paternogbc / ecologia-evolutiva Goto Github PK
View Code? Open in Web Editor NEWTutoriais para análises filogenéticas e métodos comparativos em R
Tutoriais para análises filogenéticas e métodos comparativos em R
Olá, mas como faz para saber qual árvore não tem comprimento do ramo em um arquivo multyphilo?
Banco de dados
dados_analise.txt
Poderiam me ajudar com o código?
#Make a phylogenetic tree with R code from a spreadsheet using a megatree published with V.PhyloMaker.
#V.PhyloMaker: doi.org/10.1111/ecog.04434
#phytools: doi.org/10.1111/j.2041-210X.2011.00169.x
#Install packages
#devtools::install_github("jinyizju/V.PhyloMaker")
#install.packages("ape")
#install.packages("phangorn")
#install.packages("phytools")
#install.packages("geiger")
install.packages("htmltools")
install.packages("picante")
install.packages("V.PhyloMaker2")
library(V.PhyloMaker)
library(picante)
library(htmltools)
#defina o diretorio
setwd("~/ANALISE DE FILOGENIA/DADOS COM ESPECIES EXCLUIDAS")
#carregando planilha
dados <- read.table("dados_analise.txt", h=T, stringsAsFactors = T)
#separar especies, genero e familia
summary(dados)
dados_filogenia<- as.data.frame(dados[,c(3,4,5)])
library(ape)
dist_phylo <- cophenetic(phylo.maker(dados_filogenia)$phylo)
#Note: 1 taxa fail to be binded to the tree, especie ""Piranhea_securinega" não foi encotrada/ excluida
library(dplyr)
dados_atual<-filter(dados,species != "Piranhea_securinega")
summary(dados_atual)
dim(dados)
dim(dados_atual)# as linhas com a especie Piranhea_securinega foram excluidas
#rodando a analise filogenetica sem a especie excluida.
dados_filogenia_atual<- as.data.frame(dados_atual[,c(3,4,5)])
library(ape)
dist_phylo <- cophenetic(phylo.maker(dados_filogenia_atual)$phylo)
#todas as especies foram encontradas na arvore 42 especies ....
summary(dados_filogenia_atual)
#Load packages
library(V.PhyloMaker)
library(phytools)
#Create phylogenetic tree (esse comando demora um pouco a rodar)
phy <- phylo.maker(dados_filogenia_atual)
phy$species.list
###usando apenas o cenario 3
#You only need part of this object to draw your tree.
#Extract the useful part
tree <- phy$scenario.3
plot(tree)
#Plot the tree
phytools::plotTree(tree)
read.tree
library(phytools)
plotTree(tree, # Árvore filogenética
type = "fan", # Tipo de plotagem: estilo de leque
fsize = 0.7, # Tamanho das folhas
lwd = 2, # Largura das linhas
ftype = "i", # Tipo de folhas: interno
edge.color = "black", # Cor das linhas
edge.lty = 1, # Estilo das linhas: sólido
edge.lwd = 1.5, # Largura das linhas
tip.color = "red", # Cor das pontas (folhas)
tip.pch = 19, # Tipo de ponto das pontas (folhas)
tip.cex = 1.5, # Tamanho do ponto das pontas (folhas)
show.node.label = TRUE, # Mostrar rótulos dos nós
show.tip.label = TRUE, # Mostrar rótulos das pontas (folhas)
label.offset = 0.2, # Distância do rótulo em relação ao nó ou ponta
label.font = 2, # Estilo do rótulo: negrito
cex = 0.9, # Tamanho do texto
main = "Árvore Filogenética Personalizada", # Título do gráfico
direction = "upwards", # Direção da árvore
adj = 0.5, # Ajuste horizontal do texto
col = "darkblue", # Cor do texto
col.lab = "darkgreen") # Cor dos rótulos
Nnode <- length(tree$node.label)
Nsp <- length(tree$tip.label)
politomias <- Nnode != (Nsp - 1)
if (politomias) {
