R语言：microeco:一个用于微生物群落生态学数据挖掘的R包：第七：trans_network class

# 网络是研究微生物生态共现模式的常用方法。在这一部分中，我们描述了trans_network类的所有核心内容。
# 网络构建方法可分为基于关联的和非基于关联的两种。有几种方法可以用来计算相关性和显著性。
#我们首先介绍了基于关联的网络。trans_network中的cal_cor参数用于选择相关计算方法。

> t1 <- trans_network$new(dataset = dataset, cal_cor = "base", taxa_level = "OTU", filter_thres = 0.0001, cor_method = "spearman")

> devtools::install_github('zdk123/SpiecEasi')
> library(SpiecEasi)
# SparCC method, require SpiecEasi package
> t1 <- trans_network$new(dataset = dataset, cal_cor = "SparCC", taxa_level = "OTU", filter_thres = 0.001, SparCC_simu_num = 100)
# require WGCNA package
> library(WGCNA)
> t1 <- trans_network$new(dataset = dataset, cal_cor = "WGCNA", taxa_level = "OTU", filter_thres = 0.0001, cor_method = "spearman")

#参数COR_cut可用于选择相关阈值。此外，COR_optimization = TRUE表示使用RMT理论寻找优化的相关阈值，而不是COR_cut。
> t1$cal_network(p_thres = 0.01, COR_optimization = TRUE)
# use arbitrary coefficient threshold to contruct network
> install.packages("rgexf")
> t1$save_network(filepath = "network.gexf")
#根据Gephi中计算出的模块绘制网络并给出节点颜色。
#https://gephi.org/users/download/ 下载grephi

#现在，我们用门的信息显示节点的颜色，用正相关和负相关来显示边缘的颜色。所有使用的数据

#都存储在网络中。gexf文件，包括模块分类、门信息和边分类。

> t1$cal_network_attr()
Result is stored in object$res_network_attr ...
> t1$res_network_attr
                                   
Vertex                 4.070000e+02
Edge                   1.989000e+03
Average_degree         9.773956e+00
Average_path_length    2.784505e+00
Network_diameter       9.000000e+00
Clustering_coefficient 4.697649e-01
Density                2.407378e-02
Heterogeneity          1.193606e+00
Centralization         9.907893e-02
Modularity             5.485651e-01
> t1$cal_network_attr()
Result is stored in object$res_network_attr ...
> t1$res_network_attr
                                   
Vertex                 4.070000e+02
Edge                   1.989000e+03
Average_degree         9.773956e+00
Average_path_length    2.784505e+00
Network_diameter       9.000000e+00
Clustering_coefficient 4.697649e-01
Density                2.407378e-02
Heterogeneity          1.193606e+00
Centralization         9.907893e-02
Modularity             5.485651e-01
> t1$cal_module()
Use cluster_fast_greedy function to partition modules ...
Totally, 25 modules are idenfified ...
Modules are assigned in network with attribute name -- module ...
> t1$get_node_table(node_roles = TRUE)
The nodes (22) with NaN in z will be filtered ...
Result is stored in object$res_node_table ...
> t1$plot_taxa_roles(use_type = 1)
Warning message:
Removed 22 rows containing missing values (`geom_point()`).

t1$plot_taxa_roles(use_type = 2)

> t1$cal_eigen()
#然后用相关热图来显示特征基因与环境因素之间的关系。
> t2 <- trans_env$new(dataset = dataset, add_data = env_data_16S[, 4:11])
> t2$cal_cor(add_abund_table = t1$res_eigen)
> t2$plot_cor()

# 函数cal_sum_links()用于对从一个分类单元到另一个分类单元或同一分类单元中的链接(边)数求和。
# 函数plot_sum_links()用于显示函数cal_sum_links()的结果。这对于快速查看不同分类群之间或一个分类群内部连接了多少节点非常有用。
# 对于本教程中的“门”级别，函数cal_sum_links()将从一个门到另一个门或同一门中的连杆数求和。
# 所以圆形图外围的数字表示有多少条边或连接与门有关。例如，就Proteobacteria而言，
# 大约总共有900条边与Proteobacteria中的OTUs相关，其中大约有200条边将Proteobacteria中的两个OTUs连接起来，
# 大约有150条边将Proteobacteria中的OTUs与来自Chloroflexi的OTUs连接起来。

