install.packages("ggplot2")
install.packages("ggpubr")
install.packages("vegan")
计算Shannon-香农指数和Simpson-辛普森指数的命令在vegan包中,计算各组显著性的命令在ggpubr包中;画图使用ggplot命令,在行使每个命令之前一定要加载相应的包,如下:
library(ggplot2)
library(ggpubr)
library(vegan)
拿到一个otu表格,要先计算香农指数和辛普森指数,操作如下:
otu=read.table('D:/r-working/feature-table.taxonomy.txt',row.names = 1,skip=1,header=T,comment.char ='',sep='\t')
#读取out表格
#'D:/feature table.taxonomy.txt'为文件路径,注意斜线方向
#row.names = 1指定第一列为行名
#skip=1跳过第一行不读
#header=T指定第一个有效行为列名
#sep='\t'表示指定制表符为分隔符
#comment.char=''表示设置注释符号为空字符‘’,这样#后面的内容就不会被省略
otu=otu[,-ncol(otu)]
#去除表格的最后一列,无用信息
otu=t(otu)
#表格转置,必须将样品名作为行名
shannon=diversity(otu,"shannon")
#计算香农指数,先加载vegan包
shannon
#查看香农指数
simpson=diversity(otu,"simpson")
#计算辛普森指数,先加载vegan包
simpson
#查看辛普森指数
alpha=data.frame(shannon,simpson,check.names=T)
#合并两个指数
write.table(alpha,"D:/r-working/alpha-summary.xls",sep='\t',quote=F)
#存储数据,注意路径使用反斜杠
将各样本进行分组,并进行画图,操作如下:
map<-read.table('D:/r-working/mapping_file.txt',row.names = 1,header=T,comment.char ='',sep='\t',check.names=F)
#读取分组表格
group<-map["Group1"]
#提取需要的分组,'Group1'是表中的分组列名,包括A,B,C三组
alpha<-alpha[match(rownames(group),rownames(alpha)),]
#重排alpha的行的顺序,使其与group的样本id(行名)一致
data<-data.frame(group,alpha,check.rows=T)
#合并两个表格.'<-'与'='同属赋值的含义.
p=ggplot(data=data,aes(x=Group1,y=shannon))+geom_boxplot(fill=rainbow(7)[2])
#data = data指定数据表格
#x=Group1指定作为x轴的数据列名
#y=shannon指定作为y轴的数据列名
#geom_boxplot()表示画箱线图
#fill=rainbow(7)[2]指定填充色
此处用到ggplot2包画箱线图,将画图函数赋值给p后,可以用‘+’不断进行图层叠加,给图片p增加新的特性
p
#查看p
mycompare=list(c('A','B'),c('A','C'),c('B','C'))
#指定多重比较的分组对
mycompare
p<-p+stat_compare_means(comparisons=mycompare,label = "p.signif",method = 'wilcox')
#添加显著性标记的第一种方法,在此之前先加载ggpubr包
p<-p+ylim(2,5.5)
#调整图像的外观
生态位宽度(Bi)采用Colwell等(1971)加权修正的Levins指数
式中,Bi为物种i的生态位宽度值,其范围在[0-1]之间,值越大说明该物种生态位宽度越宽;Pij为物种i在第j资源状态下的个体数占该种所有个体数的比例,r为资源总数。
生态位重叠指数 生态位重叠指数采用Pianka指数(Pianka et al ., 1973):
式中, Oik 为物种i与物种k的生态位重叠指数,其值越大表示生态位重叠程度越高,取值范围为[0,1];Pij为物种i利用资源状态 j 的个体数占该种个体总数的比例,r为资源(季节或样点)的总数;Pkj为物种k利用资源状态j的个体数占该种个体总数的比例。 R 表示生态响应速率。
下面我们进行R语言操作:
library(spaa) ##加载包
df1=read.csv("物种丰度.csv") #读取丰度数据
这里的丰度数据为:行为样本,列为物种;
(1)计算生态位宽度:levins指数
b=as.data.frame(niche.width(df1, method ="levins")) #计算生态位宽度
colnames(b)="levins" #重新命名
由于spaa包中的niche.width()函数是没有/r的,如图一,公式中,因此继续用"levins"/r,(r为样点总个数)
b$levins1=b$levins/nrow(df1) #计算加权的levins生态位指数,既公式一(图一)的生态位指数
参考文献:
Colwell RK, Futuyma DJ. 1971. On the measurement of Niche Breadth and Overlap. Ecology, 52(4): 567-576.