本文介绍两个分析微生物群落和环境因子相关性的工具。
Bioenv
Bioenv比较常用,是vegan包中的函数。 功能:找到与群落差异有最大(秩)相关性的环境变量的最佳子集
1library(vegan)
2#说明
3bioenv(comm, env, method = "spearman", index = "bray",
4 upto = ncol(env), trace = FALSE, partial = NULL,
5 metric = c("euclidean", "mahalanobis", "manhattan", "gower"),
6 parallel = getOption("mc.cores"), ...)
7comm:群落
8env:环境因子
9method:相关性方法,同cor函数
10index:群落不相似性矩阵的构建方法。同vegdist函数
11upto:子集中最多元素个数
12partial:是否做partial分析
13metric:环境因子矩阵构建方法,有四种方法。
对于p个环境因子,存在2^p-1个子集,因此环境因子多的时候会非常非常非常慢。20个变量包含>1e6组合。
1#例子
2data(varespec)
3data(varechem)
4sol <- bioenv(wisconsin(varespec) ~ log(N) + P + K + Ca + pH + Al, varechem)
5#结果给出了不同数量环境因子条件下相关性最高的组合
6summary(sol)
7 size correlation
8P 1 0.2513
9P Al 2 0.4004
10P Ca Al 3 0.4005
11P Ca pH Al 4 0.3619
12log(N) P Ca pH Al 5 0.3216
13log(N) P K Ca pH Al 6 0.2822
bvStep
bvStep在sinkr包中。功能和Bioenv一样。在环境因子很多的时候表现更好。
1# install.packages("remotes")
2# remotes::install_github("marchtaylor/sinkr")
3library('sinkr')
4#说明
5bvStep(
6 fix.mat,
7 var.mat,
8 fix.dist.method = "bray",
9 var.dist.method = "euclidean",
10 scale.fix = FALSE,
11 scale.var = TRUE,
12 max.rho = 0.95,
13 min.delta.rho = 0.001,
14 random.selection = TRUE,
15 prop.selected.var = 0.2,
16 num.restarts = 10,
17 var.always.include = NULL,
18 var.exclude = NULL,
19 output.best = 10
20)
21fix.mat:固定的群落或环境因子数据(一般是群落)
22var.mat:可变的群落或环境因子数据(一般是环境因子)
23fix.dist.method :计算固定数据的不相似矩阵(默认bray)
24var.dist.metho:计算可变数据的不相似矩阵(默认欧氏距离)
25scale.fix:固定数据是否中心化和标准化(默认否)
26scale.va:可变数据是否中心化和标准化(默认是)
27max.rho:最大Spearman 相关性,用于停止计算,默认0.95
28min.delta.rho:Spearman 最小的变化
29random.selection:是否随机开始
30prop.selected.var:每次重新开始包含的变量比例
31num.restarts:重新开始次数,默认50
32var.always.include:每次重新开始包含的环境因子
33output.best:结果返回多少种组合,默认10
可以先经过一轮初步筛选,得到相关性比较高的因子后,再进行二次筛选。
1#例子
2library(vegan)
3data(varespec)
4data(varechem)
5set.seed(1)
6res.biobio1 <- bvStep(wisconsin(varespec), wisconsin(varespec),
7 fix.dist.method="bray", var.dist.method="bray",
8 scale.fix=FALSE, scale.var=FALSE,
9 max.rho=0.95, min.delta.rho=0.001,
10 random.selection=TRUE,
11 prop.selected.var=0.3,
12 num.restarts=50,
13 output.best=10,
14 var.always.include=NULL
15)
16res.biobio1
17#结果中包含相关性最高的组合,和不同因子数相关性最高的结果。
18$order.by.best
19 var.incl n.var rho
201 3,4,13,15,24,28,29,30,35,37,39 11 0.8404258
212 3,4,13,15,24,28,29,30,35,37,39,44 12 0.8385896
223 4,13,15,24,28,29,30,35,37,39 10 0.8346131
234 4,15,17,24,26,29,34,35,37,43 10 0.8302690
245 3,4,15,17,24,26,29,34,35,37,43 11 0.8296674
256 3,4,5,15,22,23,29,38,42 9 0.8294197
267 4,5,15,19,25,26,29,38 8 0.8286999
278 3,4,5,15,17,22,23,29,38,42 10 0.8275624
289 4,5,15,19,26,29,38 7 0.8260670
2910 4,5,14,15,19,25,26,29,38 9 0.8249346
30
31$order.by.i.comb
32 var.incl n.var rho
331 26 1 0.5186498
342 23,26 2 0.6100455
353 15,26,29 3 0.6873777
364 15,19,26,29 4 0.7428844
375 4,15,19,26,29 5 0.7760409
386 4,15,19,26,29,38 6 0.8038093
397 4,5,15,19,26,29,38 7 0.8260670
408 4,5,15,19,25,26,29,38 8 0.8286999
419 3,4,5,15,22,23,29,38,42 9 0.8294197
4210 4,13,15,24,28,29,30,35,37,39 10 0.8346131
4311 3,4,13,15,24,28,29,30,35,37,39 11 0.8404258
4412 3,4,13,15,24,28,29,30,35,37,39,44 12 0.8385896
4513 2,3,6,7,11,12,13,14,16,35,42,43,44 13 0.7157158
46
47$best.model.vars
48[1] "Rhodtome,Vaccmyrt,Dicrpoly,Pleuschr,Cladstel,Cladgrac,Cladfimb,Cladcris,Cetreric,Flavniva,Stersp"
49
50$best.model.rho
51[1] 0.8404258
52
53$var.always.include
54NULL
55
56$var.exclude
57[1] 8 20 21 32
58
59#23,26,29一直存在,因此第二次筛选将这几个样本包含进去。
60set.seed(1)
61res.biobio2 <- bvStep(wisconsin(varespec), wisconsin(varespec),
62 fix.dist.method="bray", var.dist.method="bray",
63 scale.fix=FALSE, scale.var=FALSE,
64 max.rho=0.95, min.delta.rho=0.001,
65 random.selection=TRUE,
66 prop.selected.var=0.3,
67 num.restarts=50,
68 output.best=10,
69 var.always.include=c(23,26,29)
70)
71res.biobio2 # Best rho equals 0.895 (15 of 44 variables)
72
73#最优的组合包含15个环境因子
74$best.model.vars
75[1] "Vaccmyrt,Vaccviti,Polypili,Pohlnuta,Cladarbu,Cladrang,Cladcocc,Cladcorn,Cladgrac,Cladfimb,Cladcris,Cladamau,Cetreric,Nepharct,Cladcerv"
sinkr包重点包含了多变量方法和地理数据的处理。
sinkr也有做bioenv的函数为bioEnv。