- 综合排序
- 最热优先
- 最新优先
- 来自专栏R语言交流中心
R语言实现PCOA分析
接下来我们首先基于dune数据构造距离矩阵，需要用到的函数vegdist。 vegdist(x, method="bray",binary=FALSE, diag=FALSE, upper=FALSE, na.rm = FALSE, ...) Upper 是否显示对角线以上的值 library(vegan) data(dune) data(dune.env) dune.dist <- vegdist(dune)#构造距离矩阵。 ?
11.4K33发布于 2019-12-19 - 来自专栏Listenlii的生物信息笔记
Mobism: 检验空间尺度生物多样性的R包
相似性的计算和vegdist函数的相同。
91631发布于 2020-05-29 - 来自专栏微生态与微进化
聚类树的合并展示
in 1:q) { for (j in 1:(p/3)) { commean[i, j]=mean(com[i,(3*j-2):(3*j)]) } } #计算距离矩阵 otu_dist=vegdist 3*j)]) } } otumean=t(otumean) #调整物种与环境因子样品ID顺序一致 otumean=otumean[rownames(env),] #计算距离矩阵 otu_dist=vegdist
92520编辑于 2022-05-05 - 来自专栏Listenlii的生物信息笔记
Procrustes test
11data(varespec) 12vare.dist <- vegdist(wisconsin(varespec)) 13mds.null <- monoMDS(vare.dist, y = cmdscale
1K21发布于 2020-05-29 - 来自专栏Listenlii的生物信息笔记
betadisper: PERMDISP procedure
6bias.adjust：校准小样本偏差 7sqrt.dist:不相似性计算平方根 例子 1data(varespec) 2## 算Bray-Curtis distances 3dis <- vegdist
4.5K32发布于 2020-12-16 - 来自专栏微生态与微进化
层次聚类与聚类树
data[,1] data=data[,-1] library(vegan) data=decostand(data, MARGIN=2, "total") otu=t(data) otu_dist=vegdist data[,1] data=data[,-1] library(vegan) data=decostand(data, MARGIN=2, "total") otu=t(data) otu_dist=vegdist
2.2K30编辑于 2022-05-05 - 来自专栏小明的数据分析笔记本
跟着Nature学数据分析：R语言vegan包做主坐标分析（PCoA）并使用ggplot2可视化结果
row.names = 1, header=T) dim(inMBss) 使用vegan包做PCoA分析 library(vegan) distMatrix <- vegdist
3.8K10编辑于 2022-05-23 - 来自专栏菜鸟学数据分析之R语言
非度量多维尺度分析（NMDS）
man gow bra kul 0.2396330 0.2735087 0.2288358 0.2837910 0.2839834 > vare.dis <- vegdist
3.7K40发布于 2020-08-06 - 来自专栏生信宝典
Science组合图表解读
dplyr) + vars <- colnames(env) + models<-list() + for (i in seq_along(vars)){ + otu_bray<-vegdist (otu,method = "bray") + env_dis<-vegdist(env[vars[i]],method = "euclidean") + model <- mantel
2K30发布于 2019-08-12 - 来自专栏小明的数据分析笔记本
跟着NatureCommunication学数据分析：R语言相对丰度数据主坐标分析（PcoA)
~ 'South', TRUE ~ 'axis' )) -> new.group 这个分组信息可能和原文中有差别 主坐标分析代码 library(vegan) distance <- vegdist
1.1K20编辑于 2023-01-06 - 来自专栏微生态与微进化
组间差异分析：Anosim
Anosim分析使用距离进行分析，默认为method="bray"，可以选择其他距离（和vegdist()函数相同），也可以直接使用距离矩阵进行分析。
2.8K21编辑于 2022-05-05 - 来自专栏微生态与微进化
组间差异分析：MRPP
means=apply(data, 1, mean) otu=data[names(means[means>10]),] otu=t(otu) #计算距离矩阵 library(vegan) dist=vegdist
2.8K20编辑于 2022-05-05 - 来自专栏微生态与微进化
比较聚类：我该划分多少个聚类簇？
data[,1] data=data[,-1] library(vegan) data=decostand(data, MARGIN=2, "total") otu=t(data) otu_dist=vegdist
1.1K20编辑于 2022-05-05 - 来自专栏生信宝典
画一个带统计检验的PcOA分析结果 （再进一步，配对比较）
p.adjust(). dune.pairwise.adonis <- pairwise.adonis(x=dune, factors=dune.env$Management, sim.function = "<em>vegdist</em>
1.8K00编辑于 2022-01-18 - 来自专栏微生态与微进化
分析样本差异：β多样性距离
下面我们以生态学领域我们常用vegan包中的vegdist()函数为例，此函数使用方法如下所示： vegdist(x, method="bray", binary=FALSE, diag=FALSE,
5K10编辑于 2022-05-05 - 来自专栏微生态与微进化
非层次聚类：k-medoids
将每个样品的物种数据进行总和标准化（即求相对丰度） library(vegan) data=decostand(data, MARGIN=2, "total")*100 otu=t(data) #计算距离矩阵 otu_dist=vegdist
97530编辑于 2022-05-05 - 来自专栏生信宝典
Adonis结果P值小于0.05，一定代表两组样品物种构成差异显著吗？
vegdist评估数据离散度，再解释adonis的结果 前面我们用下面的代码检验了Managment对物种组成差异影响的显著程度，获得P-value=0.002 < 0.05，表示管理方式对物种组成有显著影响 # 计算加权bray-curtis距离 dune.dist <- vegdist(dune, method="bray", binary=F) # One measure of multivariate # 计算加权bray-curtis距离 otu_dist <- vegdist(otu_table_t, method="bray", binary=F) otu_pcoa <- cmdscale(otu_dist
2.5K10编辑于 2022-01-18 文章MSM_metagenomics（四）：Beta多样性分析
For other method, refer to vegdist() # this function is to prepare metadata-added coordinates dataframe bray_dist <- vegan::vegdist(mat, dist_method) coordinates <- as.data.frame(ape::pcoa(bray_dist)$vectors For other method, refer to vegdist(). # fsize: the font size, [int]. # dsize: the dot size, [int] For other methods, refer to vegdist().fsize: the font size of labels, [int]. default: [11]dsize: the
83010编辑于 2024-06-16- 来自专栏微生态与微进化
非层次聚类：k-means
将每个样品的物种数据进行总和标准化（即求相对丰度） library(vegan) data=decostand(data, MARGIN=2, "total")*100 otu=t(data) #层次聚类 otu_dist=vegdist
95630编辑于 2022-05-05 - 来自专栏生信菜鸟团
NetCoMi | 微生物组数据的网络比较
SPRING (SPRING package) gCoda (R code on GitHub) propr (propr package) 「相异度计算方法：」 Euclidean distance (vegdist () from vegan package) Bray-Curtis dissimilarity (vegdist() from vegan package) Kullback-Leibler divergence Compositional KLD (own implementation following [Martín-Fernández et al., 1999]) Aitchison distance (vegdist
5.3K21发布于 2021-04-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号