NST：轻松计算随机性比例的R包

Listenlii-生物信息知识分享

发布于 2020-05-28 16:50:02

4.7K2

发布于 2020-05-28 16:50:02

文章被收录于专栏：Listenlii的生物信息笔记Listenlii的生物信息笔记

今年8月份写了一篇文章介绍了normalized stochasticity ratio (NST)，可以计算随机性和确定性的比例。详见：

PNAS：NST方法定量生态过程中的随机性

最近文章的作者将该方法打包上传到了CRAN中。

终于可以愉快的使用啦~~

NST可以根据不同的相似性矩阵和不同的零模型算法，以及以前的一些指标，如Stochasticity Ratio (ST), Standard Effect Size (SES), modified Raup-Crick metrics (RC)等来计算。

以下对NST包中重要的函数进行简要说明：

1install.packages("NST")
2library(NST)

ab.assign

在考虑丰度的零模型基础上随机化群落时，将丰度分配给物种。根据指定的概率，个体被随机分为不同的种类。 samp.ab: 样本的总丰度 prob.ab:在一个特定的样本中，每个物种的个体被抽取的概率。

1data(tda)
2comm=tda$comm
3comm.b=comm
4comm.b[comm.b>0]=1
5samp.ab=rowSums(comm)
6prob.ab=matrix(colSums(comm),nrow=nrow(comm),ncol=ncol(comm),byrow=TRUE)
7comm.rand=ab.assign(comm.b,samp.ab,prob.ab)

beta.g

可计算21种beta多样性指数

beta.limit

对多样性指数值设置一个上限

dist.3col

这个很有用，可将beta多样性的矩阵转化为3列的形式。前两列为样本，第三列为相似性

1data(tda)
2comm=tda$comm
3bray=beta.g(comm,dist.method="bray")
4bray.3col=dist.3col(bray)

tNST

最重要的函数，计算NST。有多种距离矩阵及零模型构建的方法可选。不同方法得到的结果存在一定的差异。详见我之前文章的介绍。

1data(tda)
2comm=tda$comm
3group=tda$group
4tnst=tNST(comm=comm, group=group, dist.method="jaccard",
5          abundance.weighted=TRUE, rand=20,
6          nworker=1, null.model="PF", between.group=TRUE,
7          SES=TRUE, RC=TRUE)

nst.boot

检验各组ST、NST的分布情况及各组ST、NST差异的显著性。

1nst.bt=nst.boot(nst.result=tnst, group=NULL, rand=99,
2                trace=TRUE, two.tail=FALSE, out.detail=FALSE,
3                between.group=FALSE, nworker=1)

nst.panova

ST和NST组间进行Permutational multivariate ANOVA

1nst.pova=nst.panova(nst.result=tnst, rand=99)

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2019-11-28，如有侵权请联系 cloudcommunity@tencent.com 删除

腾讯云开发者社区

本文分享自 Listenlii 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

腾讯云开发者社区

登录后参与评论

0 条评论

热度