基于R语言的微生物群落组成多样性分析——聚类分析

一、工作目录设置

rm(list=ls())#clear Global Environment
setwd('D:\\桌面\\聚类分析')#设置工作路径

二、R包的安装与加载

#安装R包
# install.packages("vegan")
# install.packages("ape")
# install.packages("phangorn")
#加载所需R包
library(vegan)
library(ape)
library(phangorn)

三、加载数据

加载的数据同样是列为样本名、行为OTU的OTU表格：

df <- read.table("OTU.txt",sep="\t",header=T,check.names=F ,row.names=1)

image.png

四、计算距离矩阵

使用vegan包中的vegdist()函数计算距离矩阵，方法默认选择bray curtis：

df_dist <- vegdist(t(df),method = 'bray')#使用bray curtis方法计算距离矩阵

image.png

五、常规层次聚类

1、层次聚类

    使用ape包中的hclust（）函数进行层次聚类，可选择方法有single、complete、median、mcquitty、average 、centroid 、ward：

df_hc1 <- hclust(df_dist,method="average")#使用类平均法进行聚类

2、可视化

plot(as.dendrogram(df_hc1),type="rectangle",horiz=T)

image.png

3、将数据保存为newick格式

#将数据导出为newick格式文件
df_tree <- as.phylo(df_hc1)# 将聚类结果转成系统发育格式
write.tree(phy=df_tree, file="tree.nwk") # 输出newick格式文件

六、利用非加权组平均法进行层次聚类

1、使用phangorn包中的upgma函数进行层次聚类

##使用非加权组平均法（unweighted pair-group method with arithmetic means, UPGMA）进行层次聚类
df_hc2 <- upgma(df_dist)

2、可视化

#图形展示类型共有"phylogram"、"cladogram"、"fan"、"unrooted"、"radial"、"tidy"六种，默认为"phylogram"
plot(df_hc2, type="phylogram")
plot(df_hc2, type="cladogram")
plot(df_hc2, type="fan")
plot(df_hc2, type="unrooted")
plot(df_hc2, type="radial")
plot(df_hc2, type="tidy")

image.png

3、将数据保存为newick格式

df_tree <- as.phylo(df_hc2)# 将聚类结果转成系统发育格式
write.tree(phy=df_tree, file="tree.nwk") # 输出newick格式文件

更多精彩欢迎大家关注微信公众号【科研后花园】！！！