#载入packages
library(vegan) #计算矩阵
library(pheatmap) #绘图, 虽然这个package也可以计算矩阵, 但方法不适于生物多样性分析
library(RColorBrewer) #这个package提供"渐变(seq)", "极端(div)", "离散(qual)" 三种好用的配色方案
#读入community 矩阵, 行为样本, 列为OTUs. 将输入的数据赋值给"fcommunity", 第一行row为变量名, 第一列为行名
fcommunity
#
#(1)计算bray-curtis dissimilarity matrix, 并赋值给"fbray.dist", 算矩阵的时候OTU数量"0", 绘图时置换成"NA"
fbray.dist
#(2)已有矩阵: 由于计算多样性时, 样本测序深度(序列数)差异会造成α多样性差异(同理对β多样性也有影响?), 所以要按OTU最少的样本进行重抽样将数据均一化, MOTHUR可以实现这个功能, 所以我用MOTHUR计算的Bray-crutis dissimilarity distance. 在vegan中, 这个功能怎么实现?
fbray.dist
#设置annotation:
ann_row=data.frame(SampleSites=factor(rep(c("xx1", "xx2", "xx3"), c(3, 3, 3))))
rownames(fcommunity)=paste("Groups", 1:9, sep="")
rownames(annotation_row)=paste("Groups", 1: