企业建站的目的是什么,建筑设计找工作的网站,网站开发遇到的难题,vue.js网站开发用例写在前面
因为公司给的PCA结果效果不佳#xff0c;决定从中重新挑选部分样本进行再分析
步骤
表格结果预处理
在属水平genus参考原本结果已有的PCA图#xff0c;尽可能挑选距离较远且聚团的样本 选取不同样本属水平的丰度数据#xff0c;整理成逗号分隔的csv文件
代码…写在前面
因为公司给的PCA结果效果不佳决定从中重新挑选部分样本进行再分析
步骤
表格结果预处理
在属水平genus参考原本结果已有的PCA图尽可能挑选距离较远且聚团的样本 选取不同样本属水平的丰度数据整理成逗号分隔的csv文件
代码演示
library(vegan) # 计算bray距离
library(ggplot2)
library(tidyverse)
library(ape) # pcoa分析## 如果没装先install.packages(vegan)等genus_num - read.table(F:/Analysis/RA_Sanhe cow/Microgenome/PCA/Demo_PCA.csv,row.names 1,header T, sep ,) #地址注意反斜线或者使用‘\\’反义
bray.dist vegdist(t(genus_num), methodbray)jay.h.pc - pcoa(bray.dist)
#str(spe.h.pc)#记录一二轴解释率“Eigenvalues”
jay.h.pcoa - jay.h.pc$vectorsjay.pcoa - data.frame(jay.h.pcoa[,1:2]) %%mutate(Treatments rep(c(A, B), each 8)) #根据列数分组此处意思是前八列为A组后八列为B组
# PERMANOVA置换多元方差分析
jay - bray.dist
env - select(jay.pcoa, Treatments)#获取单因素的数据方式一
permanova - adonis(jay ~ Treatments, data env, permutations 999,methodbray)
fcnames - row.names(permanova$aov.tab)
lab - paste(PERMANOVA\n,fcnames[1],:R^2,round(permanova$aov.tab[1,5],4), p, round(permanova$aov.tab[1,6],4), sep )
#获取单因素的数据方式二
permanova2 - adonis2(jay ~ Treatments, data env, permutations 999,methodbray)
fcnames2 - row.names(permanova2)
lab2 - paste(PERMANOVA2\n,fcnames2[1],:R^2,round(permanova2[1,3],4), p, round(permanova2[1,5],4))ggplot(jay.pcoa, aes(xAxis.1, yAxis.2, colourTreatments)) geom_point(size5) stat_ellipse(level 0.9) theme_bw()theme(panel.grid.majorelement_line(colourNA), panel.background element_rect(fill transparent,colour NA), plot.background element_rect(fill transparent,colour NA), panel.grid.minor element_blank())# 把两个轴的贡献度写出来xlab(paste(Axis.1: , round(jay.h.pc$values$Relative_eig[1],3)*100, %, sep )) ylab(paste(Axis.2: , round(jay.h.pc$values$Relative_eig[2],3)*100, %, sep )) theme(panel.background element_rect(fill transparent,colour NA),aspect.ratio 1) # 用annotate把双因素结果写在左上角annotate(geom text,label lab, size 4,x min(jay.pcoa$Axis.1), y max(jay.pcoa$Axis.2),hjust 0,vjust 1)结果展示
