基于vegan包对otu表抽平——微生物抽平

已于 2023-06-11 19:57:38 修改
阅读量6.2k 收藏 25
点赞数 10
分类专栏： 微生物 文章标签： 其他 经验分享
于 2022-04-11 13:17:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44557372/article/details/124096945
版权

抽平：指按照一定数量或样本序列最低数量，将所有样本的序列随机抽取至统一数据量。

简单地说，就是在不同的样本测序数据有差距的时候，保证样本测序序列的均一性。

使用vegan包抽平：

数据准备：准备一个otu表。

输入文件：otu.txt，第一行为样品的名称，第一列为otu名称（名称具有唯一性）。

#加载r工作目录，如果文件直接放在了默认的工作目录可以忽略该代码
setwd("D:/r/")
#加载vegan包，如果没有这个包先提前安装
library(vegan)
#加载otu数据表
otu = read.table('otu.txt', header=T, sep="\t", quote = "", row.names=1, comment.char="", stringsAsFactors = FALSE)
#求和查看每个样本的和
colSums(otu)
#抽平并把结果赋值给“otu_Flattening”
otu_Flattening =as.data.frame(t(rrarefy(t(otu),min(colSums(otu)))))
#查看抽平后的每个样本的和
colSums(otu_Flattening)
#将抽平后的otu结果表（otu_Flattening）保存到该工作目录下，并命名为“otu_Results.csv”
write.table(otu_Flattening, file="otu_Results.csv",sep =",", quote=FALSE)