num_politomias <- (Nsp - 1) - Nnode
} else {
num_politomias <- 0
}
cat("Existem politomias na árvore:", politomias, "\n")
cat("Número de politomias na árvore:", num_politomias, "\n")
library(ape)
plot(tree, type = "fan", cex = 0.8, lwd = 5)
cores <- c("red", "blue", "green", "purple") # Defina as cores desejadas
nodelabels(pch = 21, bg = cores)
tiff("arvore.tiff", width = 800, height = 600) # Ajuste os valores de largura e altura conforme necessário
plot(tree, type = "fan", cex = 0.5, lwd = 5)
nodelabels(pch = 21, bg = cores)
dev.off()
#fazendo de outra forma
library(ape)
plot(tree, type = "fan", cex = 0.8, lwd = 5)
cores <- c("red", "blue", "green", "purple") # Defina as cores desejadas
nodelabels(pch = 21, bg = cores)
edge.dist <- tree$edge.length
nodelabels(text = round(edge.dist, 2), frame = "none", cex = 0.6, adj = c(0.5, -0.2), col = "black", font = 1)
tiff("arvore.tiff", width = 800, height = 600) # Ajuste os valores de largura e altura conforme necessário
plot(tree, type = "fan", cex = 0.5, lwd = 5)
nodelabels(pch = 21, bg = cores)
dev.off()
####deu bom srsrs
#some information
tree$Nnode
tree$edge.length
tree$edge
tree$node.label
tree$tip.label
sum(tree$edge.length)
##salvando a tree
write.tree(tree, "Ecofilotree2.csv")
#Export the tree for manual editing or use in other software
write.tree(tree, "tree.tre")
#Note the .tre file extension here
#Import the tree back into R
#Or import a tree made with other software into R
tree = read.tree("tree.tre")
#fazer arvore usando o ggplot
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager")
#BiocManager::install("ggtree")
library(ggtree)
ggtree(tree)
ggtree(tree)+geom_tiplab()
#viewClade(p,MRCA(p, tip=("I", "L")))
##################### novo codigo
#M?tricas com dendogramas====
#_Diversidade filogen?tica====
library(ape)
library(picante)
#tree <- read.tree("ants.phylo.txt") #Olhem a estrutura do arquivo .txt. Essa ? uma forma que comumente encontramos arquivos de dendogramas filogen?ticos. Para organizar isso utilizamos a fun??o read.tree() do pacote ape
plot(tree, cex=0.6) #Visualizando o dendograma
#montando a tabela de comunidade
dados_atual #dados
library(reshape2)
summary(dados_atual)
com<- dcast(dados_atual,area~species,value.var = "species") #data frame da comunidade
colnames(com)
com<-com[,-c(1)]
#Para calcular a diversidade filogen?tica de cada uma das esp?cies do dados atual precisamos de uma medida de dist?ncia filogen?tica entre pares de esp?cies. Como a ?rvore filogen?tica permite calcular isso, podemos utilizar a dist?ncia cofen?tica para obter a dist?ncia entre esp?cies par-a-par.
phydist <- cophenetic(tree)
phydist
dim(phydist)
#Agora, confira se todas as esp?cies das comunidades est?o na matriz de dist?ncias filogen?ticas.
summary(colnames(com) %in% colnames(phydist))
##PD##
#Agora calculamos a diversidade filogen?tica com o ?ndice PD de Faith (1992).
#O objeto aqui ? a ?rvore filogen?tica: tree
PD <- pd(com, tree)
#criando uma tabela com os resultados de PD, MPD, MNTD
(tabela_resultados <- as.data.frame(PD))
(MNTD <- mean(phydist))
#adicionando a distancia média (MNTD) nos resultados
(tabela_resultados$MNTD<-MNTD)
tabela_resultados
##MPD##
#Agora vamos calcular a diversidade filogen?tica com o ?ndice MPD de Webb et al. (2002).
