R语言|绘制NMDS图

非度量多维标度（NMDS）分析

非度量多维标度（Non-metric Multidimensional Scaling，NMDS）是一种将多维空间的研究对象（样本或变量）简化到低维空间进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法。

与PCoA相似，NMDS都使用样本相似性距离矩阵进行降维排序分析，但NMDS侧重反映距离矩阵中数值的排序关系，NMDS图形常用作微生物群落研究的β分析。

来看看R的vegan包和ggplot2包是如何绘制NMDS图的。

使用数据文件如下：
①otu_table.txt

image.png

②group.txt

image.png

方法如下：
1.调用vegan包metaMDS()函数执行NMDS，读取数据；

library(vegan)

##第 1 种模式，输入距离矩阵排序
  #读取 OTU 丰度表
  otu <- read.delim("otu_table.txt", row.names = 1, sep = '\t', stringsAsFactors = FALSE, check.names = FALSE)
  otu <- data.frame(t(otu))

2.根据物种组成计算样方距离，如 Bray-curtis 距离；

  详情 ?vegdist
  bray_dis <- vegdist(otu, method = 'bray') #结果以 dist 数据类型存储

3.NMDS 排序，定义 2 个维度；

  #NMDS 排序，定义 2 个维度，详情 ?metaMDS
  nmds_dis <- metaMDS(bray_dis, k = 2)

image.png

4.提取应力函数值、样方得分，查看主要结果；

  #应力函数值，一般不大于 0.2 为合理
  nmds_dis$stress
  #样方得分
  nmds_dis_site <- data.frame(nmds_dis$points)
  #write.table(nmds_dis_site, 'nmds_dis_site.txt', sep = '\t', col.names = NA, quote = FALSE)

image.png

5.物种变量可通过丰度加权平方被动添加至排序图中；

  详情 ?wascores
  nmds_dis_species <- wascores(nmds_dis$points, otu)

6.使用ggplot2包作图。

library(ggplot2)
  
  #主要展示 top10 丰度物种
  abundance <- apply(otu, 2, sum)
  abundance_top10 <- names(abundance[order(abundance, decreasing = TRUE)][1:10])
  species_top10 <- data.frame(nmds_dis_species[abundance_top10,1:2])
  species_top10$name <- rownames(species_top10)
  
  
  #添加分组信息 上传分组文件
  
  nmds_dis_site$name <- rownames(nmds_dis_site)
  map<-read.table("group.txt",header=T,sep="\t",row.names=1)
  #nmds_dis_site$group <- map$group
  merged=merge(nmds_dis_site,map,by="row.names",all.x=TRUE)
  color=c( "#3C5488B2","#00A087B2", 
           "#F39B7FB2","#91D1C2B2", 
           "#8491B4B2", "#DC0000B2", 
           "#7E6148B2","yellow", 
           "darkolivegreen1", "lightskyblue", 
           "darkgreen", "deeppink", "khaki2", 
           "firebrick", "brown1", "darkorange1", 
           "cyan1", "royalblue4", "darksalmon", 
           "darkgoldenrod1", "darkseagreen", "darkorchid")
  #grid.col[row.names(data)] = color[1:dim(data)[1]]
    
    p <- ggplot(data = merged, aes(MDS1, MDS2)) +
      geom_point(size=2,aes(color =  group,shape = group)) +
      stat_ellipse(aes(fill = group), geom = 'polygon', level = 0.95, alpha = 0.1, show.legend = FALSE) +   #添加置信椭圆，注意不是聚类
      scale_color_manual(values =color[1:length(unique(map$group))]) +
      scale_fill_manual(values = color[1:length(unique(map$group))]) +
      theme(panel.grid.major = element_line(color = 'gray', size = 0.2), panel.background = element_rect(color = 'black', fill = 'transparent'), 
            plot.title = element_text(hjust = 0.5),legend.title = element_blank()) +
      #, legend.position = 'none'
      geom_vline(xintercept = 0, color = 'gray', size = 0.5) +
      geom_hline(yintercept = 0, color = 'gray', size = 0.5)+
      geom_text(data = species_top10, aes(label = name), color ="royalblue4", size = 4)+
      geom_text(data =merged, aes(label = Row.names,x =MDS1, y = MDS2), size=4, check_overlap = TRUE)
    

  #geom_text(data = species_top10, aes(label = name), color = 'blue', size = textsize)
  
  p

image.png