[交流] UPGMA聚类 已有1人参与

更多内容请关注微信公众号  小马科研部落 R语言 UPGMA聚类分析 在生态学上，许多物种或环境因子，往往是离散的、不连续的。但许多统计学模型和计算方法往往是针对连续线性的模型。为了让非对称的物种数据可以用这些线性的统计模型，需要将数据进行一些转化。聚类分析也是需要先进行转化的。 UPGMA是微生物多样性分析中常用的聚类分析方法，它属于平均聚合聚类。 用UPGMA分别聚类Jaccard和Bray-Curtis相异系数的思路如下： 首先对原始的物种数据进行转化， decostand()； 再计算Jaccard和Bray-Curtis相异系数，vegdist()； 用UPGMA方法分别聚类上述相异系数，hclust()； 画出聚类图。 其中decostand、vegdist都是vegan包里；hclust是在stats包里。 还是以out表格为例 首先启动R，设置数据的路径 otu1<-read.csv('otu.csv')    #载入数据 otu2<-otu1[1:105,1:16]     #需要1-105行和1-16列   otu<-t(otu2)              #对数据进行倒置，让样本名在第一列。   otu                     #得到要分析的数据。 启动vegan和stats包 library(vegan) library(stats) 计算otu的jaccard和Bray-Curtis相异系数矩阵 otu.norm<-decostand(otu,'normalize')           #将原始数据进行处理 otu.ja<-vegdist(otu.norm,'jac',binary='TRUE')     #计算处理后的数据的Jaccard相异系数矩阵 otu.bc<-vegdist(otu.norm,'bray')            #计算处理后的数据的Bray-Curtis相异系数矩阵    write.csv(as.matrix(otu.ja),'otuja.csv')        #将jaccard矩阵存为‘otuja.csv’文件 write.csv(as.matrix(otu.bc),'otubc.csv')       #将Bray-Curtis矩阵存为‘otubc.csv’文件 根据UPGMA法聚类Jaccard和Bray-curtis矩阵，并作图 otu.ja.UPGMA<-hclust(otu.ja,method='average')      #聚类Jaccard矩阵 otu.bc.UPGMA<-hclust(otu.bc,method='average')     #聚类Bray-Curtis矩阵 plot(otu.ja.UPGMA)                             #画Jaccard矩阵聚类图 plot(otu.bc.UPGMA)                             #画Jaccard矩阵聚类图 如果想将2幅图放到一页纸上，可以用par(mfrow)命令 par(mfrow=c(1,2)) plot(otu.ja.UPGMA) plot(otu.bc.UPGMA) 老规矩，还是现在notepad++里编写，在复制到R中进行运算。 此次是本次计算的代码，需要的拿走哈！ otu1<-read.csv('otu.csv') otu2<-otu1[1:105,1:16] otu<-t(otu2) otu library(vegan) library(stats) otu.norm<-decostand(otu,'normalize') otu.ja<-vegdist(otu.norm,'jac',binary='TRUE') otu.bc<-vegdist(otu.norm,'bray') write.csv(as.matrix(otu.ja),'otuja.csv') write.csv(as.matrix(otu.bc),'otubc.csv') otu.ja.UPGMA<-hclust(otu.ja,method='average') otu.bc.UPGMA<-hclust(otu.bc,method='average') plot(otu.ja.UPGMA) plot(otu.bc.UPGMA) par(mfrow=c(1,2)) plot(otu.ja.UPGMA) plot(otu.bc.UPGMA) jac和bc 聚类树比较.png

回复此楼