16是分析之主成分分析實戰部分
下面我們來做PCA分析,來做出很好看的圖片
之前在插幾句:非約束排序,不做統計檢驗,不能做!
#安裝包ggbiplot包
#install.packages("devtools",repo="http://cran.us.r-project.org")
#library(devtools)
#install_github("vqv/ggbiplot")
library(ggbiplot)
#修改工作目錄
setwd("E:/Shared_Folder/HG_usearch_HG")
#導入需要的作圖文件
design =read.table("map_lxdjhg.txt", header=T, row.names= 1,sep=" ")
head(design)
#讀取OTU表並進行數據整理
otu_table =read.delim("otu_table8825.txt", row.names= 1, header=T, sep=" ")
head(otu_table)
#過濾數據並排序
sub_design =design[rownames(design) %in% colnames(otu_table),]
count = otu_table[,rownames(sub_design)]
以上我們導入數據並整理數據,接下來我們開始分析PCA:
函數prcomp默認選項center=T(當然中心化是一定要做的),但是不做標準化,我們調整參數scale. = TRUE,將方差縮放為單位方差最為合理
#進行PCA分析
otu.pca
這裡我們使用的ggbiplot,obs.scale = 1, var.scale = 1,這兩個參數表示我們使用標尺出圖,ellipse= TRUE我們添加橢圓置信區間默認是0.95置信區間,可以修改嗎?對不起,不行,寫死了,已經在函數裡面;
p=ggbiplot(otu.pca,obs.scale = 1, var.scale = 1,
groups = sub_design$SampleType,ellipse = TRUE,var.axes = T,circle = TRUE)+
scale_color_discrete(name = "") +
theme(legend.direction = "horizontal",legend.position = "top")
#
p
下面這幅圖算是將PCA的所有要素展示的非常好了,這裡有一個新的東西,之前也沒說過,就是:
平衡貢獻圓(circle of equilibrium contribution),它的半徑表示變數的向量長度對排序的平均貢獻率,可以這麼講,如果變數的箭頭線長度長於圓的半徑,則它對排序空間的貢獻大於變數的平均貢獻率;
我們使用擴增子16s,未免otu數目過多,什麼都看不清楚,自然需要我們將變數減少
#因此我們首先關注一下高丰度菌的影響
#轉換原始數據為百分比
norm =t(t(count)/colSums(count,na=T)) * 100 # normalization to total 100
head(norm)
#篩選mad值大於0.5的OTU
norm2 =norm[apply(norm,1,mean)>1,]
dim(norm2)
#重新計算PCA
otu.pca
p
groups = sub_design$SampleType,ellipse = TRUE,var.axes = T,circle = TRUE)
p
#挑選0.001丰度以上的菌
norm3 =norm[apply(norm,1,mean)>0.1,]
otu.pca1
p
groups = sub_design$SampleType,ellipse = TRUE,var.axes = T,circle = TRUE)
p
#當然我們僅僅展示樣品點坐標也是可以的只需修改var.axes = F
p
groups = sub_design$SampleType, ellipse= TRUE,var.axes = F)
#可以修改主題,我修改了一份自己覺得美觀的主題(我沒有什麼審美),大家有需要可以借鑒
p+theme_bw()+scale_colour_manual(values= mi)+labs(x=paste("PC 1 (", 61.7, "%)", sep=""),
y=paste("PC 2 (", 14.5,"%)", sep=""))+
labs(title = "PCA")+
theme(plot.title = element_text(hjust =0.5))+
guides(color=guide_legend(title =NULL),shape=guide_legend(title = NULL))+
geom_hline(yintercept=0) +geom_vline(xintercept=0)
ggbiplot是一款PCA分析結果可視化的R包工具,但是畢竟也有很多局限在裡面的,比如:
我需要修改樣品表示方式,我需要化多個置信區間,可能就不可以實現,所以將PCA分析結果提取出來,使用ggplot作圖系統來作圖會更加自由一些;
下面我們開始提取主成分分析結果
#現在我們來提取作圖坐標
#首先是樣品排序軸坐標
predict(otu.pca)
#也可以使用下面這條命令提取
yangpin
yangpin$SampleType=sub_design$SampleType
#提取荷載坐標
bianliang
#提取特徵根,這裡提供的並不是特徵值而是標準差,需要求其平方才是特徵值
eig=otu.pca$sdev
eig=eig*eig
#在這裡我設定了隨機種子,方便兩種形式圖形比較
set.seed(10)
ggplot(data=yangpin,aes(x=yangpin$PC1,y=yangpin$PC2,group=SampleType,color=SampleType))+geom_point()+
stat_ellipse(type = "t", linetype =2)+
labs(x=paste("PC 1 (", format(100 *eig[1] / sum(eig), digits=4), "%)", sep=""),
y=paste("PC 2 (", format(100 *eig[2] / sum(eig), digits=4), "%)", sep=""))+
labs(title = "PCA")
#########我們將載荷也畫上去
p+stat_ellipse(data=yangpin,aes(group=SampleType,color=SampleType),level = 0.95,type ="t", linetype = 2)+
geom_point(data=bianliang,aes(x=PC1,y=PC2),size=2)+
geom_text(data=bianliang,aes(x=PC1,y=PC2,label=spece),color="blue",hjust=1.2,vjust=-1.3,size=3)
這裡我們沒有像ggbioplot一樣畫一個箭頭,因為我沒有找到簡單的方法完成這件事,總會這樣的,如果大家有好的辦法,可以留言給我最好了,我將不勝感激。
最後還是那句話:學習永無止境,分享永不停歇!
TAG:微生信生物 |