微生物群落结构差异分析
输入的数据格式与RDA分析格式相同
spe：群落组成数据
group: 分类数据
env：环境数据：土壤理化因子、植物类别等
library(vegan)# ADONIS/PERMANOVA－PCoA# β多样性指数可以选择不同的指数adonis(spe~ grazing,data = group,permutations = 999,method="bray") ->grazing.bray # 用grazing分组spe，并进行Adonis分析，分析结果赋予grazing.bray，使用bray-curits indexgrazing.bray#查看adonis分析结果 adonis(NR~ depth*Group,data = NRenv,permutations = 999,method="jaccard")->NR.jac # 不同分组方式交互影响,使用jaccard index## 两两比较pairwise.adonis <-function(x,factors, sim.method, p.adjust.m){ library(vegan) co = as.matrix(combn(unique(factors),2)) pairs = c() F.Model =c() R2 = c() p.value = c() for(elem in 1:ncol(co)){ ad = adonis(x[factors %in%c(as.character(co[1,elem]),as.character(co[2,elem])),] ~ factors[factors %in%c(as.character(co[1,elem]),as.character(co[2,elem]))] , method =sim.method); pairs =c(pairs,paste(co[1,elem],'vs',co[2,elem])); F.Model =c(F.Model,ad$aov.tab[1,4]); R2 = c(R2,ad$aov.tab[1,5]); p.value = c(p.value,ad$aov.tab[1,6]) } p.adjusted =p.adjust(p.value,method=p.adjust.m) pairw.res = data.frame(pairs,F.Model,R2,p.value,p.adjusted) return(pairw.res) } # 进行Adonis多重比较前期准备，不需要更改pairwise.adonis(spe, group$grazing, sim.method="bray", p.adjust.m= "bonferroni") # 多重比较 #ANOSIM-NMDSNRCK.anosim<-anosim(NRCK,NRenvCK$depth,permutations = 999,distance = "bray")NRCK.anosim #MRPPNRCK.mrpp<-mrpp(NRCK,NRenvCK$depth,permutations = 999,distance = "bray")NRCK.mrpp #Mantel testlibrary(vegan)library(ecodist)MNRA<-read.csv("MNRA.csv")group<- read.csv("Group.csv")plant=read.csv("plant.csv",header=T,row.names=1,sep=",")species.distance<-vegdist(MNRA,method = 'bray')env.distance=vegdist(plant$Tot.bio,method = "euclidean")species$env=mantel(species.distance,env.distance,permutations=999)
参考文献：排序方法比较大全PCA、PCoA、NMDS、CCA
Adonis和ANOSIM方法组间整体差异评估原理
PCoA距离算法大全
读懂PCA和PCoA
1群落结构差异 2组间差异 3总结
环境因子关联分析—CCA还是RDA
大家也可以扫描下方二维码，查看更多群落结构分析内容！