# 函数cal_sum_links()用于对从一个分类单元到另一个分类单元或同一分类单元中的链接(边)数求和。
# 函数plot_sum_links()用于显示函数cal_sum_links()的结果。这对于快速查看不同分类群之间或一个分类群内部连接了多少节点非常有用。
# 对于本教程中的“门”级别，函数cal_sum_links()将从一个门到另一个门或同一门中的连杆数求和。
# 所以圆形图外围的数字表示有多少条边或连接与门有关。例如，就Proteobacteria而言，
# 大约总共有900条边与Proteobacteria中的OTUs相关，其中大约有200条边将Proteobacteria中的两个OTUs连接起来，
# 大约有150条边将Proteobacteria中的OTUs与来自Chloroflexi的OTUs连接起来。

# calculate the links between or within taxonomic ranks
> t1$cal_sum_links(taxa_level = "Phylum")
# return t1$res_sum_links_pos and t1$res_sum_links_neg
# require chorddiag package
> devtools::install_github("mattflor/chorddiag", build_vignettes = TRUE)
> t1$plot_sum_links(plot_pos = TRUE, plot_num = 10)

> #subset_network()函数可用于从网络中提取部分节点和这些节点之间的边。在这个函数中，应该使用node参数提供所需的节点。
> t1$subset_network(node = t1$res_node_type %>% .[.$module == "M1", ] %>% rownames, rm_single = TRUE)
IGRAPH 7df7c55 UNW- 407 1989 -- 
+ attr: name (v/c), taxa (v/c), Phylum (v/c), RelativeAbundance (v/n), module (v/c), label (e/c), weight (e/n)
+ edges from 7df7c55 (vertex names):
 [1] OTU_50   --OTU_357   OTU_50   --OTU_154   OTU_305  --OTU_3303  OTU_305  --OTU_2564  OTU_305  --OTU_30    OTU_1    --OTU_13824 OTU_1    --OTU_4731 
 [8] OTU_1    --OTU_34    OTU_1    --OTU_301   OTU_1    --OTU_668   OTU_1    --OTU_1169  OTU_1    --OTU_847   OTU_1    --OTU_1243  OTU_1    --OTU_266  
[15] OTU_1    --OTU_1897  OTU_1    --OTU_1185  OTU_1    --OTU_1892  OTU_1    --OTU_1811  OTU_1    --OTU_126   OTU_1    --OTU_902   OTU_1    --OTU_351  
[22] OTU_1    --OTU_264   OTU_1    --OTU_1173  OTU_1    --OTU_1866  OTU_1    --OTU_1848  OTU_1    --OTU_1204  OTU_41   --OTU_117   OTU_59   --OTU_78   
[29] OTU_59   --OTU_357   OTU_59   --OTU_943   OTU_2733 --OTU_2725  OTU_4050 --OTU_7205  OTU_4050 --OTU_3522  OTU_4147 --OTU_1646  OTU_4147 --OTU_109  
[36] OTU_4147 --OTU_7557  OTU_4147 --OTU_265   OTU_4147 --OTU_3164  OTU_4147 --OTU_8029  OTU_4147 --OTU_107   OTU_4147 --OTU_7648  OTU_4147 --OTU_3138 
[43] OTU_4147 --OTU_1812  OTU_4147 --OTU_2784  OTU_4147 --OTU_426   OTU_4147 --OTU_1850  OTU_4147 --OTU_3712  OTU_4147 --OTU_3321  OTU_4147 --OTU_12327
[50] OTU_4147 --OTU_3159  OTU_4147 --OTU_7630  OTU_4147 --OTU_1885  OTU_4147 --OTU_1827  OTU_4147 --OTU_7346  OTU_4147 --OTU_4531  OTU_4147 --OTU_1810 
+ ... omitted several edges
> #然后，我们展示了下一个实现的网络构建方法:SpiecEasi R包中的SpiecEasi(稀疏逆协方差估计for Ecological Association Inference)网络。
> # cal_cor select NA
> t1 <- trans_network$new(dataset = dataset, cal_cor = NA, taxa_level = "OTU", filter_thres = 0.0005)
After filtering, 301 features are remained ...
> # require SpiecEasi package  https://github.com/zdk123/SpiecEasi
> t1$cal_network(network_method = "SpiecEasi")
---------------- 2024-03-18 15:42:16.310147 : Start ----------------
Applying data transformations...
Selecting model with pulsar using stars...
Fitting final estimate with mb...
done
---------------- 2024-03-18 15:48:05.015648 : Finish ----------------
The result network is stored in object$res_network ...
> t1$res_network
IGRAPH da9387f UNW- 301 1595 -- 
+ attr: name (v/c), taxa (v/c), Phylum (v/c), RelativeAbundance (v/n), weight (e/n), label (e/c)
+ edges from da9387f (vertex names):
 [1] OTU_32  --OTU_238  OTU_32  --OTU_115  OTU_32  --OTU_578  OTU_32  --OTU_260  OTU_32  --OTU_62   OTU_32  --OTU_1283 OTU_32  --OTU_205  OTU_32  --OTU_315 
 [9] OTU_32  --OTU_64   OTU_32  --OTU_348  OTU_32  --OTU_345  OTU_32  --OTU_201  OTU_50  --OTU_408  OTU_50  --OTU_59   OTU_50  --OTU_3303 OTU_50  --OTU_117 
[17] OTU_50  --OTU_318  OTU_50  --OTU_632  OTU_50  --OTU_67   OTU_50  --OTU_3052 OTU_50  --OTU_357  OTU_50  --OTU_771  OTU_50  --OTU_30   OTU_50  --OTU_674 
[25] OTU_305 --OTU_59   OTU_305 --OTU_37   OTU_305 --OTU_3303 OTU_305 --OTU_146  OTU_305 --OTU_67   OTU_305 --OTU_578  OTU_305 --OTU_3052 OTU_305 --OTU_28  
[33] OTU_305 --OTU_30   OTU_305 --OTU_26   OTU_305 --OTU_92   OTU_305 --OTU_58   OTU_408 --OTU_23   OTU_408 --OTU_22   OTU_408 --OTU_117  OTU_408 --OTU_169 
[41] OTU_408 --OTU_27   OTU_408 --OTU_217  OTU_408 --OTU_3052 OTU_408 --OTU_1830 OTU_408 --OTU_530  OTU_6426--OTU_31   OTU_6426--OTU_515  OTU_6426--OTU_372 
[49] OTU_6426--OTU_409  OTU_6426--OTU_293  OTU_6426--OTU_341  OTU_6426--OTU_1819 OTU_6426--OTU_1922 OTU_6426--OTU_970  OTU_6426--OTU_430  OTU_75  --OTU_31  
[57] OTU_75  --OTU_22   OTU_75  --OTU_515  OTU_75  --OTU_204  OTU_75  --OTU_656  OTU_75  --OTU_839  OTU_75  --OTU_1922 OTU_75  --OTU_21   OTU_75  --OTU_431 
+ ... omitted several edges

