woodcorpse的个人博客分享 http://blog.sciencenet.cn/u/woodcorpse

博文

差异分析完整解决方案

已有 6980 次阅读 2020-3-16 19:43 |个人分类:R|系统分类:科研笔记|关键词:学者

差异分析完整解决方案

写在前面

最初这份脚本是这样的:R语言一键批量完成差异统计和可视化,当时我们发布的,但是我封装的比较严重,每个步骤不能分开跑,只能按照流程从一而终,后来我做升级版:查看升级版本,将多重比较方法和可视化进行了丰富,再后来我发现正态分布函数错误,所以又进行了更正:查看更正版本,最后就是咱们这篇教程了.

image

前一段时间推出了包存在一些细节问题:譬如:

  • 非参数检验无字母标注混乱。
  • 其次,由于我在做差异检测和出图的时候没有指定同样的数据,导致显著性字母标记错位,所以i设置要相同,之前我没有设置相同,所有将其他列的差异检测结果映射到了别的数据,导致上一篇推送字母标注问题。

目前本包函数其他函数有些小问题,我已经修正,所以大家使用起来应该放心,我修改了示例数据,增加到每个处理6个重复,所以可以更好的作为示例数据再次为大家演示一遍。

感谢大家的关注,也会让这个包更加好用,本次处理修正一些错误之外,我还添加的新的出图样式。来源于2020年2月刚刚online的NBT文章。大家继续往后看吧。

EasyAovWlxPlot 使用指南

安装EasyAovWlxPlot包

```{R eval=FALSE, include=FALSE}
library(devtools)
install_github(“taowenmicro/EasyAov”)

如果国外不可用,则使用国内备份安装

remotes::install_git(‘https://gitee.com/wentaomicro/EasyAovWlxPlot‘)

导入包和数据,数据均来自真实试验和文公开文献下载,通过调整分组加入。

```{R}
# 导入差异分析包
library(EasyAovWlxPlot)
# 导入作图所需要的ggplot包
library(ggplot2)
#使用内置数据1
data(data_wt)
#内置数据2
data(env)

基于单个指标的统计分析

正态检验和方差齐性分析,使用?NorNorCVTest查看帮助信息,你会发现目前帮助信息都是使用中文写的,不过随着包的逐渐成熟,和功能的不断完善,将逐渐使用英文编写帮助文档。

# 使用?NorNorCVTest查看帮助信息
##使用案例
NorCV = NorNorCVTest(data = data_wt, i= 4,method_cv = "leveneTest")
#提取正态检验结果
NorCV[[1]]
#提取方差齐性检验结果
NorCV[[2]]
##             No         Name         W   p.value norm.test
## 1            1           CF 0.9385422 0.6474760      Norm
## 2            2           CK 0.9306138 0.5848500      Norm
## 3            3          Rhi 0.9651627 0.8585061      Norm
## 4            4           WT 0.9756280 0.9278774      Norm
## 5 Test Method: Shapiro-Wilk        NA        NA      <NA>

norm.test会按照分组告诉大家是否符合正态分布。

方差分析(aovMcomper)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

  • method_Mc:选择需要使用的多重比较方法,这里又多种方法可供选择:method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”

    # ?aovMcomper
    result= aovMcomper (data = data_wt, i= 5,method_Mc = "Tukey")
    # 提取多重比较结果
    result[[1]]
    #提取方差检验结果
    result[[2]]

    提取多重比较结果

    ##     groups group
    ## CF     a      CF
    ## CK      b     CK
    ## Rhi      c   Rhi
    ## WT     ab     WT

结果中多重比较的展示全部使用字母表示了,虽然许多多种比较方法默认展示方式不同,但是我已经在包中将这些展示方式调整一致为字母。

非参数检验

两个参数代表的意义与方差分析的两个相同;

