Nantes Université
Skip to content
GitLab
Explorer
Connexion
S'inscrire
Navigation principale
Rechercher ou aller à…
Projet
M
MICMALZ
Gestion
Activité
Membres
Labels
Programmation
Tickets
Tableaux des tickets
Jalons
Wiki
Code
Requêtes de fusion
Dépôt
Branches
Validations
Étiquettes
Graphe du dépôt
Comparer les révisions
Extraits de code
Compilation
Pipelines
Jobs
Planifications de pipeline
Artéfacts
Déploiement
Releases
Registre de paquets
Registre de conteneur
Registre de modèles
Opération
Environnements
Modules Terraform
Surveillance
Incidents
Service d'assistance
Analyse
Données d'analyse des chaînes de valeur
Analyse des contributeurs
Données d'analyse CI/CD
Données d'analyse du dépôt
Expériences du modèle
Aide
Aide
Support
Documentation de GitLab
Comparer les forfaits GitLab
Forum de la communauté
Contribuer à GitLab
Donner votre avis
Raccourcis clavier
?
Extraits de code
Groupes
Projets
Afficher davantage de fils d'Ariane
Fanny DEMANGE
MICMALZ
Validations
873d0641
Valider
873d0641
rédigé
il y a 2 ans
par
Fanny DEMANGE
Parcourir les fichiers
Options
Téléchargements
Correctifs
Plain Diff
Upload New File
parent
9c60c5f3
Aucune branche associée trouvée
Aucune étiquette associée trouvée
Aucune requête de fusion associée trouvée
Modifications
1
Masquer les modifications d'espaces
En ligne
Côte à côte
Affichage de
1 fichier modifié
ANALYSES_DONNEES_METABOLOMIQUES_NON_CIBLEE/FMT4_TG_EnrichAnalyse_KEGG_MetaboNonCiblee_HILIC_copie.Rmd
+221
-0
221 ajouts, 0 suppression
...MT4_TG_EnrichAnalyse_KEGG_MetaboNonCiblee_HILIC_copie.Rmd
avec
221 ajouts
et
0 suppression
ANALYSES_DONNEES_METABOLOMIQUES_NON_CIBLEE/FMT4_TG_EnrichAnalyse_KEGG_MetaboNonCiblee_HILIC_copie.Rmd
0 → 100644
+
221
−
0
Voir le fichier @
873d0641
---
title: "FMT4 TG NEG KEGG MNC"
author: "Fanny Demange"
date: "2023-05-13"
output: html_document
---
```{r setup, include=FALSE}
library(phyloseq)
data_metabo_NC_TG_NEG <- read.csv('/Users/fannydemange/Desktop/M1_Bioinfo/STAGE_LS2N/datasChangements/MetaboNonCiblee/MetaboNonCiblee_Matrices/HILIC_NEG/KEGG/HILIC_KEGG_FMT4_TG.csv', row.names = 1, header = TRUE)
class(data_metabo_NC_TG_NEG)
matrix_dmNC_TG_NEG <- as.matrix(data_metabo_NC_TG_NEG)
#View(matrix_dmNC_WT_NEG)
#View(data_metabo_NC_WT_NEG)
context <- read.csv('/Users/fannydemange/Desktop/MiBiOMICS_Elements/MatriceContexte_FMT4_TG_CA.csv', row.names = 1, header = TRUE)
class(context)
#View(context)
mydata_cont_zoom <- as.data.frame(context)
my_phylo_metabo_TG_NEG <- phyloseq(otu_table(matrix_dmNC_TG_NEG, taxa_are_rows = TRUE),
sample_data(context))
my_phylo_metabo_TG_NEG_complete <- prune_samples(sample_sums(my_phylo_metabo_TG_NEG) > 0, my_phylo_metabo_TG_NEG)
# Supprimer l'échantillon "FMT4_WT_ctl_B12"
my_phylo_metabo_TG_NEG_complete_2 <- subset_samples(my_phylo_metabo_TG_NEG_complete, !sample_names(my_phylo_metabo_TG_NEG_complete) %in% c("FMT4_WT_ctl_B12"))
my_phylo_metabo_TG_NEG_complete_2
library(vegan)
library(ade4)
library(dplyr)
library(microbiome)
my_phylo_metabo_TG_NEG_transfo <- microbiome::transform(my_phylo_metabo_TG_NEG_complete_2, transform = "log10")
otu <- abundances(my_phylo_metabo_TG_NEG_transfo)
meta <- meta(my_phylo_metabo_TG_NEG_transfo)
p <- plot_landscape(my_phylo_metabo_TG_NEG_transfo, method = "NMDS", distance = "euclidean", col = "FeatureC", size = 3)
print(p)
```
# Essai Microbiome
```{r}
library(vegan)
library(ade4)
library(dplyr)
my_phylo_metabo_TG_NEG_transfo <- microbiome::transform(my_phylo_metabo_TG_NEG_complete_2, transform = "Z",log10 = TRUE)
#essayer avec Z
otu <- abundances(my_phylo_metabo_TG_NEG_transfo)
meta <- meta(my_phylo_metabo_TG_NEG_transfo)
p <- plot_landscape(my_phylo_metabo_TG_NEG_transfo, method = "NMDS", distance = "euclidean", col = "FeatureC", size = 3)
print(p)
library(vegan)
permanova <- adonis(t(otu) ~ FeatureC,
data = meta, permutations=99, method = "euclidean")
# P-value
print(as.data.frame(permanova$aov.tab)["FeatureC", "Pr(>F)"])
