microbiome：专门针对微生物数据分析的R包

Listenlii-生物信息知识分享

发布于 2020-05-31 16:44:04

2.9K0

发布于 2020-05-31 16:44:04

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

microbiome是专门针对微生物数据分析的R包。详细的用法参考： https://microbiome.github.io/tutorials/Diversity.html#content

这里只是简单的用途介绍

1. 多样性指数，包括丰富度，Chao,Shannon, Simpson, 均匀度，优势度，稀有度

library(microbiome)
library(knitr)
data(dietswap)
pseq <- dietswap
#所有指数
tab <- alpha(pseq, index = "all")
head(tab)
         observed    chao1 diversity_inverse_simpson diversity_gini_simpson
Sample-1      104 114.6667                  7.561722              0.8677550
Sample-2      110 121.6364                  8.102943              0.8765881
         diversity_shannon diversity_fisher diversity_coverage evenness_camargo
Sample-1          2.940698         16.69360                  4        0.2014036
Sample-2          2.822472         15.20257                  3        0.2261992
         evenness_pielou evenness_simpson evenness_evar evenness_bulla dominance_dbp
Sample-1       0.6331719       0.07270887     0.1709714      0.3298916     0.3279347
Sample-2       0.6004646       0.07366312     0.1334372      0.2755652     0.2428626
         dominance_dmn dominance_absolute dominance_relative dominance_simpson
Sample-1     0.4297198               2774          0.3279347         0.1322450
Sample-2     0.4656170               5121          0.2428626         0.1234119
         dominance_core_abundance dominance_gini rarity_log_modulo_skewness
Sample-1                0.9992907      0.8625360                   2.057691
Sample-2                0.9994309      0.8843695                   2.057552
         rarity_low_abundance rarity_rare_abundance
Sample-1           0.02896323          0.000000e+00
Sample-2           0.02997249          4.268235e-04

#####分开计算

#单独算richness和chao
tab <- richness(pseq)

#算各种优势度指数
tab <- dominance(pseq, index = "all")

#算各种稀有度指数
tab <- rarity(pseq, index = "all")

#算coverage,默认50%
tab <- coverage(pseq, threshold = 0.5)

#算核心物种
tab <- core_abundance(pseq, detection = .1/100, prevalence = 50/100)

#Gini index基尼系数，可以衡量多样性
tab <- inequality(pseq)

#五种均匀度指数
tab <- evenness(pseq, "all")

2.beta多样性

library(microbiome)
library(dplyr)
data(peerj32)
pseq <- peerj32$phyloseq
#计算组内部的差异
b.pla <- divergence(subset_samples(pseq, group == "Placebo"))

3. 物种组成 画的图感觉不是很好看，略过

4. 核心微生物 主要是core_members和core两个函数。

#detection，出现率的检测限
#prevalence，流行度阈值
core_members(x, detection = 1/100, prevalence = 50/100, include.lowest = FALSE)

core_members得到核心物种的分类信息；core得到核心物种所有信息。和这两和函数对应的是rare_members和rare，得到稀有种信息。

5.画图 plot_landscape函数可以对PCA，NMDS，PCOA，t-SNE进行可视化。

#method，可选以上几种降维方法
plot_landscape(x, method = "PCoA", distance = "bray",
  transformation = "identity", col = NULL, main = NULL,
  x.ticks = 10, rounding = 0, add.points = TRUE, adjust = 1,
  size = 1, legend = FALSE, shading = TRUE)

6.微生物稳定性分析 已有研究表明，某些微生物群落具有双稳态丰度分布，即丰度低、丰度高的峰清晰，而中间丰度的范围不稳定。因此，中间丰度范围的不稳定性是双稳定的一个指标。

#稳定性分析
intermediate_stability(x, reference.point = NULL,
  method = "correlation", output = "scores")
#双峰性分析
bimodality(x, method = "potential_analysis", peak.threshold = 1,
  bw.adjust = 1, bs.iter = 100, min.density = 1, verbose = TRUE)