ecshop批发网站模板模板网站

一边学习，一边总结，一边分享！

本期教程

写在前面

此图是一位同学看到后，想出的一期教程。

最近，自己的事情比较多，会无暇顾及社群和公众号教程。

1 安装和加载相关的R包

library(ggraph)
library(tidygraph)
# install.packages("devtools")
#devtools::install_github("Hy4m/linkET", force = TRUE)
library("linkET")
packageVersion("linkET")
packageVersion("igraph")
#devtools::install_github("Hy4m/netET")
library(netET)

设置路径

setwd("E:\\小杜的生信筆記\\2023\\20231012-mental分析网络图")

2 加载数据

##mantel test
library(dplyr)data("varechem", package = "vegan")
data("varespec", package = "vegan")

2.1 查看数据

## 查看数据
dim(varespec)
# [1] 24 44
varespec[1:10,1:10]

dim(varechem)
# [1] 24 14
varechem[1:10,1:10]

2.2 计算网络关系

mantel <- mantel_test(varespec,   ## 分类数据varechem,  ## 影响因子数据## 以下代码是根据varespec（分类数据）进行分析计算spec_select = list(Spec01 = 1:7,Spec02 = 8:18,Spec03 = 19:37,Spec04 = 38:44)) %>% mutate(rd = cut(r, breaks = c(-Inf, 0.2, 0.4, Inf),labels = c("< 0.2", "0.2 - 0.4", ">= 0.4")),pd = cut(p, breaks = c(-Inf, 0.01, 0.05, Inf),labels = c("< 0.01", "0.01 - 0.05", ">= 0.05")))

查看数据

head(mantel)
###
> head(mantel)
# A tibble: 6 × 6spec   env        r     p rd        pd         <chr>  <chr>  <dbl> <dbl> <fct>     <fct>      
1 Spec01 N     0.256  0.015 0.2 - 0.4 0.01 - 0.05
2 Spec01 P     0.137  0.093 < 0.2     >= 0.05    
3 Spec01 K     0.400  0.004 >= 0.4    < 0.01     
4 Spec01 Ca    0.0113 0.427 < 0.2     >= 0.05    
5 Spec01 Mg    0.0263 0.366 < 0.2     >= 0.05    
6 Spec01 S     0.275  0.021 0.2 - 0.4 0.01 - 0.05

2.3 绘制基础mantel相关性网络图

## 绘制相关性热图
D0 <- qcorrplot(correlate(varechem), type = "lower", diag = FALSE) +  geom_square() +   ## 相关性热图的形状## geom_couple(aes(colour = pd, size = rd), data = mantel, curvature = nice_curvature()) +## 颜色参数调整scale_fill_gradientn(colours = RColorBrewer::brewer.pal(11, "RdBu")) +scale_size_manual(values = c(0.5, 1, 2)) +scale_colour_manual(values = color_pal(3)) +guides(size = guide_legend(title = "Mantel's r",override.aes = list(colour = "grey35"), order = 2),colour = guide_legend(title = "Mantel's p", override.aes = list(size = 3), order = 1),fill = guide_colorbar(title = "Pearson's r", order = 3))
D0
ggsave("Mental相关性网络图.jpg",width = 6, height = 6)

2.4 绘制显著性网络图

我们在代码中详细标注了调整参数，可以自行根据需求进行调整即可。

本教程详细教程：相关性网络图 | 热图中添加显著性

---

往期文章：

1. 复现SCI文章系列专栏

2. 《生信知识库订阅须知》,同步更新，易于搜索与管理。

3. 最全WGCNA教程（替换数据即可出全部结果与图形）

• WGCNA分析 | 全流程分析代码 | 代码一

• WGCNA分析 | 全流程分析代码 | 代码二

• WGCNA分析 | 全流程代码分享 | 代码三

• WGCNA分析 | 全流程分析代码 | 代码四

• WGCNA分析 | 全流程分析代码 | 代码五(最新版本)

---

4. 精美图形绘制教程

• 精美图形绘制教程

5. 转录组分析教程

转录组上游分析教程[零基础]

小杜的生信筆記 ，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料!!