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

# ?KwWlx
res = KwWlx(data = data_wt, i= 5)
# 调用非参数两两比较结果:字母标记展示
res[[1]]
#表格展示两两之间差异结果
res[[2]]

调用非参数两两比较结果:字母标记展示

##     groups group
## CF       a    CF
## CK      ab    CK
## Rhi      c   Rhi
## WT       b    WT

表格展示两两之间差异结果

## # A tibble: 6 x 8
##   .y.   group1 group2       p p.adj p.format p.signif method  
##   <chr> <chr>  <chr>    <dbl> <dbl> <chr>    <chr>    <chr>   
## 1 count CF     CK     0.0651  0.13  0.0651   ns       Wilcoxon
## 2 count CF     Rhi    0.00500 0.025 0.0050   **       Wilcoxon
## 3 count CF     WT     0.00630 0.025 0.0063   **       Wilcoxon
## 4 count CK     Rhi    0.00639 0.025 0.0064   **       Wilcoxon
## 5 count CK     WT     0.394   0.39  0.3939   ns       Wilcoxon
## 6 count Rhi    WT     0.00216 0.013 0.0022   **       Wilcoxon

差异可视化方案(两种差异表示,三种图形展示)

柱状图展示方差分析或非参数检验结果(aovMuiBarPlot)

在这个包中将差异检测和出图部分分离,方便选择合适的图表和差异可视化的策略。最终要的参数是result :为前面差异分析结果中的第一个表单,格式为第一列差异显著字母,第二列分组标签,列名,分组标签。如果只是用可视化的函数,直接从外面导入类似数据即可。

# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示:  柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 5,sig_show ="abc",result = result[[1]])
#提取结果
PlotresultBar[[1]]
#提取方差分析或非参数检验结果
PlotresultBar[[2]]

image

# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示:  柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 5,sig_show ="line",result = result[[1]])
#提取结果
PlotresultBar[[1]]
#提取方差分析或非参数检验结果
PlotresultBar[[2]]

image

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

  • sig_show:代表差异展示方式;sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,第一列是显著性差异字母,第二列是分组group

箱线图展示方差分析或非参数检验结果(aovMuiBoxP)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

  • sig_show:代表差异展示方式;sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,第一列是显著性差异字母,第二列是分组group

# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 5,sig_show ="abc",result = result[[1]])
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
p

image

# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 5,sig_show ="line",result = result[[1]])
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
p

image

点柱图-完美解决柱状图无法展示样本信息的缺陷

# result= aovMcomper (data = data_wt, i= 5,method_Mc = "Tukey")
# # 提取多重比较结果
# result[[1]]
PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 5,sig_show ="abc",result = result[[1]])
#提取图片
p = PlotresultBox[[1]]
p

image
EasyAovWlxPlot包为什么能完美解决差异分析呢.因为他比你想象的要强大。下面使用连线形式展示差异,显著的差异按照标注星号,不显著的标注ns。

PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 5,sig_show ="line",result = result[[1]])
#提取图片
p = PlotresultBox[[1]]
p

image

多指标模式

多个指标同时做正态检验和方差齐性分析(MuiNorCV)

这里对多组数据进行分析,结果我是用T或F代表,方便阅读。

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • method_cv:代表选择方差齐性的方法,有两种可供选择:method_cv == “bartlett.test” ;method_cv == “leveneTest”
    ```{R}
    dim(data_wt)

    ?MuiNorCV

    使用案例

    norCv = MuiNorCV(data = data_wt,num = c(4:10),method_cv = “leveneTest”)

    展示正态检验和方差齐性结果

    norCv

DI      cor    CV

[1,] “AP”    “TRUE” “TRUE”

[2,] “bac”   “TRUE” “FALSE”

[3,] “fun”   “TRUE” “TRUE”

[4,] “micro” “TRUE” “TRUE”

[5,] “NH4.N” “TRUE” “TRUE”

[6,] “NO3.N” “TRUE” “FALSE”

[7,] “pH”    “TRUE” “TRUE”

