放弃Venn-Upset-花瓣图,拥抱二分网络

2024-06-13 18:04

本文主要是介绍放弃Venn-Upset-花瓣图,拥抱二分网络,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

写在前面

让点随机排布在一个区域,保证点之间不重叠,并且将点的图层放到最上层,保证节点最清晰,然后边可以进行透明化,更加突出节点的位置。这里我新构建了布局函数 PolyRdmNotdCirG 来做这个随机排布。调用的是packcircles包的算法。使用和其他相似函数一样,这里我们重点介绍一下使用这种算法构造的二分网络布局。

微生物网络

ggClusterNet 安装
ggClusterNet包依赖的R包均在cran或者biocductor中,所以未能成功安装,需要检查依赖是否都顺利安装。如果网路问题,无法下载R包,可以在github中手动下载安装

#---ggClusterNet
devtools::install_github("taowenmicro/ggClusterNet")
#--如果无法安装请检查网络或者换个时间

导入R包和输入文件

#--导入所需R包#-------
library(ggplot2)
library(ggrepel)
library(ggClusterNet)
library(phyloseq)
library(dplyr)# 数据内置
#-----导入数据#-------
data(ps)#--可选
#-----导入数据#-------
ps = readRDS("../ori_data/ps_liu.rds")

这里我们提取一部分OTU,节省出图时间。

# ps
data(ps)ps_sub = filter_taxa(ps, function(x) sum(x ) > 20 , TRUE)
ps_sub = filter_taxa(ps_sub, function(x) sum(x ) < 30 , TRUE)
ps_sub

div_network函数 用于计算共有和特有关系

这个函数是之前我写的专门用于从OTU表格整理成Gephi的输入文件,所以大家直接用这个函数即可转到gephi进行操作。这次为了配合二分网络,我设置了参数flour = TRUE,代表是否仅仅提取共有部分和特有部分。

# ?div_network
result = div_network(ps_sub,num = 6)edge = result[[1]]
head(edge)# levels(edge$target)
# node = result[[2]]
# head(node)
#
# tail(node)
data = result[[3]]
dim(data)#----计算节点坐标
# flour参数,设置是否仅仅展示共有和特有的二分网络

div_culculate函数 核心算法,用于计算二分网络的节点和边的表格

参数解释:

distance = 1.1:

中心一团点到样本点距离

distance2 = 1.5:

中心点模块到独有OTU点之间距离

distance3 = 1.3:

样本点和独有OTU之间的距离

order = FALSE :

节点是否需要随机扰动效果

result <- div_culculate(table = result[[3]],distance = 1.1,distance2 = 1.5,distance3 = 1.3,order = FALSE)edge = result[[1]]
head(edge)plotdata = result[[2]]
head(plotdata)
#--这部分数据是样本点数据
groupdata <- result[[3]]

对OTU进行注释,方便添加到图形上

为了让节点更加丰富,这里我对节点文件添加了注释信息。

# table(plotdata$elements)
node =  plotdata[plotdata$elements == unique(plotdata$elements), ]otu_table = as.data.frame(t(vegan_otu(ps_sub)))
tax_table = as.data.frame(vegan_tax(ps_sub))
res = merge(node,tax_table,by = "row.names",all = F)
dim(res)
head(res)
row.names(res) = res$Row.names
res$Row.names = NULL
plotcord = resxx = data.frame(mean  =rowMeans(otu_table))
head(xx)
plotcord = merge(plotcord,xx,by = "row.names",all = FALSE)
head(plotcord)
# plotcord$Phylum
row.names(plotcord) = plotcord$Row.names
plotcord$Row.names = NULL
head(plotcord)
p = ggplot() + geom_segment(aes(x = X1, y = Y1, xend = X2, yend = Y2),data = edge, size = 0.3,color = "yellow") +geom_point(aes(X1, X2,fill = Phylum,size =mean ),pch = 21, data = plotcord) +geom_point(aes(X1, X2),pch = 21, data = groupdata,size = 5,fill = "blue",color = "black") +geom_text_repel(aes(X1, X2,label = elements ), data = groupdata) +theme_void()pggsave("4.png",p,width = 12,height = 8)

图片

map = as.data.frame(sample_data(ps_sub))map$Group2 <- rep(c("A1","A2","A3","A4","A5","A6"),3)sample_data(ps_sub) <- map
# ?div_network
result = div_network(ps_sub,num = 3,group = "Group2",flour = TRUE)edge = result[[1]]
head(edge)# levels(edge$target)
# node = result[[2]]
# head(node)
#
# tail(node)data = result[[3]]
dim(data)#----计算节点坐标
# flour参数,设置是否仅仅展示共有和特有的二分网络result <- div_culculate(table = result[[3]],distance = 1.1,distance2 = 1.5,distance3 = 1.3,order = FALSE)edge = result[[1]]
head(edge)plotdata = result[[2]]
head(plotdata)groupdata <- result[[3]]# table(plotdata$elements)
node =  plotdata[plotdata$elements == unique(plotdata$elements), ]otu_table = as.data.frame(t(vegan_otu(ps_sub)))
tax_table = as.data.frame(vegan_tax(ps_sub))
res = merge(node,tax_table,by = "row.names",all = F)
dim(res)
head(res)
row.names(res) = res$Row.names
res$Row.names = NULL
plotcord = resxx = data.frame(mean  =rowMeans(otu_table))
head(xx)
plotcord = merge(plotcord,xx,by = "row.names",all = FALSE)
head(plotcord)
# plotcord$Phylum
row.names(plotcord) = plotcord$Row.names
plotcord$Row.names = NULL
head(plotcord)p = ggplot() + geom_segment(aes(x = X1, y = Y1, xend = X2, yend = Y2),data = edge, size = 0.3,color = "yellow") +geom_point(aes(X1, X2,fill = Phylum,size =mean ),pch = 21, data = plotcord) +geom_point(aes(X1, X2),pch = 21, data = groupdata,size = 5,fill = "blue",color = "black") +geom_text_repel(aes(X1, X2,label = elements ), data = groupdata) +theme_void()
p
ggsave("4.png",p,width = 12,height = 8)

