本节主要是在PhyloseqTutorials学习Powerful tree graphics with ggplot2的功能
这个页面演示了通过plot_tree函数在phyloseq包中创建的系统发生树的示例，而该函数又使用了强大的图形包ggplot2。
Load the package and datasets
library("phyloseq")
data("esophagus")
data("GlobalPatterns")
library("ggplot2"); packageVersion("ggplot2")
Example
我们希望绘制树，有时甚至是引导值，但请注意，GlobalPatterns数据集中的节点标签实际上有点奇怪。它们看起来可能是引导值，但它们有时有两个小数
#phy_tree()从对象中检索系统发育树
head(phy_tree(GlobalPatterns)$node.label, 10)
#可以系统地去掉第二个小数，但为什么不直接取前4个字符呢?提取前四个字符，substr(x, start, stop)
phy_tree(GlobalPatterns)$node.label = substr(phy_tree(GlobalPatterns)$node.label, 1, 4)
#现在我们对节点标签更满意了，至少看起来像引导值，我们可以继续使用这些标签以及其他关于映射到树图的数据的信息，`GlobalPatterns`数据集有许多otu，超出了我们想要在树图上显示的范围
#查看otu数量
ntaxa(GlobalPatterns)
#因此，让我们任意地修剪到GlobalPatterns中的前50个otu，并将其存储为physeq，这也是phyloseq包中函数的大多数主要数据参数的名称
physeq = prune_taxa(taxa_names(GlobalPatterns)[1:50], GlobalPatterns)
#默认绘制进化树
plot_tree(physeq)
#绘制进化树，未标注OTU信息
plot_tree(physeq, "treeonly")
#绘制进化树，去除节点标签
plot_tree(physeq, "treeonly", nodeplotblank)
#我们可以使用ladderize参数调整分支的旋转方式，使其看起来更好
plot_tree(physeq, "treeonly",nodeplotblank,ladderize="left")
#在每个分支旁边添加OTU标签，label.tips的应用
plot_tree(physeq, nodelabf=nodeplotblank, label.tips="taxa_names", ladderize="left")
# `sampledoge`如果观察到来自该分类单元的个体，则选项的结果是在进化树旁边绘制点，并为每个样本绘制一个单独的点，anythingelse是不绘制点
plot_tree(physeq, "anythingelse")
Mapping Variables in Data
Color
在复杂的树形图形中，色彩是最有用的美学之一。颜色可以映射到分类等级或样本协变量。例如，我们可以将颜色映射到收集的样本类型(环境位置)
plot_tree(physeq, nodelabf=nodeplotboot(), ladderize="left", color="SampleType")
#按照分类等级进行着色
plot_tree(physeq, nodelabf=nodeplotboot(), ladderize="left", color="Class")
Shape
按照不同的颜色进行样品的区分，按照不同的形状区分不同的类
plot_tree(physeq, nodelabf=nodeplotboot(), ladderize="left", color="SampleType", shape="Class")
Node labels
标记节点最常见的原因之一是向树节点添加置信度度量(通常是 bootstrap value)下面的图形显示了实现此目的的不同方法(如果在树中出现，则默认添加标签)
#the default
plot_tree(physeq,color="SampleType",ladderize="left")
#Special bootstrap label
plot_tree(physeq, nodelabf=nodeplotboot(), color="SampleType", ladderize="left")
# Special bootstrap label with alternative thresholds,nodeplotboot()阈值的选择
plot_tree(physeq, nodelabf=nodeplotboot(80,0,3), color="SampleType", ladderize="left")
Tip labels
- label.tips -
label.tips参数控制的树的分支标记。默认为NULL.表示不会打印任何提示标签.如果taxa_names是一个特殊的参数，导致OTU名称(尝试taxa_names函数)被标记在叶子旁边或标记叶子的点集旁边。或者，如果您的数据对象包含一个tax_table，那么可以提供其中一个秩名(来自rank_names(physeq))，并在该秩处标记每个OTU的分类. - text.size -一个正的数值参数，指示用于分类单元标签的ggplot2大小参数.如果left为NULL.该函数将根据树本身(对于垂直树)的大小约束自动计算(希望如此)最佳文本大小,这个参数主要是为了防止自动计算的大小是错误的，而您想要更改它。注意，这个参数只有在标签时才有意义
plot_tree(physeq, nodelabf=nodeplotboot(80,0,3), color="SampleType", label.tips="taxa_names", ladderize="left")
Radial Tree
使用ggplot2很容易生成径向树，只需识别出我们的垂直方向树是数据到图形的笛卡尔坐标映射—而放射状树是相同的映射，只是使用了极坐标
data(esophagus)
plot_tree(esophagus, color="Sample", ladderize="left") + coord_polar(theta="y")
GlobalPatterns数据集有我们可以映射的额外数据，因此我们将重新进行一些初步的数据加载/调整，以使这个径向树示例自我包含，然后显示与上面相同的图
plot_tree(physeq, nodelabf=nodeplotboot(60,60,3), color="SampleType", shape="Class", ladderize="left") + coord_polar(theta="y")
The esophagus dataset
#当我们想看到不同的大小的点代表不同的丰度时我们可以利用以下代码
plot_tree(esophagus, size="abundance")
#尖端有一些重叠。我们来调整一下基本间距，让树的末梢它们稍微散开一点，利用base.spacing函数默认值是0.02
plot_tree(esophagus, size="abundance", color="samples", base.spacing=0.03)
#现在如果我们想要显示一个给定样本中发生超过3次的OTU丰度的具体数值呢?为此，`plot_tree`包含`min.abundance`参数，默认设置为`Inf`，以防止写入任何点标签
plot_tree(esophagus, size="abundance", color="samples", base.spacing=0.03, min.abundance=3)
More Examples with the Global Patterns dataset
提取分类单元中的古菌进行分析用subset_taxa()函数
#Kingdom=="Archaea"必须用==
gpa <- subset_taxa(GlobalPatterns,Kingdom=="Archaea")
ntaxa(gpa)
ntaxa(GlobalPatterns)
#一些模式可以通过最小的参数选择立即识别出来
plot_tree(gpa, color="SampleType")
plot_tree(gpa, color="Phylum")
plot_tree(gpa, color="SampleType", shape="Phylum")
plot_tree(gpa, color="Phylum", label.tips="Genus")
#然而，文本标签的大小与分类单元的数目成比例，并且使用常见的图形-设备大小/分辨率，这些~200个分类单元仍然构成一个有点拥挤的图形，让我们进一步细分到Crenarchaeota菌
gpac <- subset_taxa(gpa, Phylum=="Crenarchaeota")
plot_tree(gpac, color="SampleType", shape="Genus")
plot_tree(gpac, color="SampleType", label.tips="Genus")
#让我们补充更多的信息。注意，当我们将物种丰富度映射到点大小时，默认的间距变得有点拥挤，plot.margin为向右边添加多少右填充
plot_tree(gpac, color="SampleType", shape="Genus", size="abundance", plot.margin=0.4)
plot_tree(gpac, color="SampleType", label.tips="Genus")
Chlamydiae-only tree
GP.chl <- subset_taxa(GlobalPatterns, Phylum=="Chlamydiae")
plot_tree(GP.chl, color="SampleType", shape="Family", label.tips="Genus", size="abundance", plot.margin=0.6)