这里由于指标比较多,所以我将结果进行简化,直接使用ture和false来提示大家,cor是正态性检测组,cv是方差齐性检测。

#### 多个指标方差检验(MuiaovMcomper)

- data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

- num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

- method_Mc:选择需要使用的多重比较方法,这里又多种方法可供选择:method_Mc = "LSD";method_Mc = "SNK";method_Mc = "Duncan";method_Mc ="scheffe"

```{R}
# ? MuiaovMcomper
# #使用案例
result = MuiaovMcomper(data = data_wt,num = c(4:6),method_Mc = "Tukey")
#提取每个指标方差检验多重比较结果
result
##      AP bac fun
## CF  a   a    a 
## CK    c  b   a 
## Rhi  b    c   b
## WT   bc ab   a

同样,多个指标展示按照指标每列为一组检测结果。

多个指标非参数检验(MuiKwWlx)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

# ? MuiKwWlx
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:6))
#提取每个指标非参数检验多重比较结果
result
##     AP bac fun
## CF   a   a  ab
## CK   b  ab   a
## Rhi  c   c   c
## WT   d   b   b

结果和多组方差分析结果一样。很好用于后面的出图,同样也适合自己导入数据,使用出图

多组数据可视化差异分析结果: 柱状图(MuiPlotresultBar)

多组指标分开出图,比较麻烦的是图形的保存,如果还需要让你一个一个保存图片,那也是相当繁琐的,所以这里我设置了自动保存,也只有这种方式是自动保存,其他单个,多组分面图形较少,所以就可以自己保存。

我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名;

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • sig_show:代表差异展示方式;sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,每一列是显著性标记字母,MuiKwWlx

# ?MuiPlotresultBar
# # #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:6))
result
# #结果直接输出到文件夹中
MuiPlotresultBar(data = data_wt,num = c(4:6),result = result ,sig_show ="line")
##     AP bac fun
## CF   a   a  ab
## CK   b  ab   a
## Rhi  c   c   c
## WT   d   b   b

多组数据可视化差异分析结果:箱线图(MuiPlotresultBox)

我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名;

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • sig_show:代表差异展示方式;sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,每一列是显著性标记字母,MuiKwWlx
    ```{R}

    ?MuiPlotresultBox

    使用案例

    result = MuiKwWlx(data = data_wt,num = c(4:8))
    result

    #直接出图到文件夹中

    MuiPlotresultBox(data = data_wt,num = c(4:8),result = result,sig_show =”abc”)

![image](https://note.youdao.com/yws/public/resource/d25fd34a0e17582f9a55fe391883cff3/xmlnote/43E55955F5DD49F3BBD11504E97A2C01/41368)
### 线柱图
输入和箱线图一致
```{R}
# ?MuiPlotresultBox
#使用案例
result = MuiKwWlx(data = data_wt,num = c(4:8))
result
# #直接出图到文件夹中
MuiPlotReBoxBar(data = data_wt,num = c(4:8),result = result,sig_show ="line")

image

差异结果展示:分面展示柱状图:(FacetMuiPlotresultBar)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • sig_show:代表差异展示方式;sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,每一列是显著性标记字母,MuiKwWlx

  • ncol:代表分面展示每一行放几张图
    ```{R}

    ?FacetMuiPlotresultBar

    # #使用案例

    result = MuiaovMcomper(data = data_wt,num = c(4:11),method_Mc = “Tukey”)
    result
    result1 = FacetMuiPlotresultBar(data = data_wt,num = c(4:11),result = result,sig_show =”abc”,ncol = 4 )
    result1[[1]]
![image](https://note.youdao.com/yws/public/resource/d25fd34a0e17582f9a55fe391883cff3/xmlnote/9AB3ED3BF1BB4EE693348A398D3851A4/41371)

### 差异结果展示:分面展示箱线图:(FacetMuiPlotresultBox)

- data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

- num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

- sig_show:代表差异展示方式;sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示;如果是NA,那么就不显示显著性结果

