24小时热门版块排行榜

返回列表

小马科研部落

新虫 (小有名气)

应助: 6 (幼儿园)
金币: 205.2
红花: 7
帖子: 71
在线: 29.5小时
虫号: 7122382
注册: 2017-08-31
专业: 微生物生态学

[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)