R语言实现OTU表的抽平分析

好久没有更新文章了，抱歉，今天我们先来讲一下抽平。相信大家平常在16s RNA 测序后，一般都会对测序数据划分后生成的OTU表进行抽平，保证保证样本测序序列的均一性。那么今天就来讲一下如何使用R语言来实现对OTU表的抽平分析。

1 抽平是什么？

抽平：指按照一定数量或样本序列最低数量，将所有样本的序列随机抽取至统一数据量。

简单地说，就是在不同的样本测序数据有差距的时候，保证样本测序序列的均一性。

打个比方说：有5个样本:A、B、C、D、E，样品A测序数据量为3万条序列，样本B为4万条，样本C为5万条，样本C为6万条，样本E为7万条，这个时候我们一般会选择抽平处理。

但是注意抽平后样品B就会浪费1万条，样品C就会浪费2万条，样品D就会浪费3万条，样品E就会浪费4万条 ，所以抽平不是唯一的方法，也可以通过Deseq2方法去进行后续分析的，但是今天我们主要将抽平分析。

2 R语言实现抽平分析的方法

R语言实现抽平分析的方法，我所掌握的是两种，一种是使用vegan包，另一种是phyloseq包。

2.1 OTU表数据格式

这里我们提供一组数据，分别为16个样本的OTU数据，大家有需要可以去我的gitee获取该数据，可以给我留言。

image

2.2 vegan包实现抽平分析的方法

#首先我们需要加载vegan包
library(vegan) 
#加载工作目录，这里需要更换为你自己的
setwd("D:/R_wenji/06-微信公众号/21_07_02抽平分析")
#加载otu表
otu = read.table('otu.txt', header=T, sep="\t", quote = "", row.names=1, comment.char="",stringsAsFactors = FALSE) 
#求和查看每个样本的和
colSums(otu)
#使用该代码进行抽平
otu_Flattening = as.data.frame(t(rrarefy(t(otu), min(colSums(otu)))))
#查看抽平后的每个样本的和
colSums(otu_Flattening)
#将抽平后的otu表保存到该工作目录，准备后面的多样性分析
write.table (otu_Flattening, file ="otu_Flattening.csv",sep =",", quote =FALSE) #结果导出

image image image

2.3 phyloseq包实现抽平分析的方法

#安装包
#如果你没有安装过phyloseq包，你可以使用下列代码进行安装该包
if(!requireNamespace("BiocManager")){
install.packages("BiocManager")
}
BiocManager::install("phyloseq")

#加载包1
library(phyloseq)
#设置一个随机种子便于重复
set.seed(123)

otu_1 = otu_table(otu, taxa_are_rows = T)
otu_2 = phyloseq(otu_1)

#注意，该方法会自动去除一些低丰度的otu
otu_Flattening1 = rarefy_even_depth(otu_2,replace = TRUE)
#8OTUs were removed because they are no longer present in any sample after random subsampling
#查看抽平前后的变化
sample_sums(otu_2)
sample_sums(otu_Flattening1)

#提取抽平后的otu表格 
otu_Flattening1 = as.data.frame(otu_Flattening1@.Data )

#将抽平后的otu表保存到该工作目录，准备后面的多样性分析
write.table (otu_Flattening1, file ="otu_Flattening1.csv",sep =",", quote =FALSE) 

image image image

#查看被过滤掉OTU在各样品中的数据
otu[setdiff(rownames(otu),rownames(otu_Flattening1)),]

image

我们可以看到使用phyloseq包来抽平分析会过滤掉一下低丰度的OTU，所以我们需要设置一个随机种子便于重复。可以看到被过滤掉了8个OTU。

这两个方法都可以抽平，要如何选择，还是看你，好了今天的内容就是这些，简单但是可以你需要。
R语言实现OTU表的抽平分析