跟著ISME學畫圖:柱狀圖+熱圖組合展示微生物功能

2021-02-15 土壤微生物組

應用案例

Fig. 2 Impact of litter quality and long-term drought on microbialphysiology. a Mean relative abundance of transcripts at level 1 ofSubsystems classifification in grass and shrub litter communities underambient precipitation (n = 9–12). b Total number of genes annotatedwithin each level 1 category (c) Frequency of signifificant transcriptindicators (p < 0.05) in level 1 functional categories across litter typeunder ambient precipitation (n = 9–12). (Malik et al., 2020, ISME)


分析代碼

########## heatmap + barplot 

# heatmap

library(car)

library(pheatmap)

library(ggplot2)

##導入數據

aa<-read.csv("D://RF_analysis.csv") #關注後可後臺加微信獲取

#標準化

# N<-scale(t(se_phy))

## 設置空白顏色+展示數字

pheatmap(aa[1:15,1], fontsize_number=10,fontsize = 7,cluster_rows = FALSE, color=colorRampPalette(c("white", "gray98"))(500),

         cluster_cols = FALSE,fontface = "bold",border="white", display_numbers = T,number_format="%.0f")

## 設置黑白配色

pheatmap(aa[5:19,3:4], fontsize_number=10,fontsize = 7,cluster_rows = FALSE, color=colorRampPalette(c("white", "gray45"))(500),

         cluster_cols = FALSE,fontface = "bold",border="white", display_numbers = T,number_format="%.0f")

##綠色色系

pheatmap(aa[5:19,7:8], fontsize_number=10,fontsize = 7,cluster_rows = FALSE, color=colorRampPalette(c("white", "#9BCD9B"))(500),

         cluster_cols = FALSE,fontface = "bold",border="white",  display_numbers = T,number_format="%.0f")

# 黃色色系

pheatmap(aa[1:15,9:10], fontsize_number=10,fontsize = 7,cluster_rows = FALSE, color=colorRampPalette(c("white", "#DEB887"))(500),

         cluster_cols = FALSE,fontface = "bold", display_numbers = T,border="white",number_format="%.0f")

# barplot

library(randomForest)

library(ggplot2)

aa<-read.csv("D://RF_analysis.csv",row.names = 1)

aa<-as.data.frame(aa)

##隨機森林分析

set.seed(315)

bb= randomForest( aa$AP ~., data=aa, mtry=3,

                  importance=TRUE, na.action=na.omit)

df<-round(importance(bb), 2)

df<-as.data.frame(df)

df<-cbind(df,rownames(df))

##柱狀圖繪製

ggplot(df, aes(y=df$`rownames(df)`, x =df$`%IncMSE`)) + 

  geom_bar(stat = "identity", width = 0.6,position = "dodge",colour="black",fill="#DEB887",alpha=1) + 

  labs(y="", x="", title = "",size=9)+

  theme_bw() +

  theme(axis.text.x = element_text(size = 9, angle = 90, hjust = 1)) +

  theme(axis.text=element_text(colour='black',size=9))+

  theme(panel.grid.major = element_blank(),

        panel.grid.minor = element_blank(), 

        panel.border = element_blank(), 

        axis.ticks = element_blank())

分析結果

原文概覽

1 文章亮點:

  2020年初,Malik等在ISME上的文章「Defining trait-based microbial strategies with consequences for soil carbon cycling under climate change」提出了用微生物策略研究氣候變化下碳循環的思路,不同生活策略的代謝投資將影響土壤碳降解。而本研究通過宏轉錄組學方法和代謝組學方法,首次揭示了乾旱脅迫下微生物在細胞生長(Y-strategists)、資源獲取(A-strategists)和滲透維持(S-strategists)之間的權衡。作者指出,在乾旱條件下,微生物代謝更多的分配到溶質合成來維持細胞滲透平衡,關於細胞生長和植物殘體降解的代謝對應減少。微生物對資源獲取途徑的投資,會進一步限制了乾旱條件下微生物的生長。

2 摘要:

乾旱會對微生物造成一種環境壓力,已知乾旱會減少生態系統中的微生物活動和有機質分解。然而,我們對微生物分解者對乾旱脅迫的響應缺乏具體的認識。本研究利用宏轉錄組學和代謝組學研究了加州草地和灌木生態系統中植物凋落物原位微生物群落對長期乾旱的生理響應。我們假設,相對於細胞生長途徑,乾旱導致微生物代謝更多的分配到脅迫耐受性(stress tolerance)。在草地凋落物中,經過10年乾旱脅迫處理的群落具有明顯的微生物分類特徵和功能特徵。乾旱最明顯的生理特徵是產生溶質來維持細胞的滲透平衡,以及合成包膜和胞外聚合物作為保持水分的機制。結果表明,草地凋落物群落對乾旱具有明顯的功能響應,其生存分配(survival)比生長(growth)分配更大,可影響草地的植物殘體分解。相比之下,化學性質多樣性和複雜灌木凋落物群落對長期乾旱響應的生理差異較小,但對資源獲取性狀(resource acquisition)的投入較高,表明對乾旱的功能響應受底物質量(substrate quality)的制約。本研究首次揭示了植物凋落物微生物群落在抗旱性、資源獲取和生長性狀(growth traits)之間的權衡關係。

3 參考文獻:

Malik A A , Swenson T , Weihe C , et al. Drought and plant litter chemistry alter microbial gene expression and metabolite production[J]. The ISME Journal, 2020:1-12.

