-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path2023_06_28_picrust2_aldex.Rmd
164 lines (127 loc) · 5.11 KB
/
2023_06_28_picrust2_aldex.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
---
title: ''
author: "kim soyeon"
date: "2023-06-28"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
```{r cars}
library(phyloseq) # 마이크로바이옴 데이터 분석 및 시각화
library(tidyverse) # R의 데이터 핸들링
library(readr) # 파일 읽어오기
library(ggpicrust2) # PICRUSt2결과 처리 및 시각화
library(ALDEx2) # Aldex2 분석
library(pheatmap) # heatmap 시각화
```
## Including Plots
You can also embed plots, for example:
```{r pressure, echo=FALSE}
## phyloseq 개체 읽어오기, 위치는 본인의 파일 위치에 따라 수정
ps <- readRDS("./ps.rds")
## ggpicrust2의 패키지를 이용해서 KO abundance를 kegg pathway abundance로 변환
kegg_abundance <-
ko2kegg_abundance(
"./picrust_result/KO_metagenome_out/pred_metagenome_unstrat.tsv"
)
kegg_abundance
dim(kegg_abundance)
```
```{r}
# 혀와 장 데이터만 추출
ps_sub <- subset_samples(ps, body.site %in% c("gut", "tongue"))
# phyloseq-class experiment-level object
# otu_table() OTU Table: [ 770 taxa and 17 samples ]
# sample_data() Sample Data: [ 17 samples by 8 sample variables ]
# tax_table() Taxonomy Table: [ 770 taxa by 7 taxonomic ranks ]
# phy_tree() Phylogenetic Tree: [ 770 tips and 768 internal nodes ]
# 샘플의 메타데이터 추출
metadata <- sample_data(ps_sub) %>% data.frame()
# kegg_abundance에서도 장과 혀 샘플만 추출
metadata <- metadata %>% rownames_to_column("SampleID")
metadata <- metadata[metadata$body.site %in% c("gut", "tongue"), ]
kegg_abundance2 <- kegg_abundance[, metadata$SampleID]
dim(kegg_abundance2)
# 243 17
kegg_abundance3 <- kegg_abundance2
require(data.table)
setDT(kegg_abundance3)
ko_AlDEx <- pathway_daa(
abundance = kegg_abundance2,
metadata = metadata,
group = "body.site",
daa_method = "ALDEx2", # lefser, metagenomeSeq, limma_voom, edgeR, LinDA, Maaslin2, DESeq2, ALDEx2
)
ko_AlDEx
```
```{r}
Group <- factor(metadata$body.site)
Level <- levels(Group)
## ALDEx2 분석 ##
# 1) Aldex2분석을 위해 OTU read count 데이터를 CLR로 normalization
ALDEx2_object <- ALDEx2::aldex.clr(round(kegg_abundance2), metadata$body.site)
# clr 변환은 각 샘플의 모든 taxa값이 0이며, taxa간의 상대적 비율 값이 그대로 보존된다
# 2) Aldex 통계 분석
ALDEx2_results <- ALDEx2::aldex.ttest(ALDEx2_object, paired.test = FALSE, verbose = FALSE)
# t.test결과와 wilcoxon rank sum test결과를 반환한다
# 각 taxa가 그룹내에서 유의한 수준으로 차이가 '있는지 없는지' 판별
# 3) Effect size계산
ALDEx2_effect <- ALDEx2::aldex.effect(ALDEx2_object)
# 각 taxa가 차이가 있다면(유의하다면), '얼마나' 차이가 있는지 판별
# 4) 결과물 정리
p_values_df <- data.frame(
feature = rep(rownames(ALDEx2_results), 2),
method = c(rep("ALDEx2_Welch's t test", nrow(ALDEx2_results)),
rep("ALDEx2_Wilcoxon rank test", nrow(ALDEx2_results))),
group1 = rep(Level[1], 2 * nrow(ALDEx2_results)),
group2 = rep(Level[2], 2 * nrow(ALDEx2_results)),
p_values = c(ALDEx2_results$we.ep, ALDEx2_results$wi.ep),
p_values = c(ALDEx2_results$we.ep, ALDEx2_results$wi.ep),
effect = ALDEx2_effect$effect)
# 5) P- value값 보정 (BH 사용)
adjusted_p_values <- data.frame(
feature = p_values_df$feature,
p_adjust = p.adjust(p_values_df$p_values, method = "BH"))
# 6) 결과물 최종 정리
ko_AlDEx_result <- cbind(p_values_df, p_adjust = adjusted_p_values$p_adjust)
ko_AlDEx_result
```
```{R}
# "ALDEx2_Wilcoxon rank test"결과 중에서 p-value값 보정이 유의한 것만 추출
ko_AlDEx_result2 <- ko_AlDEx_result[ko_AlDEx_result$method == "ALDEx2_Wilcoxon rank test" &
ko_AlDEx_result$p_adjust < 0.05, ]
dim(ko_AlDEx_result2)
# ggpicrust2의 annotation함수를 통해 이 kegg pathway데이터 가져오기
ko_ann <-pathway_annotation(pathway = "KO",
daa_results_df = ko_AlDEx_result2,
ko_to_kegg = TRUE)
ko_ann
# Pathway 1,2,3을 하나의 이름으로 표시하기
pathway_table <- ko_ann %>%
na.omit %>% # 44
mutate(Level_123 = paste0(pathway_class," - ", pathway_map))
rownames(pathway_table) <- pathway_table$feature
```
```{r}
pathway_table
# 순서 정렬
lev = pathway_table[order(pathway_table$effect), "Level_123"]
pathway_table$Level_123 <- factor(pathway_table$Level_123, level = lev)
# ggplot
pathway_table %>%
mutate(Group = if_else(effect>0, "gut", "tongue")) %>%
filter(abs(effect)>3) %>%
ggplot(aes(x = effect, y = Level_123, fill = Group)) +
geom_col() + theme_classic() +
labs(y = NULL, x = 'Effect zise')+
scale_x_continuous(limits = c(-7, 7), breaks = seq(-7,7,by=2)) # +
# scale_fill_manual(name = NULL, # legend
# breaks = c("NonDiarrhealControl", "DiarrhealControl"),
# labels = c('Healthy', "Diarrhea, *C. difficile* negative"),
# values=c("grey", "blue")) +
# theme(
# axis.text.y = element_markdown(),
# legend.text = element_markdown() # * ???? ???? ?????̱?
# )
```