Mantel Test分析与绘图

目录

1.前言

2.步骤

3.在R语言中，除了mantel_test函数，还有其他几个工具和方法可以用于进行Mantel Test分析：

4.利用ggcor包在进行Mantel Test分析

5.使用ggcor包进行Mantel Test分析

6.两个距离矩阵的行名和列名不完全相同的处理方法

---

1.前言

Mantel Test是一种统计方法，用于检验两个矩阵之间的相关性。在生态学研究中，它常用来分析群落距离矩阵（比如基于Bray-Curtis距离）和环境变量距离矩阵（如pH值、温度或地理位置）之间的相关性。如果Mantel Test的相关性系数较大，且p值较小，这通常意味着环境因子对微生物群落的影响较大 。

2.步骤

在R语言中，进行Mantel Test分析和绘图可以通过以下步骤完成：

1. 加载必要的R包，例如linkET、tidyverse、RColorBrewer等 。
2. 准备数据，通常是两个距离矩阵，它们应该有相同的行数和样本标识。
3. 使用mantel_test函数进行Mantel Test分析，该函数可以计算两个矩阵之间的相关性，并给出r值和p值 。
4. 对结果进行处理，比如将r值和p值分为不同的区间，以便于后续可视化 。
5. 使用qcorrplot函数绘制相关性热图，并使用geom_square和geom_couple添加Mantel Test的结果到热图上 。
6. 根据需要调整图表的美观性，包括颜色、大小、标签等 。

例如，下面的R代码展示了如何使用linkET包进行Mantel Test分析并绘制热图和网络图 ：

library(linkET)
library(tidyverse)
library(RColorBrewer)

# 假设varechem和varespec是两个已经准备好的距离矩阵
data("varechem", package = "vegan")
data("varespec", package = "vegan")

# 进行Mantel Test分析
mantel <- mantel_test(varespec, varechem) %>%
  mutate(rd = cut(r, breaks = c(-Inf, 0.2, 0.4, Inf), labels = c("< 0.2", "0.2 - 0.4", ">= 0.4")),
         pd = cut(p, breaks = c(-Inf, 0.01, 0.05, Inf), labels = c("< 0.01", "0.01 - 0.05", ">= 0.05")))

# 绘制热图和网络图
correlate(varechem) %>%
  qcorrplot(type = "lower", diag = T) +
  geom_square() +
  geom_couple(aes(colour = pd, size = rd), data = mantel, curvature = 0.1) +
  scale_fill_gradientn(colours = RColorBrewer::brewer.pal(9, "RdBu")) +
  scale_size_manual(values = c(0.5, 1, 2)) +
  scale_colour_manual(values = color_pal(3)) +
  labs(fill = "Pearson's correlation",
       size = "Mantel's r value",
       colour = "Mantel's p value")

另一组R代码示例：

rm(list=ls())#好习惯，确保有干净的 R 环境
# setwd("C:/Users/Desktop/take")
library(linkET)
library(ggplot2)
library(ggtext)
library(dplyr)
library(RColorBrewer)
library(cols4all)
library(tidyverse)

data("varechem", package = "vegan")
data("varespec", package = "vegan")

#计算环境因子相关性系数：
cor2 <- correlate(varechem)
corr2 <- cor2 %>% as_md_tbl() ##在linkET包中，as_md_tbl()可以将相关性矩阵转换成一个"md"表格，这是linkET特有的数据结构，用于存储和操作相关性数据
write.csv(corr2, file = "pearson_correlate(env&env).csv", row.names = TRUE)

head(corr2)
#mantel test:
mantel <- mantel_test(varespec, varechem,
                      mantel_fun = 'mantel', #支持4种："mantel"使用vegan::mantel()；"mantel.randtest"使用ade4::mantel.randtest()；"mantel.rtest"使用ade4::mantel.rtest()；"mantel.partial"使用vegan::mantel.partial()
                      spec_select = list(spec01= 1:1,
                                         spec02=5:5,
                                         spec03 = 7:7
                      )) #这里分组为随机指定，具体实操需按自己的实际数据分组
head(mantel)
write.csv(mantel, file = "mantel_result(bio&env).csv", row.names = TRUE)

#对mantel的r和P值重新赋值（设置绘图标签）：
mantel2 <- mantel %>%
  m