otu抽平步骤

用R做物种丰度抽平
qq_35823062的博客
03-06 4295
在计算群落多样性指数之前，我们会先把获得的丰度数据抽平。 为什么抽平？ 抽平是指把所有要分析的群落丰度处于相同深度下，即各群落总物种丰度相同。这样可以让要分析的群落处于同一水平进行分析，大大减少误差。因此，抽平的深度就不能大于最小丰度群落的总丰度值。我们也通常把最小丰度值作为抽平的深度。 改过程依然在生态学最常用的包里进行。 ###抽平 #首先我们需要加载vegan包 library(vegan) #加载群落总表，行标题是群落名称，列标题是群落中物种名称，统计值为谋群落中某物种的数量 otu =
OTU数据抽平
m0_60609261的博客
10-04 7762
宏基因组或扩增子测序后，对测序后得到的otu表进行抽平处理，过滤一些低丰度的OTU，抽平后得到的OTU表可以用来做alpha多样性分析、beta排序和距离分析。
USEARCH11新功能——OTU表抽平otutab_rare
刘永鑫的博客——宏基因组公众号
08-08 9081
http://www.drive5.com/usearch/manual/cmd_otutab_rare.html 稀疏、抽平 otutab_rare 抽样OTU比至某个指定数据量，方便比较Alpha多样性，对于抽平后的OTU表，会自动删除不满足样本量的样品，还会去除全为零的OTUs 使用实战 usearch11 -otutab_rare otutab.txt -sample_si...
R语言中vegan软件包使用教程
LvManBa的博客
12-23 1509
vegan包提供了许多功能来分析生态学数据，从计算多样性指数到执行复杂的多元分析（如PCA、CCA和NMDS）。它的强大之处在于能够结合物种丰度数据和环境数据，帮助研究者理解生态系统中不同物种之间的关系，以及它们如何响应环境变化。这个教程涵盖了常见的使用vegan包的基本操作，但vegan包远不止这些功能。如果需要深入了解veganvegan包文档：vegan。
万字长文介绍R package “vegan”——入门学习与重复文献数据
whitedrogen的博客
04-17 8581
vegan是一个用于（community ecology）分析的包。
R语言入门：vegan包vegdist()函数的解释与用法
泥木的博客
04-20 3567
vegan包中的vegdist()函数是用于计算生态学研究中样本间距离或相异性的函数。该函数主要用于计算样本之间的距离矩阵。描述了函数的基本用法，和method的一些参数含义。
R语言入门：vegan包使用decostand()函数实现标准化的几种方法（举例更新中）
泥木的博客
04-12 2432
该函数为群落生态学研究提供了一些流行的(和有效的)标准化方法。x: 群落数据，类似矩阵的对象，用于进行标准化处理。method: 标准化方法。MARGIN: 如果默认不可接受，则为边界。1 = 行，2 = 列。: 在中找到范围的矩阵。这允许在数据的子集之间使用相同的范围。MARGIN的维度必须与x匹配。logbase: 在中使用的对数基数。na.rm: 忽略行或列标准化中的缺失值。zap: 使接近零的值成为精确的零，以避免负值和夸张的物种丰富度估计。2、method部分：标准化方法。
在线作图|微生物多样性分析——稀释曲线
weifanbio的博客
08-11 5765
稀释曲线 稀释曲线(Rarefaction Curve，也称稀疏曲线)：一般在微生物组研究中用于评估测序量或样本量的饱和情况。稀释曲线通过从每个样本中随机抽取一定数量的序列（即在不超过现有样本测序量的某个深度下进行重新抽样），可以预测在一系列给定的测序深度下，所可能包含的物种总数及其中每个物种的相对丰度。因此，通过绘制稀释曲线，还可以在相同测序深度下，通过比较样本中ASV/OTU数的多少，从而在一定程度上衡量每个样本的多样性高低。 如何不使用R绘制稀释曲线？ 小编和他的小伙伴们开发了一个在线的作图小网站—
1 田间水稻微生物组群落随时间与生长变化研究
fox387的博客
04-12 1828
Root microbiota shift in rice correlates with resident time in the field and developmental stage 概述 In monocots and dicots, roots mainly associate with Proteobacteria, Actinobacteria, Bacteroidetes, ...
PCoA+boxplot：宏基因组扩增子组间差异分析（Beta多样性组合图）
a852232394的博客
05-29 937
在这一点上，我们注意到上图的水平轴和右侧图的垂直轴与主图的轴线并不完全对应。因此，如果我们继续使用这些图形，应该保留上图和右侧图的刻度线。如果用户需要完全对应的刻度线，则需要进一步控制坐标轴。实现分析和可视化，我个人推荐大家用这个包来进行微生物常见的分析，真的会节约大量时间。这里我们首先计算了beta距离，然后执行了PCoA分析；进行beta多样性分析，并进行PCoA+boxplot组合图展示。实现，有必要的话我会单独写一篇，欢迎大家与我讨论。当然，本期的分析内容也可以通过。
基于Vegan_软件包的生态学数据的排序分析(赖江山_米湘成)
