999,method="bray") ->grazing.bray # 用grazing分組spe，並進行adonis分析，分析結果賦予grazing.bray，使用bray-curits index
grazing.bray#檢視adonis分析結果 
adonis(nr~ depth*group,data = nrenv,permutations = 999,method="jaccard")->nr.jac # 不同分組方式互動影響,使用jaccard index
## 兩兩比較
pairwise.adonis <-function(x,factors, sim.method, p.adjust.m)
p.adjusted =p.adjust(p.value,method=p.adjust.m)
pairw.res = data.frame(pairs,f.model,r2,p.value,p.adjusted)
return(pairw.res)
} # 進行adonis多重比較前期準備，不需要更改
pairwise.adonis(spe, group$grazing, sim.method="bray", p.adjust.m= "bonferroni") # 多重比較

#anosim-nmds

nrck.anosim<-anosim(nrck,nrenvck$depth,permutations = 999,distance = "bray")
nrck.anosim

#mrpp

nrck.mrpp<-mrpp(nrck,nrenvck$depth,permutations = 999,distance = "bray")
nrck.mrpp

#mantel test

library(vegan)
library(ecodist)
mnra<-read.csv("mnra.csv")
group<- read.csv("group.csv")
plant=read.csv("plant.csv",header=t,row.names=1,sep=",")
species.distance<-vegdist(mnra,method = 'bray')
env.distance=vegdist(plant$tot.bio,method = "euclidean")
species$env=mantel(species.distance,env.distance,permutations=999)

adonis和anosim方法組間整體差異評估原理

pcoa距離演算法大全

讀懂pca和pcoa

1群落結構差異 2組間差異 3總結

環境因子關聯分析—cca還是rda

核心微生物分析 微生物多樣研究 微生物深度分析概述

一 微生物深度分析方法核心思想 複雜微生物群落解構的核心思想 不預設任何假定，客觀地觀測整個微生物組所發生的一系列結構性變化特徵，最終識別出與疾病或所關注的表型相關的關鍵微生物物種 基因和代謝產物。二 微生物深度分析方法 關聯分析 進行微生物群體關聯分析，需要結合兩大類傳統的統計分析方法 1 無監督...

微生物生態排序分析 CCA分析

微生物生態排序分析 cca分析 library vegan library ggplot2 library permute library lattice sa4 read.table spes.csv header t,row.names 1,sep s8.p read.table s8.p.cs...

水稻微生物組時間序列分析

猜你喜歡 寫在後面 文章主頁 zhang,j.zhang,n.liu,y.x.zhang,x.hu,b.qin,y.xu,h.wang,h.guo,x.qian,j.et al.2018 root microbiota shift in rice correlates with resident t...