当前位置：首页 > article >正文

3d NMDS多样性分析图 R语言

article 2024/10/23 0:27:14

# 安装并加载必要的包
if (!require("vegan")) install.packages("vegan")
if (!require("ggplot2")) install.packages("ggplot2")
if (!require("plotly")) install.packages("plotly")
if (!require("reticulate")) install.packages("reticulate")

# 加载包
library(vegan)
library(ggplot2)
library(plotly)
library(reticulate)

# 设置工作目录
setwd("C:/Users/fordata/Desktop/研究生/第二个想法(16s肠型＋宏基因组功能)/第二篇病毒组/result/β多样性")

# 载入数据
tpm <- read.table("fetal_2.0_rpkm.txt", header = TRUE, row.names = 1)
tpm <- t(tpm)
metadata <- read.table("fetal_2.0_metadata.txt", header = TRUE, row.names = 1)
metadata$group <- as.factor(metadata$group)

# 计算 Bray-Curtis 距离矩阵
dist_matrix <- vegdist(tpm, method = "bray")

# 执行 NMDS 分析
nmds_result <- metaMDS(dist_matrix, k = 3, trymax = 200)  # 增加 trymax 的值

# 提取NMDS的坐标得分（提取样本点的坐标）
scores_nmds <- as.data.frame(nmds_result$points)
colnames(scores_nmds) <- c("NMDS1", "NMDS2", "NMDS3")

# 将元数据添加到结果中
df_nmds <- cbind(scores_nmds, metadata)

# 查看列名 (确保有 NMDS1, NMDS2, NMDS3)
colnames(df_nmds)

# 绘制3D NMDS图
fig <- plot_ly(df_nmds, 
               x = ~NMDS1, 
               y = ~NMDS2, 
               z = ~NMDS3, 
               color = ~group, 
               colors = c("AF" = "#BD3C29", "M" = "#0172B6", "P" = "#78D3AC", "UB"="#E18727", "NC"="black"),
               type = 'scatter3d', 
               mode = 'markers', 
               marker = list(size = 13)) %>%
  layout(scene = list(
    xaxis = list(title = "NMDS1"),
    yaxis = list(title = "NMDS2"),
    zaxis = list(title = "NMDS3")
  ),
  legend = list(x = 1, y = 0.5, font = list(size = 16)))  # 调整图例位置

# 显示图形
fig

# 计算组间差异的PERMANOVA分析
adonis_result <- adonis2(dist_matrix ~ group, data = metadata, permutations = 999)
cat("PERMANOVA结果:\n")
print(adonis_result)

# 计算组间差异的ANOSIM分析
anosim_result <- anosim(dist_matrix, metadata$group, permutations = 999)
cat("\nANOSIM结果:\n")
print(anosim_result)

# 保存为高分辨率 PDF
# 使用外部工具或 `orca` 保存为 PDF（例如需要安装 `orca` 工具）
# fig %>% save_image("fetal_nmds_3d_plot.pdf", width = 800, height = 600, scale = 2)

保存图片是个问题，我试了一下，export出html文件，然后到网页截图会比较清楚

PERMANOVA 结果（通过 adonis2() 计算）：你将会得到组间差异的 R² 值、F 值以及 p 值。p 值越低，组间差异越显著。
ANOSIM 结果（通过 anosim() 计算）：你将会得到组间相似性的 R 值和相应的 p 值。R 值越接近 1，组间差异越大；R 值越接近 0，说明组内和组间的差异相似。

查看全文

http://www.kler.cn/news/357806.html