R:Bray-Curtis NMDS

导读

Bray-Curtis NMDS降维分析菌群结构。

一、输入数据

1.1 菌属丰度矩阵

df = data.frame(abs(round(matrix(rnorm(729, 100, 50), 27, 27))))
rownames(df) = paste(rep(paste(rep(c("A", "B", "C"), each=3), rep(c("I","II","III")), sep=""), each=3), 1:3, sep="")
colnames(df) = paste("genus", 1:27, sep="")

1.2 样品分组

df_group = paste(rep(c("A", "B", "C"), each=9), rep(c("I","II","III"), each=3), sep="")
data.frame(rownames(df), df_group)

二、BC NMDS函数

library(vegan)
library(ggplot2)
library(ape)
# nmds
nmds_f = function(input, group)
{
    nmds = metaMDS(input, distance="bray", k=2)
    nmds_point = data.frame(nmds$points)

    nmds_point$Category = group
    nmds_point$Group = substring(nmds_point[, 3], 1, 1)
    nmds_point$Mark = substring(nmds_point[, 3], 2)
    # substring(x, start, end) no end is all
    write.csv(nmds_point, file="bray_curtis_nmds.csv")
    
    result = ggplot(nmds_point, aes(x=MDS1, y=MDS2, color = Group)) +
      geom_point(aes(shape = Mark), size = 4) + 
      stat_ellipse(level = 0.95, show.legend = F, aes(fill = Category)) +
      theme_classic() +  # 经典,只有xy轴
      labs(title = paste('Bray-Curtis  NMDS  Stress =', round(nmds$stress, 4))) +
      scale_color_manual(values=c("A" = "#EE6363", "B" = "#1E90FF", "C" = "#00C5CD")) +
      scale_shape_manual(values=c(1, 2, 0)) +
      guides(color = guide_legend(order=1), shape = guide_legend(order=2))
      # guides(color=guide_legend(title = NULL)) +
      # theme(legend.title=element_blank()) + 
      # geom_hline(yintercept = 0, size=0.1, linetype="dashed") +
      # geom_vline(xintercept = 0, size=0.1, linetype="dashed") +
      # geom_text(aes(label = rownames(nmds_point))) +
      # theme(panel.grid=element_blank(), panel.background=element_rect(color='black', fill='transparent')) +
      # theme_bw() +  # 黑框,无背景
      # theme(legend.title = element_text(size = 13, face = "bold"), plot.title = element_text(hjust = 0.5))
    ggsave(result, filename="bray_curtis_nmds.pdf")
}

三、分析及结果

nmds_f(df, df_group)


ellipse圈圈没出来,数据是模拟的,没事

3.1 结果文件

3.2 结果表

3.3 结果图

四、分析举例

在ggplot2中更改用于scale_shape()的形状
NMDS说明

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,723评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,080评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,604评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,440评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,431评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,499评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,893评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,541评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,751评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,547评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,619评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,320评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,890评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,896评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,137评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,796评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,335评论 2 342

推荐阅读更多精彩内容