> t1$plot_network()

这一期跑了很久。大家慎跑。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/466603.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

mybatis项目中配置sql提示

mybatis项目中配置sql提示

2023版的idea好像内置了这个功能。 第一步&#xff1a; 第二步&#xff1a;第一步完成后user会爆红&#xff0c;这时我们需要连接数据库。
阅读更多...
个人简历主页搭建系列-03：Hexo+Github Pages 介绍，框架配置

个人简历主页搭建系列-03：Hexo+Github Pages 介绍，框架配置

今天的更新内容主要是了解为什么选择这个网站搭建方案&#xff0c;以及一些前置软件的安装。 Why Hexo? 首先我们了解一下几种简单的网站框架搭建方案&#xff0c;看看对于搭建简历网站的需求哪个更合适。 在 BuiltWith&#xff08;网站技术分析工具&#xff09;上我们可以…
阅读更多...
Leetcode 1. 两数之和

Leetcode 1. 两数之和

心路历程&#xff1a; 很简单的题&#xff0c;双层暴力就可以&#xff0c;用双指针的话快一点。暴力时间复杂度O( n 2 n^2 n2)&#xff0c;双指针时间复杂度O(nlogn) O(n) O(n) O(nlogn)。 注意的点&#xff1a; 1、题目需要返回原数组的索引&#xff0c;所以排序后还需要…
阅读更多...
如何使用代理IP进行口子查和渠道查？