11-25
群落学物种组成数据的分析方法通常有两种：梯度分析（排序）和分类方法（聚类、TWINSPAN等）。这里的梯度分析是广义的梯度分析，泛指任何以揭示物种组成数据与实测或潜在的环境因子之间关系的方法。
vegan中文教程.pdf
06-02
本教程演示了生态群落数据多元分析R语言程序包vagan的排序分析方法，学习本教程之前您应了解R语言基本语法和群落排序的一般概念.vegan包提供包括非度量多维尺度分析（NMDS）在内的所有基本排序方法。教程也介绍了包括邻近约束分析（CAP），冗余分析（RDA）和典范对应分析（CCA）等约束排序方法。vegan包还提供环境交量拟合以及绘制排序圈的函数。
alpha多样性脚本
01-13
此代码片段展示了如何基于给定的数据框df执行三种常见的alpha多样性指标——香农熵(shannon)，辛普森指数(simpson)，以及伯杰-帕克指数(berger_parker_d)。 ### 使用R语言进行Alpha多样性分析 而在R环境中，则可以...
R语言细菌阿尔法多样性分析
02-26
此过程创建了一个包含OTU表、样本描述和其他可选组件的对象[^1]。 #### 计算Alpha多样性指数 利用Vegan库可以方便地获取多个不同的α-多样性测量值，如Shannon熵、Simpson指数等。 ```r shannon_diversity (ps, ...
开源项目 `vegan` 使用教程
gitblog_00092的博客
04-22 393
开源项目 vegan 使用教程 vegan R package for community ecologists: popular ordination methods, ecological null models & diversity analysis 项目...
安装R语言扩展包vegan
dengleize6745的博客
11-04 7345
这周的作业我开始得好迟啊。。。然而还是要努力做啊。。。 ××××××××××××××我是萌萌哒分割线×××××××××××××××××××××××××××××××××××× 首先，百度进入官方页面，看到这些： 也就是说，需要先安装permute和lattice包。那么，如何安装？？ 呃 首先下载.tar.gz，然后在命令行 sudo R CMD INSTALL packa...
R语言入门：vegan包diversity()、simpson.unb()、fisher.alpha()、specnumber函数
泥木的博客
04-16 3615
Shannon, Simpson, and Fisher diversity indices and species richness. 3、参数解释 3.1 diversity() 3.2 simpson.unb()3.3 fisher.alpha()代码来自于：[Package vegan version 2.6-4 Index]，在Rstudio中可找到这个代码。这里对生态数据集BCI进行了一系列生物多样性分析，并进行了一些统计计算和绘图，以了解不同栖息地之间的物种多样性和差异。 Run e
Vegan包中非参数Manova函数的等效性和R语言实现
TechBurst的博客
08-11 298
它使用另一种称为"Permutational Multivariate Analysis of Variance"（PERMANOVA）的方法，通过随机重排样本的标签来评估组间差异的显著性。传统的多元方差分析通常基于线性模型的假设，即变量之间的关系可以用线性组合来描述。通过使用该函数，我们可以更灵活地处理不满足线性模型假设的情况，并得到相关的统计结果。根据结果，我们可以判断不同组之间的差异是否显著，并了解各个变量对总方差的贡献程度。函数不需要假设线性组合的条件，更加灵活，并且能够处理更广泛的数据类型。
R包vegan的群落对应分析（CA）
Mrrunsen的博客
01-31 876
对应分析（Correspondence Analysis，CA）在群落分析中常用于物种组成数据，排序结果展示的是样方间χ2距离。χ2距离不受双零问题的影响，适用于原始物种多度数据（和PCA相比，物种多度数据无需转化）。 CA分析对象必须是频度或类频度、同量纲的非负数据，如物种个体计数或有-无数据。 对于CA的基本概念描述及其在群落分析中的应用，可参考前文。 本篇以某16S扩增子测序所得细菌群落数据，简介在R中执行CA的过程。 示例文件、R脚本等，已上传至百度盘： https://pan.bai
phyloseq包什么函数可以抽平
最新发布
03-31
