照例，先放一张成品图
先用R分析
# 安装需要的包，默认不安装，没安装过的请取消如下注释
install.packages("igraph")
install.packages("psych")
install.packages("Hmisc")
# 加载包
library(igraph)
library(psych)
library(Hmisc)
1.数据导入与过滤
setwd("D:\\R_base\\Rstudio_workfile\\Co_occurrence\\3_genderage")
getwd()
#读入OTU绝对丰度表；
otu=read.delim("otu_table_total.txt" ,header=T,row.names = 1,sep = "\t")
#转成矩阵，之后的相关性计算需要矩阵对象；
otu<-as.matrix(otu)
dim(otu)
head(otu)
#将丰度值大于1的值替换为1，便于计算不同otu的检测率；
dt<-otu
dt[dt>1]<-1
#将样本发现率低于20%的otu过滤掉；
no<-which(rowSums(dt)/ncol(dt)>0.2)
length(no)
otu<-otu[no,]
2.相关性系数计算
#计算相关性系数；
sp.cor<-rcorr(t(otu),type="spearman")
#提取r、p值矩阵；
r.cor<-sp.cor$r
p.cor<-sp.cor$P
#使用Benjamini-Hochberg("FDR-BH")法进行多重检验校正；
p.adj <- p.adjust(p.cor, method="BH")
#指定阈值；
r.cutoff=0.6
p.cutoff=0.001
#在只考虑“正相关”情况下；
r.matrix<-r.cor
p<-p.adj
#将矩阵中不符合条件的r值替换为0；
r.matrix[which(r.cor <= r.cutoff)]=0
r.matrix[which(p.adj>p.cutoff)]=0
#删掉相关系数矩阵数据全都为0（对角线处的1不计）的行和列；
r.matrix<-r.matrix[which(rowSums(r.matrix)!=1),]
r.matrix<-r.matrix[,which(colSums(r.matrix)!=0)]
#查看过滤后的矩阵；
dim(r.matrix)
r.matrix[1:7,1:7]
3.生成网络图
#使用邻接矩阵（即相关系数矩阵）创建网络；
g1<-graph.adjacency(r.matrix,weight=T,mode="undirected")
#去掉冗余的边（multiple edges、loop edges）；
g1<-simplify(g1)
#生成网络图的结点标签（OTU id）和degree属性；
V(g1)$label <- V(g1)$name
V(g1)$degree <- degree(g1)
#查看网络图的对象结构;
print(g1)
#第一行：‘U’ 表示 undirected ，相反， ‘D’ 表示 directed 网络图；‘N’ 表示网络图
#具有name属性；‘W’表示weighted graphs；接下来的‘-’表示type属性不存在；接下来是
#网络共有240个结点和1068条边。
4. 导出graph对象
#将网络图导出为"graphml"、"gml"格式，方便导入Gephi中使用；
write_graph(g1, "g1_total.graphml", format = "graphml")
write_graph(g1, "g1.gml", format = "gml")
#支持的格式有"edgelist", "pajek", "ncol", "lgl","graphml", "dimacs", "gml", "dot", "leda"), ...
5.使用igraph绘制网格图
#计算群体结构（short random walks）；
c <- cluster_walktrap(g1)
#使用默认颜色列表；
V(g1)$color <- c$membership+1
#绘制网络图；
layout <- layout.fruchterman.reingold
#也可以尝试其他的Layout;
layout <- layout_as_tree
layout <- layout_nicely
layout <- layout_on_sphere
#……
#绘制网络图；
plot.igraph(g1,vertex.size=4,
vertex.label=NA,
edge.curved=T,
edge.size=1.5,
layout = layout.fruchterman.reingold)
#默认的结点大小为15，这里改为4，默认边的粗细为1，这里改为1.5；edge.curved若改为TURE,可实现类似文章开头那样的效果。
##数据格式OTU特征表