如何使用代理IP进行口子查和渠道查？

在进行问卷调查时&#xff0c;为了避免被限制访问或被封禁IP&#xff0c;使用代理IP已经成为了必要的选择。 其中&#xff0c;口子查和渠道查也不例外。 使用代理IP可以隐藏本机IP地址&#xff0c;模拟不同的IP地址&#xff0c;从而规避被封禁的风险。但是&#xff0c;对于很…
阅读更多...
豆瓣电影信息爬取与可视化分析

豆瓣电影信息爬取与可视化分析

目录 一、项目背景 二、代码 三、总结 一、项目背景 &#xff08;1&#xff09;利用requests库采集豆瓣网分类排行榜 (“https://movie.douban.com/chart”)中各分类类别前100部电影的相关信息并存储为csv文件。 &#xff08;2&#xff09;利用获取的13个分类类别共1300部电…
阅读更多...
怎么使用阵列？——AutoCAD

怎么使用阵列？——AutoCAD

一、具体步骤 这次我们通过一个任务来学习这个功能&#xff1a; 下面是规则结构图形&#xff0c;我们要给用它来定位元器件&#xff0c;但是由于它是不闭合图形&#xff0c;致使导入PCB Editor里面之后不能通过Shape>> Compose shape转化成可以用软件捕捉的Shape属性的图…
阅读更多...
孙宇晨接受Bankless专访：相信波场TRON将长存

孙宇晨接受Bankless专访：相信波场TRON将长存

在近期的Bankless专访中,波场TRON创始人、火币HTX全球顾问委员会委员孙宇晨分享了他对加密货币世界的深刻见解以及对波场TRON平台未来的展望。 作为加密领域的先锋,孙宇晨从早年的比特币交易员转变为领先的区块链平台创始人,见证了加密货币从边缘到主流的演变。他深信,随着技术…
阅读更多...
uniapp使用Echarts图表H5显示正常 打包app显示异常

uniapp使用Echarts图表H5显示正常 打包app显示异常

uniapp使用Echarts在H5页面调试 调试完在H5正常显示 然后通过安卓机调试的时候 发现直接空白了 还有这个爆错 Initialize failed: invalid dom 我有多个图表、图表是通过v-for循环出来的 解决方案 原来是yarn直接安装Echarts 然后改成本地JS文件引入 gitbub文件地址 — dist/…
阅读更多...
031—pandas 读取解析实验室数据至DataFrame

031—pandas 读取解析实验室数据至DataFrame

前言 某个科研实验室在进行一项物理实现&#xff0c;实验仪器会输出一个 txt 文本的数据&#xff0c;研究人员需要从这个文本中将数据结构化才能进行进行统计分析。 在为个解析和分析过程中&#xff0c;他们选择了 Python 的 pandas 库来完成这些操作。我们今天来完成这这个 t…
阅读更多...
【MyBatis-Plus】逻辑删除、乐观锁、防全表更新和删除实现 MyBatisX插件 高级扩展

【MyBatis-Plus】逻辑删除、乐观锁、防全表更新和删除实现 MyBatisX插件 高级扩展

文章目录 一、逻辑删除实现二、乐观锁实现2.1 悲观锁和乐观锁场景和介绍2.2 具体技术和方案:2.3 版本号乐观锁技术的实现流程2.4 使用mybatis-plus数据使用乐观锁 三、防全表更新和删除实现三、代码生成器(MyBatisX插件) 一、逻辑删除实现 物理删除&#xff1a;真实删除&#…
阅读更多...
【漏洞复现】F-logic DataCube3 任意文件上传漏洞

【漏洞复现】F-logic DataCube3 任意文件上传漏洞

免责声明&#xff1a;文章来源互联网收集整理&#xff0c;请勿利用文章内的相关技术从事非法测试&#xff0c;由于传播、利用此文所提供的信息或者工具而造成的任何直接或者间接的后果及损失&#xff0c;均由使用者本人负责&#xff0c;所产生的一切不良后果与文章作者无关。该…
阅读更多...
【管理咨询宝藏42】某大型银行风险预警体系规划报告