<think>嗯，用户之前问过关于扩增子数据处理中先过滤还是先抽平的问题，现在他们想知道phyloseq包中哪个函数可以用于抽平。首先，我需要确认他们是否已经了解抽平的概念，但根据之前的对话，他们应该对抽平的目的和方法有一定了解。 用户的问题很具体，直接指向phyloseq包的函数。我需要回忆一下phyloseq的文档，抽平通常对应的是rarefaction，所以可能相关的函数是rarefy_even_depth。不过要确认是否正确，有没有其他函数可能涉及。比如，有没有类似rarefy或者其他的函数名？ 然后，我需要确保这个函数的使用方法，是否需要特定的参数，比如设置抽平的序列数，如何处理达不到这个深度的样本等等。可能用户在使用时需要注意样本的测序深度是否足够，如果某些样本的序列数低于抽平阈值，这些样本可能会被排除，这一点需要提醒用户。 另外，用户可能在使用phyloseq时已经有了一些数据对象，比如phyloseq对象包含OTU表和样本数据。需要说明如何将phyloseq对象传递给这个函数，并解释输出的结果。可能还需要提到抽平的争议，比如是否推荐使用抽平，或者有没有替代方法，但用户的问题集中在函数本身，所以这部分可能简要提及，但重点还是函数的用法。 还要注意用户是否需要示例代码，或者参数的具体设置，比如设置随机种子以保证结果可重复。可能用户在使用时遇到问题，比如函数报错，需要指导如何处理，比如检查样本的序列数是否都大于等于抽平深度，或者如何设置rngseed参数。 另外，可能需要提到phyloseq的其他相关函数，比如在预处理中的过滤步骤，和抽平的顺序，不过用户之前已经了解过滤和抽平的顺序，所以可能不需要重复，但可以稍微提一下，确保流程正确。 总结来说，回答需要包括正确的函数名，基本用法，重要参数，注意事项，以及可能的替代方法或争议点。同时，使用中文清晰解释，结构分明，帮助用户一步步解决问题。</think>在 **phyloseq** 包中，**抽平（rarefaction）** 通过函数 `rarefy_even_depth()` 实现。以下是具体用法和注意事项： --- ### **一、核心函数：`rarefy_even_depth()`** #### **功能** - 将样本的测序深度统一到指定阈值（如最小样本序列量或自定义值），通过随机抽取实现标准化。 - **输入**：phyloseq 对象（需包含 OTU 表）。 - **输出**：抽平后的新 phyloseq 对象。 #### **基本语法** ```r rarefy_even_depth( physeq, # phyloseq 对象 sample.size = min(sample_sums(physeq)), # 抽平阈值（默认取最小样本总量） replace = FALSE, # 是否允许有放回抽样（通常为 FALSE） rngseed = 123, # 随机数种子（保证结果可重复） trim_otus = TRUE, # 是否删除抽平后丰度为0的OTU verbose = TRUE # 是否显示过程信息 ) ``` --- ### **二、关键参数说明** 1. **`sample.size`** - 抽平的目标序列数（建议根据数据选择，如 `sample.size = 10000`）。 - **注意**：若样本原始序列数 < `sample.size`，该样本会被剔除（需提前过滤低深度样本）。 2. **`rngseed`** - 设定随机数种子（如 `rngseed = 123`），确保抽平结果可重复。 3. **`trim_otus`** - 若为 `TRUE`，抽平后所有样本中丰度为0的OTU会被删除，减少数据冗余。 --- ### **三、操作示例** #### **1. 数据准备** ```r library(phyloseq) data("GlobalPatterns") # 示例数据集 physeq <- GlobalPatterns ``` #### **2. 检查样本序列总量** ```r sample_sums(physeq) # 查看各样本原始序列数 ``` #### **3. 执行抽平（以最小样本量为阈值）** ```r set.seed(123) # 可选：全局设定随机种子 physeq_rarefied <- rarefy_even_depth(physeq, rngseed = 123, verbose = TRUE) ``` #### **4. 验证抽平结果** ```r sample_sums(physeq_rarefied) # 所有样本序列数应等于目标值 ``` --- ### **四、注意事项** 1. **样本剔除风险** - 若部分样本原始序列数 < `sample.size`，这些样本会被自动移除（可通过 `prune_samples()` 提前过滤）。 2. **抽平争议** - 抽平会丢弃数据且依赖随机抽样，可能引入偏差。替代方案包括： - **DESeq2**：基于方差稳定标准化（`phyloseq_to_deseq2()`）。 - **CSS标准化**：使用 `metagenomeSeq` 包的 `cumNormMat()`。 3. **流程顺序** - **建议先过滤低丰度OTU，再抽平**（参考前序问题解答），避免噪声干扰。 --- ### **五、替代函数（扩展）** - **`rarefy()`**（来自 `vegan` 包）： 适用于计算多样性指数的理论期望值，但不直接修改 OTU 表。 --- ### **总结** - **核心函数**：`rarefy_even_depth()` 是 phyloseq 中实现抽平的标准方法。 - **关键步骤**：设定 `sample.size` 和 `rngseed`，注意低深度样本的过滤。 - **替代方案**：根据研究目标选择是否抽平，或结合其他标准化方法。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生态笔记

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值