integração de dados genômicos e estatísticos no rstudio

Integracao de dados genomicos e estatısticosno RStudio

Leandro Nascimento Lemos

Doutorando em Biologia na Agricultura e no AmbienteOrientadora: Profa. Tsai

Novembro/2016

Leandro Nascimento Lemos Integracao de dados genomicos e estatısticos no RStudio

Feedback de ontem


R: Introducao

R: Linguagem de Programacao (Open).Ambiente de desenvolvimento integrado para calculosestatısticos e graficos (Wikipedia).


R: Introducao


R: Leitura e manipulacao de dados - Usando Funcoes (10minutos)

VetorProteobacteria.pasto.A <- 20ProteobacteriaAbund <- c(10,20,50)ph.pasto <- c(4,5,6)?mean ((ajuda!))mean(ProteobacteriaAbund)sd (ProteobacteriaAbund)plot(ph, ProteobacteriaAbund)?plot (Procurar os parametros para modificar o grafico. (Porexemplo, modificar ProteobacteriaAbund por Proteobacteriarelative abundance).


R: Leitura e manipulacao de dados (10 minutos)

VetorProteobacteriaAbund <- c(10,20,22,25,28,30)ph <- c(4,4.5,5,5.5,6,7)plot(ph, ProteobacteriaAbund, xlab=”pH”,ylab=”Proteobacteria relative abundance (%)”,col=”blue”)


R: Leitura e manipulacao de dados - Data frame (15minutos)

Data frame: Armazenamento de tabelas (linhas e colunas).tabela <- data.frame(ProteobacteriaAbund, ph)Leitura de arquivos (Inumeras funcoes...)Session, Set Working Directory, Choose Directory.


R: Leitura e manipulacao de dados - Data frame (15minutos)

abund <- read.csv(”analysis.tvs”, sep=”\t”, header=TRUE,row.names=1)?applyapply(abund, 2, sum) - Abundancia total


R: Indices de Diversidade

Instalar e carregar o pacote vegan.install.packages(”vegan”)library(”vegan”)diversity(abund, index=”shannon”, MARGIN=2)shannonValues <- diversity(abund, index=”shannon”,MARGIN=2)barplot(shannonValues)


R: Diversidade Beta


R: Estatıstica Multivariada

Padroes de similaridadeIdentificacao de quais variaveis estao influenciando nospadroes de similaridade.Matriz de distribuicao de especies vs. Matriz de variaveisambientais (metadados).Grande variedade de tecnicas estatısticas...Analise de Coordenadas Principais (PCoA).Analise de Correspondencia Canonica (CCA).


R: Estatıstica Multivariada


R: Analise de Coordenadas Principais (PCoA)

Conceito de distancia: Quanto mais similaridade entre asamostras, mais proximas elas estao entre si.


R: Metrica de distancia - Bray-Curtis

Conceito de distancia: Quanto mais similaridade entre asamostras, mais proximas elas estao entre si.Bray-Curtis: proporcao de similaridade ou dissimilaridade(distancia) na abundancia das especies.Valores entre 0 e 1.0 (iguais).Quanto mais proximo de 1, mais dissimilar!


R: Analise de Coordenadas Principais (PCoA)

Ideia principal: Reduzir dimensoes pra resumir os dados!


R: PCoA - Matriz de distancia - 20 minutos

1 Abrir o RStudio.2 Carregar o pacote vegan.3 Carregar o arquivo de abundancia de filos e o arquivo de

abundancia de funcoes em objetivos separados no R.4 Pesquisa sobre a funcao vegdist (dica: ?vegdist) e calcule as

similaridade entre cada amostra pelo Metodo Bray-Curtis.


R: Reducao de Dimensoes - PCoA - 10 minutos



1 Abrir o RStudio.2 Carregar o pacote vegan.3 ?cmdscale



AbundPhyla <- read.csv(”analysis.tvs”, header=TRUE,sep=”\t”, row .names = 1)

AbundPhyla.d <- vegdist(t(AbundPhyla), method=”bray”)AbundPhyla.ord <- cmdscale(AbundPhyla.d, eig=TRUE)x <- AbundPhyla.ord$points[,1]y <- AbundPhyla.ord$points[,2]plot(x, y, xlab=”Coordinate 1”, ylab=”Coordinate 2”,type=”n”)text(x, y, labels = row.names(t(AbundPhyla)), cex=.7)


R: ggplot2 (pacote de geracao de graficos publicaveis)


R: Analise de Correspondencia Canonica (CCA)Encontrar relacoes entre dois conjuntos de variaveis X e Y.Distribuicao de taxons e parametros ambientais (metadados, por exemplo: pH,temperatura, umidade, etc).O conjunto das variaveis resposta (Y) e contrastado com o conjunto dasvariaveis explicatorias (X).Triplot: variaveis resposta sao representadas por flechas e variaveis explicatoriassao representadas por pontos.


R: Analise de Correspondencia Canonica (CCA)

library(”vegan”)AbundPhyla ¡- read.csv(”TaxonomyOrder.tvs”, sep=”t”, header=TRUE, row.names=1)quimicos ¡- read.csv(”Metadados.csv”, sep=”t”, header=TRUE, row.names=1)cca.calc ¡- cca(t(AbundPhyla), t(scale(quimicos)))plot(cca.calc, choices = c(1, 2), display = c(”cn”, ”sites”),scaling = ”species”)


R: Analise de Correspondencia Canonica (CCA) - 10minutos

?cca


Discussao

Quais analises computacionais e metodos estatısticos eu devoaplicar no meu estudo?


Obrigado pela atencao!


integração de dados genômicos e estatísticos no rstudio

Education