rm(list = ls())
setwd("C:\\Users\\Administrator\\Desktop\\microtable") #设置工作目录
library(microeco)
library(magrittr)
feature_table <- read.table('feature_table_g.txt', header = TRUE, row.names = 1, sep = "\t") #特征表
sample_table <- read.table('sample_table_g.txt', header = TRUE, row.names = 1, sep = "\t") #样本表
tax_table <- read.table('tax_table_g.txt', header = TRUE, row.names = 1, sep = "\t", fill = TRUE) #分类表
dataset <- microtable$new(sample_table = sample_table,
otu_table = feature_table,
tax_table = tax_table)
dataset$tidy_dataset() #整理和预处理数据集
#数据清洗：移除或填补缺失值、异常值等。
#数据标准化：确保数据符合一定的格式，比如统一的数据类型。
#数据整合：如果有多个表格，确保它们之间的链接正确无误。
dataset$sample_sums() %>% range #计算并查看样本总数的范围
dataset$rarefy_samples(sample.size = 1000000) #执行重采样，标准化样本中的测序深度
dataset$sample_sums() %>% range #计算并查看标准化后样本总数的范围
#dataset$save_table(dirpath = "basic_files", sep = ",") #将 microtable 对象中的所有基本数据保存到本地文件
dataset$cal_abund() #计算每个分类等级的分类群丰度
#class(dataset$taxa_abund)
#dataset$taxa_abund$Phylum[1:5, 1:5]
dataset$cal_alphadiv(PD = FALSE) #计算 alpha 多样性
dataset$save_alphadiv(dirpath = "alpha_diversity") #文件存储
dataset$cal_betadiv(unifrac = FALSE) #beta 多样性
dataset$save_betadiv(dirpath = "beta_diversity") #文件存储
