使用group by 数据变慢_R语言实现LEfse分析从数据整理到树形图绘制

R语言完整的Lefse分析

写在前面

怎么说呢，我在之前的推送中，在R语言中实现了LEFse分析过程。但是我没有将数据前处理和结果的物种分类图形做出来。这是一定要在R语言中操作的，要不然，仅仅是实现了lefse算法，也是没有什么作用。

所以这篇贴子主要的工作在于：

• 使用扩增子注物种注释文件构造Lefse分析输入文件

• 使用R语言实现Lefse核型计算过程

• 使用R语言实现物种分类树额绘制，比graphlan更加强大。

• 全部分析提供原始数据，可重现

注意：

物种注释不同数据库格式不同，如果你的注释文件同参考不同，转化为和示例文件相同的格式，方可进行后续操作。

所需R包

library("tidyverse")
library(microbiomeViz)
library(ggtree)
library(tidyverse)
library(phyloseq)

##--功能函数#---------

  # 功能函数
  ### 提取OTU表格
  vegan_otu     OTU     if(taxa_are_rows(OTU)){
    
      OTU     }
    return(as(OTU,"matrix"))
  }
  ### 添加OTU注释信息
  vegan_tax     tax 
    return(as(tax,"matrix"))
  }

整理LEFSE分析的数据

这里如果大家熟悉phyloseq对象，直接用这个phyloseq对象就是了

#导入数据
ps = readRDS("../../data/ps_liu.rds")

如果不熟悉phyloseq可以使用普通数据导入

# 导入otu表格

otu = read.delim("../../data/otutab.txt",row.names = 1)
head(otu)
#导入注释文件
tax = read.delim("../..//data/taxonomy.txt",row.names = 1)
head(tax)
#导入分组文件
map = read.delim("../../data/metadata.tsv",row.names = 1)
head(map)

# head(otu)
otu = as.matrix(otu)
str(otu)

tax = as.matrix(tax)
# taxa_names(tax)

ps                sample_data(map) ,
               tax_table(tax)
               # phy_tree(tree)
)

没有不要用全部OTU，我按照序列数过滤，当然可以不过滤

# otu数量很多，所以选择一部分展示，一般树展示200个作用最为合适
ps = filter_taxa(ps, function(x) sum(x ) > 400 , TRUE)
ps

提取注释文件

这一步是我我们准备Lefse物种注释表格整理的开始。

#-提取otu表和tax表格#--------
otu_table = as.data.frame(t(vegan_otu(ps )))
tax_table = (vegan_tax(ps ))

整理物种注释文件

首先去除未注释出来的物种，这里为：Unassigned。

其次将物种不同级别之间的分隔符号修改为|。

再有将每一级的名称都加上前面级别的全部注释名称，形成结构。

最后按照不同级别数据合并otu表格，然后将注释文件和otu文件合并。

初步整理，去除Unassigned

tax_table[tax_table == "Unassigned"] = NA

tax_table =