R统计绘图-环境因子相关性+mantel检验组合图(linkET包介绍1)

linkET是ggcor作者的新包，最常用于绘制结合相关性分析+mantel test绘制相关性组合图。但其实他还有绘制随机森林、热图等功能，绘制出来的图也很美观。后续将分几篇文章介绍linkET包的使用。第一篇先介绍使用的最多的功能-绘制相关性组合图。

1. 数据准备

# 1.1 设置工作路径
#knitr::opts_knit$set(root.dir="D:\\EnvStat\\linkET")# 使用Rmarkdown进行程序运行
Sys.setlocale('LC_ALL','C') # Rmarkdown全局设置
options(stringsAsFactors=F)# R中环境变量设置，防止字符型变量转换为因子
setwd("D:\\EnvStat\\linkET")

# 1.2 读入环境因子、otu和代谢数据
#library(devtools)
#install_github('Hy4m/linkET',force = TRUE) # 安装包
library(linkET)
ls("package:linkET") # 查看包中的所有函数名
#mget(ls("package:linkET"), inherits = TRUE) # 查看函数名及源代码
library(ggplot2)
library(dplyr)

# otu数据
otu = read.csv("otu.csv",row.names = 1,stringsAsFactors = FALSE,check.names = FALSE)
head(otu)

# 代谢组数据
met = read.csv("met.csv",row.names = 1,stringsAsFactors = FALSE,check.names = FALSE)
head(met)

# 环境因子数据
env = read.csv("env.csv",row.names = 1,stringsAsFactors = FALSE,check.names = FALSE)
head(env)
#tax = read.csv("taxonomy.csv",row.names = 1,stringsAsFactors = FALSE,check.names = FALSE)
#head(tax)

表1|微生物数据，otu.csv。

表2|代谢组数据，met.csv。

表3|环境因子数据，env.csv。

2. 相关性图

# 2.1 计算环境因子相关性系数及提取r,p和置信区间
#args(linkET::correlate) # 查看函数的可设置参数及默认设置
#utils::argsAnywhere(correlate)# 查看函数的可设置参数及默认设置

cor = correlate(env,
                method = "pearson",
                adjust = TRUE, 
                adjust_method = "fdr") %>% 
  as_md_tbl() # 转为数据框类型
cor

# 2.2 绘制环境因子相关性图
#args(linkET::qcorrplot) 

## 2.2.1 默认参数绘图
cor.p1 <- correlate(env,
                method = "pearson",
                adjust = TRUE, 
                adjust_method = "fdr") %>% 
  qcorrplot()+
  geom_square() # 以矩形大小和颜色深浅表示相关性大小
cor.p1

图1|环境因子相关性计算结果，cor。

图2|默认参数相关性图，cor.p1。

## 2.2.2 自定义参数
library(ggtext) # 用于设置轴标签
library(ggsci) # 习惯使用的颜色设置
##basic markdown/html形式设置标签，直接在图中展示化学符号
colnames(env) = c("pH","WC",
                  "*NH*<sub>4</sub><sup>*+*</sup> - N",
                  "*NO*<sub>3</sub><sup>*-*</sup> - N",
                  "TC","TN")
                  
cor.p2.1 = correlate(
  env,
  method = "pearson",
  adjust = TRUE, 
  adjust_method = "fdr") %>% 
  #as_md_tbl() %>%
  qcorrplot(
    type = "lower",
    diag = FALSE,
    grid_col = "white", # 网格线颜色
    grid_size = 0.25, # 网格大小
    use_m