根据不同的采样跨度，对群落进行网络分析可以揭示物种间潜在的相互作用（采样跨度小）或共发生模式（采样跨度大）。LorMe包基于封装对象（是否配置都可），对封装对象包括的所有样品，进行物种之间的spearman或者pearson共发生网络分析。分析结果将输出节点信息表（包括ZIPI、物种分类、节点拓扑性质等信息）、邻接关系表（以上两表可无缝衔接gephi和cytoscape软件）、邻接矩阵（可用于衔接网络稳定性等后续分析）、网络拓扑参数及igraph对象。在进行网络分析前，有一些注意事项：
LorMe包已经优化了相关性矩阵生成算法以加快运行速度。以酷睿2双核i5处理器为例，不调用多线程的情况下，400个样品&10000个物种的16s样品相关性分析仅需不到2分钟。如以较新的电脑配置（i7-12核），计算600个样品超6W的物种的网络分析仅需不到30秒。尽管如此，网络分析时过多的节点（2000个以上）和边（10000个以上）依然会拖慢运行速度并影响可视化效果。因此，我们建议所有样品初次进行网络分析时，将‘threshold’参数调至0.95以上，将n参数调至样品数量的80%以上，将display参数调整至F进行预分析；随后根据控制台的网络拓扑参数下调threshold或n值。
对于宏基因组数据（尤其是kraken注释数据），由于物种数量较大且具有一定自相关性，需通过设置rel_threshold参数，按相对丰度进行数据过滤后进行网络分析。如，仅将平均相对丰度大于0.5%（rel_threshold设置为0.005）的物种纳入网络。
如对网络没有相关性阈值的特殊要求，我们建议通过调整合适的n值和threshold值，将右侧plot界面中的网络图形调整至类球形以进行更好可视化，类似这样：
理论上超过6个样本即可进行网络分析，实际为避免假阳性，请至少设置8个样本，并且我们推荐最好有10个样本以上。此外该功能基于封装对象内的所有样品进行网络分析，如需选择特定的处理，请通过sub_tax_summary 选择相应处理的样品，比如：
data("Two_group")CT<- sub_tax_summary(taxobj = Two_group, Group=="Control")#后续将taxobj参数指定为CT进行Control组内网络分析
## 数据准备library(LorMe)data("Three_group") #使用内置示例数据set.seed(999) #设置种子保证可复现性## 一键分析network_results <- network_analysis(taxobj = Three_group, # 封装对象taxlevel = "Genus", # 分析水平n = 10, # 物种出现在样本中的数量阈值threshold = 0.9, # 相关性值阈值method = "spearman",# 相关性计算方法rel_threshold = 0 # 纳入网络分析的物种平均丰度阈值) #此时控制台会打印网络的统计信息，plot界面会显示网络的简单可视化图形## 结果提取### 节点信息表network_nodes <- network_results$Nodes_infohead(network_nodes) #### 邻接关系表network_adjacency <- network_results$Adjacency_column_tablehead(network_adjacency)### 邻接矩阵network_matrix <- network_results$Adjacency_matrixprint(network_matrix[1:10, 1:10])### igraph 对象igraph_object <- network_results$Igraph_object### 网络拓扑属性network_stat(igraph_object)
导出节点信息表和邻接关系表后，可以去交互式网络可视化软件gephi和cytoscape进行可视化（这两个软件生成的可视化图像颜值会高一些）。不想麻烦的话，LorMe包也提供了内置的可视化功能。
# 网络可视化## 极简模式network_visual_obj <- network_visual(network_obj = network_results)## 高亮节点数最多的10个模块network_visual_obj <- network_visual(network_obj = network_results,major_num = 10, # 显示模块数量palette = "Set1", # 色板名，默认值，可选vertex.size = 6 # 点的大小，默认值，可选)
## 高亮节特定分类network_visual_obj <- network_visual(network_obj = network_results,mode = "major_tax", # 可视化模式taxlevel = "Phylum", # 映射的分类水平select_tax = "p__Proteobacteria" # 指定映射物种)### 配合community_plot高亮相对丰度前5的主要物种community <- community_plot(taxobj = Three_group,taxlevel = "Phylum",n = 5,palette = "Paired")display_phyla <- names(community$filled_color) #提取主要物种network_visual_obj <- network_visual(network_obj = network_results,mode = "major_tax",taxlevel = "Phylum",select_tax = display_phyla,palette = community$filled_color)
编辑|汪宁褀
排版|许家正
审核|韦中
