精华内容
下载资源
问答
  • R 语言非度量多维标度分析
    2022-01-31 12:44:20

      非度量多维标度分析(Non-metricMultidimensional Scaling,NMDS),是主坐标分析(PCoA)的一种替代方法,NMDS分析是对已设定的排序轴进行排序,其算法并非最大限度地保证排序对象的原始距离关系,而是反映这些对象之间的顺序关系。这句话听不懂没关系,我的理解是:如果要检测不同取样地微生物某一分类水平下或原始OTU数据分布是否相似,那么就可以进行NMDS分析

       先上两个例子:

     上图中,NMDS分析了不同土层中撒石灰、肥料以及不施肥中3个土层的细菌群落差异分析。原文中,作者对NMDS分析的结论是:The NMDS analysis based on the UniFrac distance matrix showed that the soil bacterial community structure was different between the fertilization plus liming (NPKS-L) and the other treatments in the 0–10 cm soil layer (Fig. 3a), as there was a significant interaction between fertilization and liming on bacterial community structure  (P=0.003); that relationship disappeared in the deeper soil layers.ÿ

    更多相关内容
  • 基于非度量多维标度的物联网大数据高效索引方法研究
  • 基于非度量多维标度的物联网大数据高效索引方法研究.pdf
  • 非度量多维尺度分析

    千次阅读 2021-01-12 19:51:48
    导读非度量多维尺度分析(nonmetric multidimensional scaling, NMDS),是一种简介的梯度分析方法,也是基于距离或者相异性矩阵。与其它主要用于最大化变异和一致性的方法不一样,NMDS是一种排序方法。这对于距离缺失...

    导读

    非度量多维尺度分析(nonmetric multidimensional scaling, NMDS),是一种简介的梯度分析方法,也是基于距离或者相异性矩阵。与其它主要用于最大化变异和一致性的方法不一样,NMDS是一种排序方法。这对于距离缺失的数据有优势,只要先办法确定对象之间的位置关系,便可以进行NMDS分析。NMDS的计算过程会以代码的形式贴在下方,供大家参考

    数据格式

    NMDS与PCoA一样,NMDS可以基于任何类型距离、相异性矩阵对象(样方)进行排序。当然也可以是原始数据矩阵。这里我用的是weighted unifrac距离矩阵数据

    图1 weighted 距离矩阵

    分析代码

    NMDS排序分析可以通过生态学分析R包vegan中的metaMDS()函数实现。因为输入metaNMDS()的数据可以是原始数据矩阵,也可以是距离矩阵,这里拿上面列举的数据做示范。

    运行NMDS分析

    rm(list = ls())

    path

    setwd(path)

    library(vegan) ## 加载包

    weight_dm

    sep = "\t",check.names = F) ## 加载weighted距离矩阵数据

    meta_info

    #group

    set.seed(1234) ## 设置随机种子,以便结果可以重复

    weight_nmds

    weight_nmds$stress # 压力值,一般小于0.1比较好,但是也要根据所选择的的主成分数目来看

    图2 strees的scree图,stress随着主成分数的增加而减少

    图片来源GUSTA ME[2]

    作图

    tiff("NMDS.tiff",width=1000,height=1000)

    p

    cex=1.5, font=1, pch=5) ##NMDS作图###

    legend('topleft', legend=levels(meta_info$group), col=c("purple","green","blue","red"),pch=5,cex=1.5,box.lty =1)###NMDS添加Legend###

    with(weight_nmds,ordiellipse(weight_nmds, meta_info$group,display = "sites", kind = "se", conf = 0.95, lwd=2,cex=0.8,lty=1,col=c("purple","green","blue","red"),font=2,label = FALSE))

    #dev.off()

    #env

    #head(env)

    #ef1

    #p

    #ef1

    dev.off()

    图3 常规方法作图

    site.scores

    site.scores

    head(site.scores)

    library("FactoMineR")

    library("factoextra")

    p

    geom_point(aes(shape=group,color=group,fill=group),size=3)

    p

    p

    panel.grid.minor = element_blank(),

    legend.position="top",

    axis.title.x = element_text(size = 16),

    axis.text.x = element_text(angle=0,color="black",vjust = 0.95,hjust = 0.95,size=12),

    axis.title.y = element_text(size=16),

    axis.text.y = element_text(size=14,color="black"),

    strip.text.x = element_text(size=18),

    legend.text = element_text(size=14),

    legend.title = element_text(size=16))

    p

    p

    ggsave("NMDS.tiff", height=8, width=8, units="in")

    图4 ggplot2作图

    参考

    展开全文
  • NMDS分析,网络上已近有很多相关教程分享其原理,与其他排序(PCA、PCoA、CCA、RDA) 方法的不同之处,简单来讲NMDS也是一种使用物种组成数据的排序称作限制性排序;NMDS基于距离算法,优于PCA、PCoA、CCA、RDA的...

