Metagenome宏基因组,未识别的物种unclassified

仿生bug

已于 2025-03-29 09:15:50 修改

阅读量548

点赞数 7

文章标签： r语言宏基因组

于 2024-12-29 21:38:19 首次发布

本文链接：https://blog.csdn.net/weixin_46623488/article/details/144811095

版权

相对丰度不建议单独在属水平进行过滤后进行lefse

1："Bacteria|Proteobacteria|Betaproteobacteria|Neisseriales|Neisseriaceae|Kingella" 2："Bacteria|Proteobacteria|Betaproteobacteria|Neisseriales|Neisseriaceae|unclassified"

# 未识别到的/未注解到的物种，不可以在OTU/ASV表中直接删掉，识别到的水平，例如把上面的第2个直接整个Genus删掉，

删除成“Bacteria|Proteobacteria|Betaproteobacteria|Neisseriales|Neisseriaceae”，代表的是底下所有合并的情况。允许单独去掉未识别到的那部分文字。

## R语言microeco关于物种分类的注解

在进行物种进化树或者cladogram或者GraPhlAn绘制

rm(list=ls())
# devtools::install_github("lch14forever/microbiomeViz")
library(microbiomeViz)

data("SRS014459_Stool_profile")
SRS014459_Stool_profile$V1[14:55]
# 自己数据转成这个

rm(list=ls())
pacman::p_load(tidyverse,microeco,magrittr)
data(dataset)
library(readxl)
library(dplyr)

df <- read.csv("10_lefse.csv")
df <- df[-1,]
df <- t(df)
tax <- df[1,]
medians <- c()
df_count=as.data.frame(df[-1,])
dim(df_count)
df_count[,1:ncol(df)] <- apply(df_count[,1:ncol(df)],2,as.numeric )
median_c <- purrr::map_dbl(df_count,.f = median)
srs$V1
srs <- data.frame(V1=tax,V2=median_c)
srs <- tidyr::separate(
  string = srs$V1,pattern = "|")

tax_table$Kingdom <- paste0(median_ctax_table$Kingdom <- paste0("k__",tax_table$Kingdom)
tax_table$Phylum <- paste0("p__",tax_table$Phylum)
tax_table$Class <- paste0("c__",tax_table$Class)
tax_table$Order <- paste0("o__",tax_table$Order)
tax_table$Family <- paste0("f__",tax_table$Family)
tax_table$Genus <- paste0("g__",tax_table$Genus)

#
tr <- parseMetaphlanTSV(SRS014459_Stool_profile)
p <- tree.backbone(
  tr, 
  size = 0.8,
  layout = "fan" # "rectangular", "slanted", "fan", "circular", "inward_circular", 
  )
p
anno.data <- data.frame(node=c("g__Roseburia",
                               "g__Bacteroides",
                               "o__Clostridiales",
                               "s__Bacteroides_ovatus"),
                        color=c('darkgreen','red',
                                'darkgreen','red'
                                ),
                        stringsAsFactors = FALSE)
p <- clade.anno(p, anno.data)
p