数据准备

# install.packages('psych')
library(psych)

# 属文件保存位置，更改为input file所在路径
setwd('C:/Users/xxx/xxx')

otu_genus <- read.delim('network_genus.csv', sep=',', row.names=1) # ?read.delim

genus <- otu_genus[which(rowSums(otu_genus) >= 0.01),] #只保留相对丰度综合高于0.01的属，其实这一步已经在excel中筛选过

genus1 <- genus

genus1[genus1 > 0] <- 1

genus <- genus[which(rowSums(genus1) >= 5),] # 只保留在5个及以上样本中出现的属

# 使用Spearman相关系数计算两属之间是否存在丰度变化的相关性

genus_corr_psych <- corr.test(t(genus), use="pairwise", method="spearman", adjust="fdr", alpha=0.05) 

occor_r_psych <- genus_corr_psych$r

occor_p_psych <- genus_corr_psych$p

# 讲相关系数低于0.7或者p值大于0.05的值赋值为0
occor_r_test <- occor_r_psych
occor_r_test[occor_p_psych > 0.05 | abs(occor_r_psych） < 0.7] = 0

# 将相关矩阵中对角线中的值（代表了自相关）转为0，导出相关性系数文件
diag(occor_r_test) <- 0
write.csv(occor_r_test, file = 'network_genus_ccor.csv')

导入Gephi

具体操作参考：
靳泽星

刘永鑫

关于Gephi

基本组成

Gephi基本组成
主要操作界面

布局Layout

共有12 种布局方式，前六种是主要布局工具，后面六种是辅助布局工具。选择一种布局算法，点击运行即可看到布局效果。最常用的是力导向算法（Force Atlas 和 Force atlas 2）、圆形布局（Fruchterman Reingold）和胡一凡（Yifan Hu）布局。

高级工具

统计：对数据进行分类
过滤：对数据进行筛选

Reference

https://blog.csdn.net/woodcorpse/article/details/82753718
https://www.bilibili.com/video/BV1Az4y1Q7v5?from=search&seid=14967279955893154147