#O objeto aqui ? a dist?ncia par-a-par gerada da ?rvore filogen?tica: phydist
(tabela_resultados$MPD <- mpd(com, phydist))
tabela_resultados
names(tabela_resultados)
tabela_resultados$MNTD
tabela_resultados$PD
tabela_resultados$MPD
#exportando tabela de resultados
#Diversidade taxonomica====
#_Metricas Classicas====
library(vegan)
library(dplyr)
library(hillR)
library(GGally)
library(vegan)
library(iNEXT)
library(ggplot2)
library(tidyverse)
library(reshape2)
head(dados) #Primeiras linhas da tabela
summary(dados) #Sum?rio da tabela
str(dados) #Estrutura da tabela
names(dados) #Nomes das colunas da tabela
#PARA CORIBE
dados_formatados_coribe <- dcast(dados, area~species, value.var = "species")
summary(dados_formatados_coribe)
com_coribe <- dados_formatados_coribe[,-c(1)]
#_Numeros de Hill
(tabela_resultados$Species_Richness_q0 <- hill_taxa(comm = com_coribe, q = 0, MARGIN = 1)) #Hill q=0
tabela_resultados
(tabela_resultados$Shannon_q1 <- hill_taxa(comm = com_coribe, q = 1, MARGIN = 1)) #Hill q=1
(tabela_resultados$Simpson_q2 <- hill_taxa(comm = com_coribe, q = 2, MARGIN = 1)) #Hill q=2
tabela_resultados
#medtricas classicas
#_Shannon-Wiener (H')
#Quanto maior o valor de H', maior ? a diversidade.
tabela_resultados$H_shannon <- diversity(x = com_coribe, index = "shannon")
#_Simpson
(tabela_resultados$D_simpson <- diversity(x = com_coribe, index = "simpson"))
#_Riqueza
(tabela_resultados$sp_rich <- specnumber(com_coribe))
#_Abund?ncia
(tabela_resultados$sp_abund <- rowSums(com_coribe))
tabela_resultados
#salvando a tabela com as metricas da comunidade
write.csv2(tabela_resultados,"metricas_comunidade")
out1 <- iNEXT(t(com_coribe), q=0, datatype="abundance")
out1$DataInfo
(plot_sp <- ggiNEXT(out1, type=1, se=TRUE, grey=FALSE)
#plot para cobertura amostral
(plot_C_amnostral <- ggiNEXT(out1, type=2, se=TRUE, grey=FALSE)
###aqui usa os dados da parcel, area em função da especie
#ajeitando os dados para o formato correto (comprido) separando por data e local
dados_formatados <- dcast(dados, area+parcela~species, value.var = "species")
summary(dados_formatados)
com <- dados_formatados[,-c(1,2)] #Novo objeto agora s? com a comunidade, apenas as esp?cies!!
#_Numeros de Hill
(Species_Richness_q0 <- hill_taxa(comm = com, q = 0, MARGIN = 1)) #Hill q=0
(Shannon_q1 <- hill_taxa(comm = com, q = 1, MARGIN = 1)) #Hill q=1
(Simpson_q2 <- hill_taxa(comm = com, q = 2, MARGIN = 1)) #Hill q=2
#criar uma tabela com todas as metricas para incluir as metricas
(tab_result <- data.frame(dados_formatados[,c(1,2)], Species_Richness_q0,Shannon_q1,Simpson_q2)) #Olha como ficou legal! =D
caminho_arquivo <- "~/ANALISE DE FILOGENIA/DADOS COM ESPECIES EXCLUIDAS/tabela_resultados.csv"
write.csv(tab_result, file = caminho_arquivo, row.names = FALSE)
#_Abund?ncia
(tab_result$sp_abund <- rowSums(com))
##_Plotagem====
library(reshape2)
str(tab_result)
tab_ggplot <- melt(tab_result, id= c("area","parcela"))
#Criar uma tabela longa, o ggplot usa matriz de dados e norteia pelosnomes das colunas
head(tab_ggplot) #Primeiras linhas da tabela
dim(tab_ggplot) #Dimens?o [linhas , colunas]
cor_plot <- c("green", "gray80") #Objeto com as cores que ser?o utilizadas
library(ggplot2)
ggplot(tab_ggplot, aes(x=area , y=value, fill=area )) +
geom_boxplot()+ #fazer um boxplot
theme_bw()+ #um tema, sair do fundo cinza #Inserir as cores
facet_wrap(~variable, scales = "free")+
scale_fill_manual(values ="#1B9E77")+
stat_summary(fun.data ="mean_se",geom = "point",size=2.5)
Hello, Please!
I would like to know if it's possible to fix this error with Sensiphy?
Error in FUN(X[[i]], ...): one tree has a different number of tips
Than
GitHub_bug_consensustree.zip
Thanks!
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.