【管理咨询宝藏42】某大型银行风险预警体系规划报告

本报告首发于公号“管理咨询宝藏”&#xff0c;如需阅读完整版报告内容&#xff0c;请查阅公号“管理咨询宝藏”。 【管理咨询宝藏42】某大型银行风险预警体系规划报告 【格式】PDF版本 【关键词】战略规划、预警体系、管理咨询 【文件核心观点】 - 华信银行的风险预警在五个…
阅读更多...
任务栏通知区域

任务栏通知区域

在 Windows 操作系统中&#xff0c;任务栏底部右侧的区域被称为 "System Tray" 或者 "Notification Area" Notification Area - Win32 apps | Microsoft Learn The notification area provides notifications and status. Well-designed programs use the …
阅读更多...
【Stable Diffusion】入门-03：图生图基本步骤+参数解读

【Stable Diffusion】入门-03：图生图基本步骤+参数解读

目录 1 图生图原理2 基本步骤2.1 导入图片2.2 书写提示词2.3 参数调整 3 随机种子的含义4 拓展应用 1 图生图原理 当提示词不足以表达你的想法&#xff0c;或者你希望以一个更为简单清晰的方式传递一些要求的时候&#xff0c;可以给AI输入一张图片&#xff0c;此时图片和文字是…
阅读更多...
动态规划：4种遍历方向图解+Python实现

动态规划：4种遍历方向图解+Python实现

前言 动态规划类题型在遍历过程中&#xff0c;根据状态转移函数的不同&#xff0c;代码实现时遍历的方向也会有所差异。总的来说&#xff0c;一共可以总结为下图四种模式&#xff1a; 红色五角星表示当前要计算的状态值&#xff1b;白底箭头代表哪些状态要提前算出来&#xf…
阅读更多...
opengl程序错误，无法定位程序输入点 glewGetErrorString@4 于动态链接库

opengl程序错误，无法定位程序输入点 glewGetErrorString@4 于动态链接库

使用mingw编译器编译运行opengl程序&#xff0c;编译通过运行时崩溃 怀疑是之前的mingw版本编译的glew库版本不对&#xff0c;又重新编译一遍&#xff0c;还是这个错误 之后检查环境变量配置&#xff0c;发现有两个glew的路径&#xff0c;一个是msvc版的&#xff0c;另一个是m…
阅读更多...
【python】flask框架的生命周期，多种查询参数的获取方式

【python】flask框架的生命周期，多种查询参数的获取方式

✨✨ 欢迎大家来到景天科技苑✨✨ &#x1f388;&#x1f388; 养成好习惯&#xff0c;先赞后看哦~&#x1f388;&#x1f388; &#x1f3c6; 作者简介&#xff1a;景天科技苑 &#x1f3c6;《头衔》&#xff1a;大厂架构师&#xff0c;华为云开发者社区专家博主&#xff0c;…
阅读更多...
裸金属租赁的意义

裸金属租赁的意义

裸金属&#xff0c;这个名词听起来好“硬核”&#xff0c;如果对于一个新手来讲&#xff0c;怎么也不会将这个概念和IT行业、计算机、服务器等内容进行关联&#xff0c;它可能更应该是工业领域的一种产品或者物质&#xff0c;可真正关联到其实际概念恰恰与当前的主流行业如&…
阅读更多...
【数据挖掘】练习2：数据管理1

【数据挖掘】练习2：数据管理1

课后作业2&#xff1a;数据管理1 一&#xff1a;上机实验1 # 读入数据 data("CO2") # 查看数据集CO2中的变量名称&#xff0c;并将变量Treatment的名称更改为Treat names(CO2) names(CO2)[names(CO2) "Treatment"] <- "Treat" names(CO2)…
阅读更多...
锦意绵长，丽彩婚典

锦意绵长，丽彩婚典

锦江丽笙酒店亮相婚博会 演绎沪上多彩浪漫情怀 &#xff08;中国上海&#xff0c;2024年3月18日&#xff09;3月16日至17日&#xff0c;2024年上海春季婚博会在上海世博展览馆举办。此次婚庆行业盛会上&#xff0c;锦江丽笙酒店旗下8家酒店联袂登场&#xff0c;凭借深厚的品牌…
阅读更多...
最新文章

Copyright @ 2022~2023