安装和更新
近期断断续续对linkET做了一些更新，主体是从方便用户使用，增强灵活性的角度出发的，至于我想在新版本中添加的功能，暂时还未完成，而且预计新功能完成可能得到端午节前后，所以这个版本（0.0.3）是未来一段时间比较稳定的版本，若是想尝新，不妨更新一下试试。
## install.packages("devtools")
devtools::install_github("Hy4m/linkET", force = TRUE)
library(linkET)correlate()函数
之前的版本（包括最早的ggcor），correlate()函数都仅仅是封装cor()和cor.test()函数，来作为默认的相关系数矩阵计算的函数，然后提供了统一的接口来把WGCNA等其他包计算的结果导入到linkET中。这一次更新，我尝试把其他包的函数（如psych::corr.test()）作为计算引擎，完整的封装进correlate()函数，这样用户就不用去深究各种不同的包的函数差异。下面的例子给了一些示例，可以尝试运行查看结果。
## 默认计算方式，等价于上一个版本的correlate()
correlate(mtcars)
## 使用psych包作为计算引擎
correlate(mtcars, engine = "psych")
## 使用Hmisc包作为计算引擎
correlate(mtcars, engine = "Hmisc")
## 使用picante包作为计算引擎
correlate(mtcars, engine = "picante")
## 使用WGCNA包作为计算引擎
correlate(mtcars, engine = "WGCNA")当然，correlate()函数还增加了一个group参数，这个参数可以用来指定原始数据的行分组信息，例如比如著名的iris数据集中，若我们想根据物种la分别计算相关系数矩阵，我们就可以把group参数设置为Species这个向量。
# head(iris)
correlate(iris[-5], group = iris$Species)
直接输出分组计算的相关系数矩阵的结果，只能看到一点描述性信息，建议使用下面的代码把图画出来：
correlate(iris[-5], group = iris$Species) %>%
qcorrplot() + geom_square()
改变默认样式
在linkET的开发过程中，我一直保持克制，希望能最大程度保持原汁原味的ggplot2的感觉，但是经不住问，我还是提供了一个set_corrplot_style()函数，每次打开R会话框后运行下这个函数，就能保证之后的所有的qcorrplot()函数画的图都改成了你想要的样式。
set_corrplot_style()
qcorrplot(mtcars) + geom_square()
也可以使用你自己的调色板，比如改成红白蓝的配色：
set_corrplot_style(colours = c("red", "white", "blue"))
qcorrplot(mtcars) + geom_square()
最后，要是你嫌弃默认使用的scale_fill_gradientn()函数不能满足你的需求，你完全可以提供的scale函数，比如：
set_corrplot_style(scale = ggplot2::scale_fill_viridis_c())
qcorrplot(mtcars) + geom_square()
用完了记得还原一下，不然之后的图还会按照你设置的样式画图：
set_default_style()更丝滑的geom_couple()函数
我们先看看：
library(dplyr)
library(ggplot2)
data("varechem", package = "vegan")
data("varespec", package = "vegan")
mantel <- mantel_test(varespec, varechem,
spec_select = list(Spec01 = 1:7,
Spec02 = 8:18,
Spec03 = 19:37,
Spec04 = 38:44)) %>%
mutate(rd = cut(r, breaks = c(-Inf, 0.2, 0.4, Inf),
labels = c("< 0.2", "0.2 - 0.4", ">= 0.4")),
pd = cut(p, breaks = c(-Inf, 0.01, 0.05, Inf),
labels = c("< 0.01", "0.01 - 0.05", ">= 0.05")))
## 现学现用
set_corrplot_style()
qcorrplot(correlate(varechem), type = "lower", diag = FALSE) +
geom_square() +
geom_couple(aes(colour = pd, size = rd),
data = mantel,
curvature = nice_curvature()) +
scale_size_manual(values = c(0.5, 1, 2)) +
scale_colour_manual(values = color_pal(3)) +
guides(size = guide_legend(title = "Mantel's r",
override.aes = list(colour = "grey35"),
order = 2),
colour = guide_legend(title = "Mantel's p",
override.aes = list(size = 3),
order = 1),
fill = guide_colorbar(title = "Pearson's r", order = 3))
现在想把Spec的几个点的位置微调一下，在之前的三期文章中我提到了可以使用aes(x = .x + 1)之类的方式来调整，但是这种方法每次都是所有的点做相同的调整，在这个版本中我新增了offset_x和offset_y两个参数，这两个参数能对指定的点做调整，没有指定的保持在原位不动。
qcorrplot(correlate(varechem), type = "lower", diag = FALSE) +
geom_square() +
geom_couple(aes(colour = pd, size = rd),
data = mantel,
curvature = nice_curvature(),
offset_x = list(Spec02 = 3, Spec03 = 3),
offset_y = list(Spec01 = 0.5, Spec02 = 1)) +
scale_size_manual(values = c(0.5, 1, 2)) +
scale_colour_manual(values = color_pal(3)) +
guides(size = guide_legend(title = "Mantel's r",
override.aes = list(colour = "grey35"),
order = 2),
colour = guide_legend(title = "Mantel's p",
override.aes = list(size = 3),
order = 1),
fill = guide_colorbar(title = "Pearson's r", order = 3))
小结
linkET还会继续开发，功能也会越来越完整，希望所有人都能切换到linkET上来，忘了那个ggcor吧。
猜你喜欢
iMeta简介 高引文章 高颜值绘图imageGP 网络分析iNAP
iMeta网页工具 代谢组MetOrigin 美吉云 乳酸化预测DeepKla
iMeta综述 肠菌菌群 植物菌群 口腔菌群 蛋白质结构预测
10000+： 菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature
系列教程： 微生物组入门 Biostar 微生物组 宏基因组
专业技能： 学术图表 高分文章 生信宝典 不可或缺的人
一文读懂： 宏基因组 寄生虫益处 进化树 必备技能： 提问 搜索 Endnote
扩增子分析： 图表解读 分析流程 统计绘图
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘
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”讨论群，己有国内外6000+ 科研人员加入。请添加主编微信meta-genomics带你入群，务必备注“姓名-单位-研究方向-职称/年级”。高级职称请注明身份，另有海内外微生物PI群供大佬合作交流。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。
点击阅读原文，跳转最新文章目录阅读