    摘要:beta多样性分析网络上已经有很多,大部分出图都是基于R的基础包,很难看,而且很多图形不够完善,没有做方差分析,更没有将其直接输到图上,本文主要做NMDS分析并做一张完善的高质量图片,提取stress值,推荐适合NMDS结果的差异分析并通过命令展示在图形上,最后加上置信区间椭圆。

    NMDS分析,网络上已近有很多相关教程分享其原理,与其他排序(PCA、PCoA、CCA、RDA)

    方法的不同之处,简单来讲NMDS也是一种使用物种组成数据的排序称作非限制性排序;NMDS基于距离算法,优于PCA、PCoA、CCA、RDA的地方在于当样本或者物种数量过多的时候使用NMDS会更加准确;

    基于R语言,开始作图:安装package,两个重要的包

    install.packages("vegan")#微生态常用包,一定安装上

    install.packages("ggplot2")

    调用package

    library("vegan")

    #设定工作路径

    setwd("E:/马兄作图")

    #读取数据,一份otu.table文件和一份分组信息文件

    design

    otu=read.table("16s_otu_tablejidai.txt",row.names=1, header=T,sep="\t")

    #如果数据调整为列名是OTU,行名是样本名

    otu=t(otu)

    #查看一下

    head(otu)

    #标准化,当然method有很多,可以跟换?decostand查看其它method

    vare.hel

    #计算矩阵

    vare.dis

    #使用NMDS的方法

    vare.mds

    到此分析过程就算完成了,使用基础包plot()作图当然已不是我们最佳的选择了,图形很基础,我就不展示了,下面基于ggplot做一张完善的图#首先提取前两轴坐标

    point = scores(vare.mds)

    #将分组文件和得分文件合并

    index = merge(design, point,by="row.names",all=F)

    计算Stress值

    Stress值是反映模型合适程度的指标,NMDS会多次打乱数据计算Stress值,知道找到最合适的模型,也就是最低的Stress值;理想状况下,Stress值为0,一般Stress值低于0.1较为合理(本数据这个值偏高一些)

    vare.mds

    结果输出中寻找下面stress结果:

    #显着性检验;anosim本质是基于排名的算法更加适合NMDSanosim.result

    summary(anosim.result)

    结果输出,得到下面这两个值:

    #tiff输出图形,适合大部分出版刊物,入门级别分辩率300,18*14的长宽;

    tiff(file="beta_bray_NMDS.tif", res = 300, compression ="none", width=180,height=140,units= "mm")

    #开始出图,将上面得到的三个指标在图中更换stress,R,p,不多说,代码如下:

    library("ggplot2")

    p = ggplot(index, aes(x=NMDS1, y=NMDS2, color=SampleType)) +

    geom_point(alpha=.7, size=2) +

    labs(x=paste("NMDS1"),

    y=paste("NMDS1"),

    title="")#置信区间当然要加上,有三种方式,线条类型也可以更改

    p+stat_ellipse(type = "t", linetype = 2)+

    annotate("text",x=-1.07,y=-1,parse=TRUE,size=4,label=""R:"*0.7031",family="serif",fontface="italic",colour="darkred")+

    annotate("text",x=-1.1,y=-0.9,parse=TRUE,size=4,label=""p:"*0.001",family="serif",fontface="italic",colour="darkred")+

    annotate("text",x=-1,y=-0.78,parse=TRUE,size=4,label=""Stress:"*0.1208",family="serif",fontface="italic",colour="darkred")dev.off()

    成图展示:

    当然这还达不到对于拥有轻微强迫症的我对于图行要求:

    请看下一篇文章

    展开全文
  • 用R语言做非度量多维尺度分析(NMDS)2018-11-24原创 2017-03-10 OmicShare.com 基迪奥生物 基迪奥生物微信号 gene-denovo功能介绍 广州基迪奥生物官方公众平台,小圆每天分享各种生信软件使用技巧, 搜罗好玩的科研...

