使用 R 进行分析与可视化
1. 数据准备
假设已经有细菌 OTU 表（以表格形式存储，行是样本，列是 OTU）和土壤理化性质表（行是样本，列是不同的理化性质指标）。
# 读取数据
otu_table <- read.csv("otu_table.csv", row.names = 1)
soil_properties <- read.csv("soil_properties.csv", row.names = 1)# 确保样本顺序一致
otu_table <- otu_table[rownames(soil_properties), ]
2. 微生物 Beta 多样性分析
使用 vegan 包进行 Beta 多样性分析。
library(vegan)# 计算 Bray-Curtis 距离矩阵
bray_curtis_dist <- vegdist(otu_table, method = "bray")# 进行主坐标分析（PCoA）
pcoa <- cmdscale(bray_curtis_dist, k = 2, eig = TRUE)# 提取 PCoA 结果
pcoa_scores <- pcoa$points
pcoa_eig <- pcoa$eig
3. 土壤化学性质和细菌群落相关性分析
使用 Mantel 检验分析土壤理化性质与细菌群落结构的相关性。
# 计算土壤理化性质的距离矩阵
soil_prop_dist <- vegdist(soil_properties, method = "euclidean")# Mantel 检验
mantel_result <- mantel(bray_curtis_dist, soil_prop_dist, method = "pearson")
print(mantel_result)
4. 数据结果可视化
绘制 PCoA 图展示 Beta 多样性，并可视化相关性结果。
library(ggplot2)# 绘制 PCoA 图
pcoa_df <- data.frame(Sample = rownames(pcoa_scores),PC1 = pcoa_scores[, 1],PC2 = pcoa_scores[, 2])pcoa_plot <- ggplot(pcoa_df, aes(x = PC1, y = PC2)) +geom_point() +labs(x = paste0("PC1 (", round(pcoa_eig[1] / sum(pcoa_eig) * 100, 2), "%)"),y = paste0("PC2 (", round(pcoa_eig[2] / sum(pcoa_eig) * 100, 2), "%)"),title = "PCoA of Bacterial Community")
print(pcoa_plot)# 可视化 Mantel 检验结果
mantel_plot <- ggplot(data.frame(x = 0, y = 0), aes(x, y)) +geom_text(aes(label = paste0("Mantel r = ", round(mantel_result$statistic, 3),"\n p = ", round(mantel_result$signif, 3))),size = 6) +theme_void()
print(mantel_plot)
使用 Origin 进行分析与可视化
1. 数据导入
将细菌 OTU 表和土壤理化性质表导入 Origin。在 Origin 中，选择 “File” -> “Import”，然后选择相应的 CSV 文件。
2. 微生物 Beta 多样性分析
- 计算距离矩阵：在 Origin 中，可以通过编写脚本或使用插件来计算 Bray-Curtis 距离矩阵。例如，使用 “Matrix” 菜单中的 “Distance Matrix” 功能，选择 “Bray-Curtis” 方法计算 OTU 表的距离矩阵。
- 主坐标分析（PCoA）：计算完距离矩阵后，使用 Origin 的 “Analysis” -> “Multivariate Analysis” -> “Principal Coordinates Analysis (PCoA)” 进行 PCoA 分析。
3. 土壤化学性质和细菌群落相关性分析
- 计算距离矩阵：对土壤理化性质表使用 “Matrix” 菜单中的 “Distance Matrix” 功能，选择 “Euclidean” 方法计算距离矩阵。
- Mantel 检验：Origin 本身没有直接的 Mantel 检验功能，但可以通过编写外部脚本（如 R 脚本）计算结果后导入到 Origin 中。
4. 数据结果可视化
- PCoA 图绘制：在 Origin 中，将 PCoA 分析得到的 PC1 和 PC2 数据选中，然后选择 “Plot” -> “Scatter” 绘制散点图。可以进一步调整图形的颜色、标签、坐标轴标题等，使其更加美观。
- 相关性结果可视化：将 Mantel 检验结果手动输入到 Origin 表格中，然后使用文本工具在图形中添加结果标签，以展示相关性统计量和显著性。
通过以上步骤，无论是在 R 还是 Origin 中，都可以完成细菌 OTU 表、土壤理化性质数据的微生物 Beta 多样性分析、相关性分析以及结果可视化。
