6.5 降维分析 EMP_dimension_analysis

模块EMP_dimension_analysis支持多维数据的降维分析，降维方法包含主成分分析PCA、主坐标分析PCoA、偏最小二乘回归PLS和正交偏最小二乘回归OPLS四种方法。

6.5.1 微生物beta多样性分析及可视化

🏷️示例：

从MAE对象中提取组学项目taxonomy的assay，利用EMP_identify_assay筛选核心微生物，利用EMP_collapse将核心微生物折叠为属级别数据，利用EMP_dimension_analysis进行PCoA降维分析。

MAE |>
  EMP_assay_extract('taxonomy') |>
  EMP_identify_assay(method='default',estimate_group = 'Group') |>
  EMP_collapse(estimate_group = 'Genus',collapse_by = 'row') |>
  EMP_dimension_analysis(method = 'pcoa',distance='bray')

降维分析的结果可以使用EMP_scatterplot进行可视化。

MAE |>
  EMP_assay_extract('taxonomy') |>
  EMP_identify_assay(method='default',estimate_group = 'Group') |>
  EMP_collapse(estimate_group = 'Genus',collapse_by = 'row') |>
  EMP_dimension_analysis(method = 'pcoa',distance='bray') |>
  EMP_scatterplot(estimate_group='Group',show='p12html',ellipse=0.3)

6.5.2 代谢组学数据PLS降维分析和特征代谢产物筛选

🏷️示例：

从MAE对象中提取组学项目untarget_metabol的assay，根据二级代谢产物KEGG注释折叠数据并进行相对丰度转化，进行PLS降维分析、获取代谢产物的降维坐标及VIP值，根据VIP值筛选特征代谢产物。

MAE |>
  EMP_assay_extract(experiment = 'untarget_metabol') |>
  EMP_collapse(estimate_group = 'MS2kegg',collapse_by='row',
               na_string = c("NA", "null", "","-"),
               method = 'mean',collapse_sep = '+') |>
  EMP_decostand(method = 'relative') |>
  EMP_dimension_analysis(method = 'pls',estimate_group = 'Group') |>
  EMP_filter(feature_condition = VIP >2)

6.5.3 KO注释数据的UMAP降维分析

🏷️示例1： 使用UMAP算法进行数据降维

MAE |>
  EMP_dimension_analysis(experiment = 'geno_ko',
                         method = 'umap')

🏷️示例2： 修改UMAP算法运行参数

从 umap包内获得参数文件

umap.config <- umap::umap.defaults
umap.config$n_neighbors <- 10

在模块函数中输入参数设置文件

MAE |>
  EMP_dimension_analysis(experiment = 'geno_ko',
                         method = 'umap', umap.config = umap.config)