- result:代表显著性差异分析结果,是一个数据框,每一列是显著性标记字母,MuiKwWlx
- ncol:代表分面展示每一行放几张图
```{R}
# ?FacetMuiPlotresultBox
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:11))
result
#
result1 = FacetMuiPlotresultBox(data = data_wt,num = c(4:11),result = result,sig_show ="abc",ncol = 4 )
result1[[1]]

image

使用两种方法,我们可以对比非参数检验和方差检验结果是否一致

下面使用线柱图展示

# ?FacetMuiPlotresultBox
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:11))
result
#
result1 = FacetMuiPlotReBoxBar(data = data_wt,num = c(4:11),result = result,sig_show ="abc",ncol = 4 )
result1[[1]] + theme_bw()

image

注意以上三种分面展示的目前仅支持字母标注显著性,连线形式的尚未添加。

单个指标一体化分析(SingleStat)

这个函数可以将我们的目标列做正态检验和方差齐性,然后根据结果选择方差检验或者多重比较方法,最后选择自己需要的出图方式和显著性标记方式展示。

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

  • method_Mc:选择需要使用的多重比较方法,这里又多种方法可供选择:method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”

  • plot:可以选择需要的出图类型,柱状图和箱线图

# ?SingleStat
# # #使用案例
# #输出结果第一个为图片,第二个是统计结果,第三个是统计方法
result = SingleStat(data = data_wt,plot = "bar",method_Mc = "Tukey",i= 4,sig_show ="abc")
# #导出图片
p = result[[1]]
p

image
可以更换出图方式,当然这里会自动判断使用方差分析,还是非参数检验。选择结果会展示在结果的第三个列表中,可自行查看。

# ?SingleStat
# # #使用案例
# #输出结果第一个为图片,第二个是统计结果,第三个是统计方法
result = SingleStat(data = data_wt,plot = "box",method_Mc = "Tukey",i= 4,sig_show ="abc")
# 提取差异检测结果
result[[2]]
# 提取差异检测放啊
result[[3]]

# #导出图片
p = result[[1]]
p

image

# ?SingleStat
# # #使用案例
# #输出结果第一个为图片,第二个是统计结果,第三个是统计方法
result = SingleStat(data = data_wt,plot = "boxbar",method_Mc = "Tukey",i= 4,sig_show ="abc")
# 提取差异检测结果
result[[2]]
# 提取差异检测放啊
result[[3]]

# #导出图片
p = result[[1]]
p

image

多个指标一体化分析(MuiStat)

实现了多个指标批量整体运行;这个函数可以将我们的目标列做正态检验和方差齐性,然后根据结果选择方差检验或者多重比较方法,最后选择自己需要的出图方式和显著性标记方式展示。

# ?MuiStat
#使用案例
result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show  = "abc",ncol = 4,plot = "box",plottype = "mui")
result[[1]]

# 提取方差检测的列
result$aov
# 提取f非参数检测的列
result$wlx
# 提取差异检测结果
result$table

image

柱状图

result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show  = "abc",ncol = 4,plot = "bar",plottype = "mui")
result[[1]]

image

线柱图

result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show  = "abc",ncol = 4,plot = "boxbar",plottype = "mui")
result[[1]]

image
data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

method_cv:代表选择方差齐性的方法,有两种可供选择:method_cv == “bartlett.test” ;method_cv == “leveneTest”

method_Mc:选择需要使用的多重比较方法,这里又多种方法可供选择:method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”

plot:可以选择需要的出图类型,柱状图和箱线图

sig_show:代表差异展示方式;sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

ncol:代表分面展示每一行放几张图

plottype:输出图形是分面展示plottype =mui,还是单张展示:plottype == “single”

后记

感谢大家对EasyAovWlxPlot包的支持,在这篇推送发出去之前,我就已经将新包替换好了,也正是因为大家的帮助,让这个包逐渐走向成熟,后面我们会继续在丰富多因素差异分析,回归等内容,都是方便可以而设计的,所以希望大家继续支持。如有问题请大家继续在宏基因组留言。如果问题迫切,可以添加我的个个人微信:nanjingxuezi。

猜你喜欢

写在后面

为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外5000+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍未解决群内讨论,问题不私聊,帮助同行。
image

学习扩增子、宏基因组科研思路和分析实战,关注“宏基因组”
image

image

点击阅读原文,跳转最新文章目录阅读
https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA



https://m.sciencenet.cn/blog-3334560-1223828.html

上一篇:NBT:线虫的工程细菌共生体提高对西方玉米根虫的生防潜力
下一篇:Science:固氮(The nitrogen fix)

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-28 18:30

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部