    用R语言做非度量多维尺度分析(NMDS)

    2018-11-24

    原创 2017-03-10 OmicShare.com 基迪奥生物 基迪奥生物

    微信号 gene-denovo

    功能介绍 广州基迪奥生物官方公众平台,小圆每天分享各种生信软件使用技巧, 搜罗好玩的科研生活,定期还有掉节操的生物界八卦分享,让科研变得有意思咯~

    NMDS(Non-metric Multidimensional scaling)简单来讲就是降维,比如你有20个样本,首先要计算样本与样本间的距离。在微生物分析过程中,这个距离的选择有很多种。

    比如有:manhattan、euclidean、canberra、bray、kulczynski、jaccard、gower、altGower、morisita、horn、mountford、raup、binomial、chao、cao、mahalanobis。默认是bray。常用的其实还有jaccard。

    非度量多维尺度法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。适用于无法获得研究对象间精确的相似性或相异性数据,仅能得到他们之间等级关系数据的情形。其基本特征是将对象间的相似性或相异性数据看成点间距离的单调函数,在保持原始数据次序关系的基础上,用新的相同次序的数据列替换原始数据进行度量型多维尺度分析。

    换句话说,当资料不适合直接进行变量型多维尺度分析时,对其进行变量变换,再采用变量型多维尺度分析,对原始资料而言,就称之为非度量型多维尺度分析。其特点是根据样品中包含的物种信息,以点的形式反映在多维空间上,而对不同样品间的差异程度,则是通过点与点间的距离体现的,最终获得样品的空间定位点图。

    用R语言实现非度量型多维尺度分析的过程如下:

    library(vegan)

    data(varespec)

    data(varechem)

    ## The variables are automatically scaled

    rankindex(varechem, varespec)

    euc    man      gow     bra      kul

    0.2396330 0.2735087 0.2288358 0.2837910 0.2839834

    #结果显示kul最优,但是其实bra指数也挺好。

    > vare.dis

    [1] 0.1117280 0.9539592

    > require(MASS)

    #载入需要的程辑包:MASS

    > vare.mds0

    initial  value 18.026495

    iter   5 value 10.095483

    final  value 10.020469

    converged

    > ordiplot(vare.mds0, type = "t")

    Warning message:

    In ordiplot(vare.mds0, type = "t") : Species scores not available

    > stressplot(vare.mds0, vare.dis)

    vare.mds

    vare.mds

    plot(vare.mds, type = "t")

    参考文献:

    【1】A microbita signature associated with experimental food allergy promotes allergic senitization and anaphylaxis. The Journal of Allergy and Clinical Immunology.Volume 131, Issue 1 , Pages 201-212, January 2013.

    阅读

    精选留言

    该文章作者已设置需关注才可以留言

    该文章作者已设置需关注才可以留言

    加载中

    以上留言由公众号筛选后显示

    了解留言功能详情

    微信扫一扫

    关注该公众号

    免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。

    http://www.pinlue.com/style/images/nopic.gif

    展开全文
  • NMDS分析: 非度量多维尺度分析(Non-metric multidimensional scaling,NMDS)是一种将多维空间的研究对象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。一般用组间样本的秩次(数据...
  • 2.1 度量多维度标度变换(Non-metric Multidimensionalscaling)可以用vegan里的 monoMDS函数执行非度量多维标度变换,它需要把差异(dissimilarities)作为输入量。差异用vegan里的vegdist函数求取。默认值是Bray-...
  • 多维排列 (Multidimensional scaling,MDS)是可视化多变量样品(如多个物种丰度、多个基因表达)相似性水平的一种方法。其基于距离矩阵进行一系列的排序分析。经典的MD...
  • R语言 3.14 多维标度法MDS

    千次阅读 2020-03-14 12:46:01
    多维标度法是利用客体间的相似性数据去揭示它们之间的空间关系的统计分析方法。 种类 1.度量化模型 若模型所需要的相似性数据是用距离尺度或比率尺度测得的 2.度量化模型 若模型需要顺序量表水平的相似数据,就...
  • 第12章 多维标度法MDS及R使用- -多元统计分析及R语言建模12 多维标度法MDS及R使用多元统计分析及R语言建模第12章 多维标度法MDS及R使用主要内容 多维标度法的基本理论方法 多维标度的古典解和非度量方法 R语言程序中...
  • 多维标度法(Multidimensional Scaling)是一种在低维空间展示“距离”数据结构的多元数据分析技术,简称MDS。多维标度法解决的问题是:当n个对象(object)中各对对象之间的相似性(或距离)给定时,确定这些对象在低维...
  • 多维标度分析