相關焦點

  • 微生物門類堆疊柱狀圖-衝擊圖-在R4.0更新版本
    寫在前面無論是堆疊柱狀圖,還是近年來會擴展的衝擊圖。基本都只能對門水平物種多樣性進行可視化。然而即使是門水平,也不一定是全部的樣本都適合使用堆疊柱狀圖可視化。尤其是土壤等複雜的微生物群落的環境,往往門水平的物種數量也在50個左右,或者有七八十個也是常見的。而堆疊柱狀圖一般可以展示的也就10個左右。過多無論是圖例,還是顏色,都無法進行很好的安排和調配。所以我們一般情況下展示的,都是主要的門類,也確實10個左右的門類基本代表了大部分的微生物。但在分析過程中卻存在較大問題。
  • 231.菌群物種組成堆疊柱狀圖、弦圖、詞雲
    所以樣本微生物群落的物種組成,通常在門、科和屬這幾個分類等級的豐度展示。文章中常見的微生物物種分布展示方式種類較多樣,使用頻率最多的是樣本或組的堆疊柱狀圖,來概述項目中門或屬等分類級中物種分類主體的種類和豐度組成。此外還有弦度、樹圖、詞雲,以及聚類+堆疊柱狀圖等展示方法。
  • Excel中如何製作組合圖表?——以柱狀圖折線圖組合為例
    在Excel中,有時候單一的圖表類型無法滿足數據的多元化展示,這時就要考慮多種圖表的組合,所以本文就以柱狀圖和折線圖的組合為例,介紹一下組合圖表的製作方法。在下圖中,以年份為橫坐標,營業收入用柱狀圖表示,利潤用折線圖表示。
  • 跟著Nature Methods學畫圖:R語言ggplot2畫氣泡圖(dotplot)展示基因表達量
    image.png今天的推文主要介紹其中的氣泡圖,明天的推文介紹如何向氣泡圖上疊加樹形圖按照論文提供的代碼得到了畫圖用到的數據,部分數據如下image.png但是用他提供的畫圖代碼沒有能夠畫出圖來。因為他用到了一個dot_plot()函數,沒有找到這個函數是怎麼來的。
  • 「花式」微生物群落堆疊圖,你見過幾種?
    堆疊圖之所以能在文章中擁有這麼高的曝光度,原因在於堆疊圖非常直觀、簡潔地展示樣本的群落物種組成組成信息。通常堆疊圖橫軸為各樣本名稱信息,縱軸為物種的相對豐度,每個樣本所有物種組成一個堆疊起來的柱子,柱子中通過顏色區分不同物種(如圖1)。例如在梯度處理或是不同時期的樣本展示中,我們就可以通過堆疊圖一目了然地展示優勢物種的變化情況或是某些病原微生物隨時間的豐度增長狀況。
  • MagicHand雲平臺|微生物高分文章必備分析LEfSe
    對於物種的LDA分析結果,可結合物種進化分支圖展示差異物種及其進化關係。在微生物多樣性分析結果中,會出現兩個圖,一張表(LDA值分布柱狀圖、進化分支圖及特徵表)。圖1 LDA值分布柱狀圖圖2 物種進化分支圖註:圖1為差異物種的LDA值分布圖,顏色代表對應分組,柱狀圖的長度代表差異物種的貢獻度大小(即為LDA Score),圖中展示了LDA Score大於設定值(默認設置為2)的條件下不同組間豐度有顯著差異的物種
  • 跟著Nature Genetics學畫圖~ggplot2畫折線圖並在指定區域添加灰色背景
    今天的筆記記錄的是論文中Figure2圖a的畫法,圖a展示的是啥內容我暫時還沒有看懂,如果從畫圖的角度來說就是一個簡單的折線圖,正好之前有人問到如何添加灰色背景。今天先記錄一下畫圖的內容image.png第一步模擬數據從上至下的第一個a<-seq(0,1.5,0.05)df1<-data.frame(x=1:60,y=sample(a,60,replace=T))畫圖
  • PICRUSt 2——更加強大的菌群功能預測工具
    這種功能分析方法成本低,只要有16s的測序數據就可以開展,不需要額外的數據進行補充。基於物種進行功能預測的原理(圖2),簡單說來就是將測序、歸類後得到的OTU信息輸入到預測軟體中,預測軟體將OTU序列信息與已測序的微生物基因組資料庫中物種進行比對,將OTU注釋為對應物種,並根據OTU的豐度輸出功能類型以及對應功能豐度。
  • 微生物群落多樣性測序與功能分析
    微生物群落測序是指對微生物群體進行高通量測序,通過分析測序序列的構成分析特定環境中微生物群體的構成情況或基因的組成以及功能。藉助不同環境下微生物群落的構成差異分析我們可以分析微生物與環境因素或宿主之間的關係,尋找標誌性菌群或特定功能的基因。
