网络图
共现网络是研究突出了不同环境下微生物群落间的相互作用模式重要方式，可以从网络角度理解微生物群落共现特征，包括分析不同生境下微生物之间相互作用的差异，及各个类群之间的互作模式等，是微生物生态学分析的常用手段。
网络图的相关性计算（spearman相关）：
library(igraph)
library(psych)
library(Hmisc)
library(vegan)
library(dplyr)
library(vegan)
library(reshape2)
###网络图构建
otu=read.csv("otu_table.csv",row.names = 1) #读取otu丰度表格
occor=cor(t(otu))
occor.r = occor$r # 取相关性矩阵R值
occor.p = occor$P# 取相关性矩阵p值
occor.r[occor.p>0.05|abs(occor.r)<0.8] = 0 #根据R和P筛选相关性显著的otu
diag(occor.r) <- 0
occor.r[upper.tri(occor.r)] <- 0
df=melt(as.matrix(occor.r))
#构建gephi边文件
df$Var1=as.character(df$Var1) #转换为character
df$Var2=as.character(df$Var2)
df1=subset(df,!df$Var1==df$Var2) #删除自相关
colnames(df1)=c("Source", "Target", "Weight")
df1=subset(df1,!df1$Weight==0) #去除权重为0的边
write.csv(df1,"edge.csv",row.names = F) #导出边文件
df2=data.frame(id=unique(c(df1$Source,df1$Target)))
write.csv(df2,"node.csv",row.names = F) #输出节点文件
1 打开gephi，单机文件，选择导入数据，导入边文件和点文件；
图1
图2
2 点击下一步，完成即可；
图3
-
选择是否为有向/无向（微生物网络选择无向）
图4 -
点击完成，数据即可导入成功；
图5 -
选择布局；
图6 -
设置点的颜色大小，如下图：
图7
图8 -
点击预览刷新按钮，图形即可显示；
图9 -
设置节点边框颜色，设置字体标签，中文需要中文字体，英文需要英文字体；设置完成需要点击刷新；
图10 -
设置完成导出所需格式图片或pdf文件即可；
图11