图片

map = as.data.frame(sample_data(ps_sub))map = map[1:12,]# map$Group2 <- rep(c("A1","A2","A3","A4","A5","A6"),2)
sample_data(ps_sub) <- mapresult = div_network(ps_sub,num = 3,group = "Group",flour = TRUE)edge = result[[1]]
head(edge)# levels(edge$target)
# node = result[[2]]
# head(node)
#
# tail(node)data = result[[3]]
dim(data)result <- div_culculate(table = result[[3]],distance = 1.1,distance2 = 1.5,distance3 = 1.3,order = FALSE)edge = result[[1]]
head(edge)plotdata = result[[2]]
head(plotdata)groupdata <- result[[3]]# table(plotdata$elements)
node =  plotdata[plotdata$elements == unique(plotdata$elements), ]otu_table = as.data.frame(t(vegan_otu(ps_sub)))
tax_table = as.data.frame(vegan_tax(ps_sub))
res = merge(node,tax_table,by = "row.names",all = F)
dim(res)
head(res)
row.names(res) = res$Row.names
res$Row.names = NULL
plotcord = resxx = data.frame(mean  =rowMeans(otu_table))
head(xx)
plotcord = merge(plotcord,xx,by = "row.names",all = FALSE)
head(plotcord)
# plotcord$Phylum
row.names(plotcord) = plotcord$Row.names
plotcord$Row.names = NULL
head(plotcord)p = ggplot() + geom_segment(aes(x = X1, y = Y1, xend = X2, yend = Y2),data = edge, size = 0.3,color = "yellow") +geom_point(aes(X1, X2,fill = Phylum,size =mean ),pch = 21, data = plotcord) +geom_point(aes(X1, X2),pch = 21, data = groupdata,size = 5,fill = "blue",color = "black") +geom_text_repel(aes(X1, X2,label = elements ), data = groupdata) +theme_void()p# ggsave("4.png",p,width = 12,height = 22)

图片

图片

图片

这篇关于放弃Venn-Upset-花瓣图,拥抱二分网络的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1058025

相关文章

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

SpringBoot使用OkHttp完成高效网络请求详解

《SpringBoot使用OkHttp完成高效网络请求详解》OkHttp是一个高效的HTTP客户端,支持同步和异步请求,且具备自动处理cookie、缓存和连接池等高级功能,下面我们来看看SpringB... 目录一、OkHttp 简介二、在 Spring Boot 中集成 OkHttp三、封装 OkHttp

Linux系统之主机网络配置方式

《Linux系统之主机网络配置方式》:本文主要介绍Linux系统之主机网络配置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、查看主机的网络参数1、查看主机名2、查看IP地址3、查看网关4、查看DNS二、配置网卡1、修改网卡配置文件2、nmcli工具【通用

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解

《如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解》:本文主要介绍如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别的相关资料,描述了如何使用海康威视设备网络SD... 目录前言开发流程问题和解决方案dll库加载不到的问题老旧版本sdk不兼容的问题关键实现流程总结前言作为

SSID究竟是什么? WiFi网络名称及工作方式解析

《SSID究竟是什么?WiFi网络名称及工作方式解析》SID可以看作是无线网络的名称,类似于有线网络中的网络名称或者路由器的名称,在无线网络中,设备通过SSID来识别和连接到特定的无线网络... 当提到 Wi-Fi 网络时,就避不开「SSID」这个术语。简单来说,SSID 就是 Wi-Fi 网络的名称。比如

Java实现任务管理器性能网络监控数据的方法详解

《Java实现任务管理器性能网络监控数据的方法详解》在现代操作系统中,任务管理器是一个非常重要的工具,用于监控和管理计算机的运行状态,包括CPU使用率、内存占用等,对于开发者和系统管理员来说,了解这些... 目录引言一、背景知识二、准备工作1. Maven依赖2. Gradle依赖三、代码实现四、代码详解五

hdu2241(二分+合并数组)

题意:判断是否存在a+b+c = x,a,b,c分别属于集合A,B,C 如果用暴力会超时,所以这里用到了数组合并,将b,c数组合并成d,d数组存的是b,c数组元素的和,然后对d数组进行二分就可以了 代码如下(附注释): #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<que

hdu2289(简单二分)

虽说是简单二分,但是我还是wa死了  题意:已知圆台的体积,求高度 首先要知道圆台体积怎么求:设上下底的半径分别为r1,r2,高为h,V = PI*(r1*r1+r1*r2+r2*r2)*h/3 然后以h进行二分 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#includ

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码: 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口,https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor