本节内容属于思农数据工程产物，欢迎大家批评指正。
opls函数介绍
紧接着我们对于其在r中的实现进行学习，即基于opls函数，其基本形式如下，需要重点关注的参数为predI、orthoI、fig.pdfC；其中predI表示用来展示与Y相关的正交变量数量，最多为10个，设置为NA表示其根据情况自动调整，默认为NA；orthoI表示正交垂直变量数量即用来展示与Y不相关的差异的主成分个数，其数值决定此函数执行何种分析，当它设置为0时，表示进行PLS-DA分析，设置为非0整数时表示进行OPLS-DA分析，其最多为9个，NA代表自动调整，默认为0；fig.pdfC和info.txtc表示可以设置图片和文件显示和存储途径，none代表不进行显示，interactive代表存储交互环境中，即r环境中，myfile.pdf/txt代表指定输出路径，默认为interactive。
特别注意：设置导出为pdf格式且为特定导出路径后，若出现rstudio中plot里后续运行其他可视化代码不出图的情况，可先运行dev.off()退出导出pdf，后续可视化即可恢复正常；
opls(x,y = NULL,predI = NA,orthoI = 0,algoC = c("default", "nipals", "svd")[1],crossvalI = 7,log10L = FALSE,permI = 20,scaleC = c("none", "center", "pareto", "standard")[4],subset = NULL,plotSubC = NA,fig.pdfC = c("none", "interactive", "myfile.pdf")[2],info.txtC = c("none", "interactive", "myfile.txt")[2])
不同分析实现代码：
#PCA，仅需导入代谢物相对丰度组成矩阵opls(data)#PLS-DA,需导入代谢物相对丰度组成矩阵、分组文件opls(data,group)#OPLS-DA,导入代谢物相对丰度组成矩阵、分组文件的同时需调整orthoI非0，正整数或NA,这里以NA举例opls(data,group,orthoI=NA)
OPLS-DA结果展示与解释
对于opls-da几种可视化方式进行学习，同时了解其图片背后的生态学意义，主要参考
https://mp.weixin.qq.com/s/XASA-pOlTccMK1YS9le2dQ、https://mp.weixin.qq.com/s/R7cjdpQmqImfSbnymezLjg
热图设置分组标签颜色
pheatmap:color <- list(Group=c(Group0="#ED7576",Group1="#86B1D4")，xx=c().....)patchwork拼图报错
主要原因ggplot2更新至3.5.0导致patchwork不能正常使用，需将其退回至版本3.4.4，方可正常使用。
ggClusterNet::Robustness.Random.removal函数调整
在进行鲁棒性运算时报以上错误，初始时不知所云，故对函数进行逐行检查，发现了潜在的一些问题，并对其进行修改。原函数部分代码：
我们可以注意到14行物种的平均相对丰度是基于原始的otutab来进行计算的，而网络矩阵是基于相关矩阵的来进行筛选的，同时更新的物种的相对丰度向量也是基于相关矩阵来进行筛选的，这可能会导致一个问题，就是如果原始otutab和相关性矩阵物种顺序是否一致，如若不一致，将会导致sp.ra2中的物种无法和网络矩阵相匹配，我们对这一可能的问题进行检查：
首先检查otutab物种排列顺序：
其次检查相关性矩阵排列顺序：
显然，随着对前500物种的筛选，导致相关性物种矩阵顺序发生改变，因此sp.ra2=sp.ra[colSums(abs(cor))>0]这一代码将会导致错误的保留结果，无法与网络矩阵对应，因此，我们调整otutab的物种顺序与相关性矩阵一致后再计算sp.ra,同时因为相关性矩阵中保留物种并非全部物种，因此需保留原始otutab进行相对丰度计算，故对以上函数部分作出以下修改：
#去除第14行#25行后加入以下代码otutab1 <- otutab[,rownames(cor)]sp.ra <- colMeans(otutab1)/mean(rowSums(otutab))#继续运行剩下代码#修改后 sum(row.names(network.raw) == names(sp.ra2))输出结果为网络矩阵行数#加权鲁棒性结果更正
作者：思农生信团队