dist <- vegdist(t(otu), method = "euclidean")
anova(betadisper(dist, meta$FeatureC))
coef <- coefficients(permanova)["FeatureC1",]
top.coef <- coef[rev(order(abs(coef)))[1:20]]
par(mar = c(3, 10, 2, 0.25))
barplot(sort(top.coef), horiz = T, las = 1, main = "Top taxa",cex.names = 0.7)
```
# Visualisation M393T785
```{r}
coef <- coefficients(permanova)["FeatureC1",]
top.coef <- coef[rev(order(abs(coef)))[1:22]]
par(mar = c(3, 10, 2, 0.25))
# Ajuster la taille de la figure
png("barplot.png", width = 800, height = 600, res = 100)
barplot(sort(top.coef), horiz = T, las = 1, main = "Top taxa",
cex.names = 0.8) # Réduire la taille de la police de caractères des légendes
dev.off()
```
```{r }
# Transposer la table OTU
otu_table_transposed <- t(otu_table(my_phylo_metabo_WT_complete_2))
# Extraire les noms d'échantillons de votre table transposée
sample_names <- row.names(otu_table_transposed)
# Filtrer les noms d'échantillons contenant "ctl" ou "alz"
ctl_samples <- sample_names[grepl("ctl", sample_names)]
alz_samples <- sample_names[grepl("alz", sample_names)]
# Sélectionner les données correspondantes au Cluster_73 pour les deux groupes
M393T785_ctl <- otu_table_transposed[ctl_samples, "M393T785"]
M393T785_alz <- otu_table_transposed[alz_samples, "M393T785"]
# Les placer dans une liste
data_list2 <- list(ctl = M393T785_ctl, alz = M393T785_alz)
# Tracer le boxplot
boxplot(data_list2)
# Définir les couleurs pour chaque groupe
ctl_color <- "blue"
alz_color <- "red"
# Tracer le boxplot avec les couleurs appropriées
boxplot(data_list2,
col = c(ctl_color, alz_color),
border = c(ctl_color, alz_color),
main = "")
```
```{r }
# Transposer la table OTU
otu_table_transposed <- t(otu_table(my_phylo_metabo_WT_complete_2))
# Extraire les noms d'échantillons de votre table transposée
sample_names <- row.names(otu_table_transposed)
# Filtrer les noms d'échantillons contenant "ctl" ou "alz"
ctl_samples <- sample_names[grepl("ctl", sample_names)]
alz_samples <- sample_names[grepl("alz", sample_names)]
# Sélectionner les données correspondantes au Cluster_73 pour les deux groupes
M496T313_ctl <- otu_table_transposed[ctl_samples, "M496T313"]
M496T313_alz <- otu_table_transposed[alz_samples, "M496T313"]
# Les placer dans une liste
data_list2 <- list(ctl = M496T313_ctl, alz = M496T313_alz)
# Tracer le boxplot
boxplot(data_list2)
# Définir les couleurs pour chaque groupe
ctl_color <- "blue"
alz_color <- "red"
# Tracer le boxplot avec les couleurs appropriées
boxplot(data_list2,
col = c(ctl_color, alz_color),
border = c(ctl_color, alz_color),
main = "")
```
```{r }
# Transposer la table OTU
otu_table_transposed <- t(otu_table(my_phylo_metabo_WT_complete_2))
# Extraire les noms d'échantillons de votre table transposée
sample_names <- row.names(otu_table_transposed)
# Filtrer les noms d'échantillons contenant "ctl" ou "alz"
ctl_samples <- sample_names[grepl("ctl", sample_names)]
alz_samples <- sample_names[grepl("alz", sample_names)]
# Sélectionner les données correspondantes au Cluster_73 pour les deux groupes
M613T966_ctl <- otu_table_transposed[ctl_samples, "M613T966"]
M613T966_alz <- otu_table_transposed[alz_samples, "M613T966"]
# Les placer dans une liste
data_list2 <- list(ctl = M613T966_ctl, alz = M613T966_alz)
# Tracer le boxplot
boxplot(data_list2)
# Définir les couleurs pour chaque groupe
ctl_color <- "blue"
alz_color <- "red"
# Tracer le boxplot avec les couleurs appropriées
boxplot(data_list2,
col = c(ctl_color, alz_color),
border = c(ctl_color, alz_color),
main = "")
```
This diff is collapsed.
Cliquez pour l'agrandir.
Aperçu
0%
Chargement en cours
Veuillez réessayer
ou
joindre un nouveau fichier
.
Annuler
You are about to add
0
people
to the discussion. Proceed with caution.
Terminez d'abord l'édition de ce message.
Enregistrer le commentaire
Annuler
Veuillez vous
inscrire
ou vous
se connecter
pour commenter