    万次阅读 2015-01-11 21:03:42
    多维标度法(Multidimensional Scaling)是一种多维标度法是一类多元统计分析方法的总称,包含各种各样的模型和手段,其目的是通过各种途径把高维的研究对象转化成低维情形进行定位、分析和归类,同时又保留对象间的...
  • 多维标度

    千次阅读 2019-05-26 21:41:35
    定义:多维标度法是利用客体间的相似性数据去揭示他们之间的空间关系的统计分析方法 种类: 度量化模型:若模型所需要的相似性数据是用距离尺度或比率尺度测得的 度量化模型:若模型需要顺序量表...
  • 在R语言中使用MDS(多维标度法)

    千次阅读 2020-12-23 06:05:54
    多维标度法(Multidimensional Scaling),是一种维数缩减方法,把高维的数据点映射到一个低维的流形上;同时也是一种可视化方法,实践中通常利用2D或3D的MDS 结果观察(投影后)点的分布和聚集来研究数据的性质。简单来...
  • 10种不同可乐软包装饮料的品牌的多维标度 数据预处理 数据是下三角型数据,其中0表示完全相似,100表示完全不相似。 二、选中分析-度量-多维刻度 再在选项中勾中组图。 结果分析 古典解的迭代过程和有关...
  • 多维标度变换(multidimensional scaling,MDS)就是处理这类问题的一套方法。MDS并不需要原始数据,仅需要提供成对距离或相异度量构成的矩阵。 例1 随机产生四维空间中的10个点,得到它们之间的欧式距离矩阵,然后...
  • 从这种意义上来讲,主成分分析也是多维标度分析的一个特例。   一、距离的度量   多元分析中常用有以下几种距离,即绝对值距离、欧氏距离 (euclidean) 、马氏距离 (manhattan) 、 两项距离 (binary) 、明氏距离 ...
  • 而我们的分析目的也是想查看这些对象间的差异性或相似性情况,此时由于数据的组成形式不一样,因此不能使用对应分析,而需要使用一种专门分析此问题的方法——多维尺度分析(MDS模型)。多维尺度分析和对应分析类似,...
  • 戈德 马库斯·W·贝克, 一个使用 ggplot2 创建排序图的简单包。... 大多数方法适用于主成分分析的结果,但也可使用非度量多维标度、多重对应分析、对应分析和线性判别分析的方法。 可用的方法如下: #
  • 使用非度量多维标度(NMDS)和指示物种类分析(ISA)在沿海红木(Sequoia sempervirens)森林中检查了这样的一种指示物,即林下物种的丰富度。 采用随机分布的10 m直径的圆形图来记录以下三种处理中所有林下物种的...
  • 分析了在污水处理前后从天然和人工底物中采集的场地中进行的调查,并进行了非度量多维标度(NMDS),相似度百分比分析(SIMPER)和单向相似度分析(ANOSIM)以评估变化在社区结构中。 使用基于距离的多元线性回归...
  • 多维尺度变换(multidimensional scaling, MDS)

    万次阅读 多人点赞 2017-04-16 12:08:09
    多维尺度变换(multidimensional scaling, MDS)是在低维空间去展示高维多元数据的一种可视化方法。该方法看起来类似于利用主成分得分作图,或者对两个线性判别量的得分作图。与上述方法不同的是,多维尺度变换的基本...
  • SPSS(十四)SPSS之多维尺度分析(图文+数据集)

    万次阅读 多人点赞 2019-06-07 16:32:32
    多维尺度(Multidimensional scaling,缩写MDS,又译“多维标度”)也称作“相似度结构分析”(Similarity structure analysis),属于多重变量分析的方法之一,是社会学、数量心理学、市场营销等统计实证分析的常用...
  • 多维尺度分析MDS详解

    千次阅读 2021-04-16 21:23:31
    n)的n个点去重新标度高维空间Rn 的n个实体间的距离或者相似度。将高维空间的n个研究对象简化到低维空间处理,并且保留高维空间中n个对象较高的相似度。 MDS是主要分为两类:度量化多维尺度分析(经典

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 422
精华内容 168
关键字:

非度量多维标度