  • 「花式」微生物群落堆疊圖,你見過幾種?
    堆疊圖簡介在各類微生物群落研究文章中,堆疊圖可以說是一個圖形「常青樹」,頻繁出現在文章結果展示部分的開頭位置。堆疊圖之所以能在文章中擁有這麼高的曝光度,原因在於堆疊圖非常直觀、簡潔地展示樣本的群落物種組成組成信息。
  • 分享ggpubr 包:教你繪製密度圖、直方圖、柱狀圖
    今天我們要分享的R包是 ggpubr 包,它是一款基於ggplot2的可視化包,功能非常強大,能夠一行命令繪製出符合出版物要求的圖形。ggpubr 包可繪製的圖形類型非常多,有密度圖、直方圖、柱狀圖、餅圖、棒棒糖圖、Cleveland 點圖、箱線圖、小提琴圖、點帶圖、點圖、散點圖、線圖、誤差棒圖……哈哈,有木有很期待接下來這個 ggpubr 包的學習了呢!
  • PICRUSt 2——更加強大的菌群功能預測工具
    基於物種進行功能預測的原理(圖2),簡單說來就是將測序、歸類後得到的OTU信息輸入到預測軟體中,預測軟體將OTU序列信息與已測序的微生物基因組資料庫中物種進行比對,將OTU注釋為對應物種,並根據OTU的豐度輸出功能類型以及對應功能豐度。
  • 美格基因微生物多組學聯合文章刊登ISME!
    本文作者從已公開的COPD微生物組學數據中收集了1640份16S rRNA數據和26份宏基因組數據,採用了多組學meta分析方法鑑定其功能特徵並確定了其微生物屬水平分類單元的變化,隨後使用12個微生物屬建立了COPD全局分類器。
  • PICRUSt功能預測又被爆出新的問題啦!
    Fodor    doi: https://doi.org/10.1101/655746美國北卡羅納州 北卡羅納大學 生物信息學和基因組學系Abstract: Background Despite recent decreases
  • Python學習筆記:繪畫柱狀圖、誤差條形圖和餅狀圖
    1.柱狀圖#NumPy提供了許多高級的數值編程工具,如:矩陣數據類型、矢量處理,以及精密的運算庫。專為進行嚴格的數字處理而產生。#np、plt,均為簡化用法,方便下面的調用import numpy as npimport matplotlib.pyplot as plt#設置正態分布中的平均值和標準差mu=100sigma=15#隨機生成10000個正態分布公式的數值x=np.random.normal(mu,sigma,10000)#獲得當前的Axes對象axax=plt.gca()#繪製柱狀圖,顏色是黑色,bins表示柱狀圖的固定間隔
  • MPB:中科院微生物所蔡磊組-​基於擴增子數據的系統發育樹的構建和展示
    北京;4植物基因組學國家重點實驗室,中國科學院遺傳與發育生物學研究所*通訊作者郵箱: cail@im.ac.cn摘要:隨著高通量測序技術的發展,基於擴增子和宏基因組測序的微生物組學研究技術已經成為研究土壤、動植物及海洋等環境微生物多樣性及功能的主要手段。
  • 「網紅柱狀圖」的前世今生
    這種 「網紅柱狀圖」 有很多不同名字,我們綜合各種來源,並結合它本身的特點,認為可以叫做 「動態排名條形圖」。在因為柱子之間排名的變化看起來很像一場競賽,所以英文社區喜歡叫它稱作 「Bar Chart Racing」 (柱狀圖賽馬)。
  • python學習筆記:同時畫多圖,折線圖,箱線圖,條形圖,柱狀圖等
    1.同時畫六張圖#從Matplotlib中導入了pyplot繪圖模塊from matplotlib.pyplot import *#設置相關的數值x=[1,2,3,4]y=[5,4,3,2]#創建一個圖紙(figure)figure()#使用subplot創建多個子圖,下面的subplot(2,3,1)表示創建一個包含2行3列圖表的圖紙,1表示第一張圖subplot
  • Nature子刊:微生物系統的功能與功能冗餘
    隨後對不同人類宿主腸道微生物群落的比較表明,不同宿主之間微生物群落的分類組成差異很大,而它們的群落基因含量卻高度保守(變化不大)。同樣,在一項對大型藻類澳洲石蓴(Ulva australis)的細菌群落調查中,群落構建似乎是基於功能基因而不是物種進行的。這些發現表明,不同的微生物組合表現出由環境選擇的相似的群落基因組成譜。