Amplicón

🧬 MicroBioMeta es un paquete de R para explorar, analizar y visualizar datos de microbioma. Este tutorial recorre un ejemplo de su uso con datos de metabarcoding.

Instalación

MicroBioMeta todavía no está en Bioconductor. Por ahora, se instala desde GitHub:

# install.packages("remotes")
remotes::install_github("Steph0522/MicroBioMeta")

Cuando sea aceptado en Bioconductor, se instalará con:

if (!requireNamespace("BiocManager", quietly = TRUE)) {
    install.packages("BiocManager")
}
BiocManager::install("MicroBioMeta")

Cargar los datos

Primero, carguemos el paquete MicroBioMeta:

library("MicroBioMeta")

Carguemos también los demás paquetes que vamos a necesitar:

library(tidyverse)

tidyverse se usa para todo el manejo de datos y las visualizaciones.

Ahora cargamos los datos y los reformateamos. Este conjunto de datos fue procesado en QIIME2 (Bolyen et al. 2019), así que sus artefactos .qza se importaron originalmente a R con el paquete qiime2R (Bisanz 2018) (Licencia MIT, © 2018 Jordan Bisanz), del cual read_qza() el parser de taxonomía propio de MicroBioMeta está adaptado. Si tienes tus propios artefactos .qza, qiime2R::read_qza() (devtools::install_github("jbisanz/qiime2R")) es la forma de importarlos a R.

Para esta viñeta, esos mismos datos vienen incluidos en el paquete ya exportados como archivos .txt planos (en inst/extdata/), así que construirla no requiere tener instalado qiime2R (un paquete que solo está en GitHub):

Primero, carguemos las tablas y la taxonomía de cada conjunto de datos:

bacteria_table <- read.delim(
    system.file("extdata", "table_bacteria.txt", package = "MicroBioMeta"),
    row.names = 1, check.names = FALSE
)

fungi_table <- read.delim(
    system.file("extdata", "table_fungi.txt", package = "MicroBioMeta"),
    row.names = 1, check.names = FALSE
)

taxonomy_bacteria <- read.delim(
    system.file("extdata", "taxonomy_bacteria.txt", package = "MicroBioMeta"),
    check.names = FALSE
) %>%
    rename(taxonomy = Taxon) %>%
    dplyr::select(-Confidence) %>%
    column_to_rownames(var = "Feature.ID")

taxonomy_fungi <- read.delim(
    system.file("extdata", "taxonomy_fungi.txt", package = "MicroBioMeta"),
    check.names = FALSE
) %>%
    rename(taxonomy = Taxon) %>%
    dplyr::select(-Consensus) %>%
    column_to_rownames(var = "Feature.ID")

⚠️ Nota que renombramos la columna Taxon a taxonomy antes de unir estos dos objetos:

colnames(taxonomy_bacteria)
## [1] "taxonomy"

Ahora, carguemos los metadatos de cada conjunto de datos:

bacteria_metadata <- read.delim(
    system.file("extdata", "metadata_bacteria.txt", package = "MicroBioMeta"),
    check.names = FALSE
) %>%
    filter(Month == "2")

fungi_metadata <- read.delim(
    system.file("extdata", "metadata_fungi.txt", package = "MicroBioMeta"),
    check.names = FALSE
)

Ahora filtremos y ordenemos los datos. Es una buena práctica usar tabla y metadatos que contengan la misma información y muestras, y en el mismo orden. Así que en este punto vamos a filtrar las tablas para que coincidan con los metadatos.

Para bacterias:

samples_bac <- bacteria_metadata$SAMPLEID[
    bacteria_metadata$SAMPLEID %in% colnames(bacteria_table)
]

table_bacteria <- bacteria_table[, samples_bac]

metadata_bacteria <- bacteria_metadata[
    bacteria_metadata$SAMPLEID %in% samples_bac,
]

y para eucariontes microscópicos:

samples_fun <- fungi_metadata$SAMPLEID[
    fungi_metadata$SAMPLEID %in% colnames(fungi_table)
]

table_fungi <- fungi_table[, samples_fun]

metadata_fungi <- fungi_metadata[
    fungi_metadata$SAMPLEID %in% samples_fun,
]

Preprocesamiento de los datos

Las funciones de MicroBioMeta necesitan que los datos estén en formato biom (taxones en filas, muestras en columnas), con una columna de taxonomía al final.

Si tus datos no vienen ya en ese formato, merge_feature_taxonomy() combina una tabla de abundancia y una tabla de taxonomía en este formato. Mantener la taxonomía como una columna de la misma tabla permite que la mayoría de las funciones consulten la identidad taxonómica sin necesitar un objeto aparte.

table_bac <- merge_feature_taxonomy(
    table = table_bacteria,
    taxonomy = taxonomy_bacteria
)
## Warning in merge_feature_taxonomy(table = table_bacteria, taxonomy =
## taxonomy_bacteria): 83 taxonomy IDs are not present in the table and will be
## excluded from the result.
table_fung <- merge_feature_taxonomy(
    table = table_fungi,
    taxonomy = taxonomy_fungi
)
## Warning in merge_feature_taxonomy(table = table_fungi, taxonomy =
## taxonomy_fungi): 17 taxonomy IDs are not present in the table and will be
## excluded from the result.

⚠️ Nota que esta advertencia reporta cuántos IDs de taxonomía no coincidieron con la tabla de features y fueron excluidos del resultado.

⚠️ Todas las funciones que usan la taxonomía muestran los filos bacterianos con sus nombres válidamente publicados (por ejemplo, Proteobacteria como Pseudomonadota, Firmicutes como Bacillota, Actinobacteriota como Actinomycetota), que son los que usa NCBI Taxonomy desde 2021. Un mensaje indica qué nombres se cambiaron (una vez por sesión).

Exploración de la composición

MicroBioMeta tiene varias funciones para explorar la composición, identidad taxonómica y abundancia. Exploremos cada una.

Barplots de abundancia

Los barplots de abundancia son útiles para identificar patrones en la composición de la comunidad según la identidad taxonómica.
Esta función genera barplots apilados de abundancias relativas usando una tabla de abundancia y un archivo de metadatos como entrada.

El parámetro taxonomy_db especifica la base de datos taxonómica de referencia usada para la asignación taxonómica: "silva" (por defecto), "gg2" (Greengenes2), "unite" o "Kraken2".
El parámetro x_col indica la columna de los metadatos usada para agrupar muestras en el eje x, mientras que facet_by define la columna de metadatos usada para dividir el gráfico en facetas.

El parámetro level permite elegir el nivel taxonómico al que se colapsan los datos.

top_n controla el número de taxones más abundantes que se muestran en el barplot.

Si add_remained = TRUE, las abundancias relativas se completan hasta el 100% agregando una categoría gris que representa los taxones restantes no mostrados explícitamente; si es FALSE, solo se muestran los taxones seleccionados.
El parámetro label define el título de la leyenda mostrada en el gráfico.

Las etiquetas del eje x pueden rotarse con x_label_angle (por defecto 0, horizontal), útil cuando los nombres de muestras o grupos son lo suficientemente largos como para superponerse, como en los ejemplos de abajo. strip_text_bold controla si los títulos de las facetas van en negritas (por defecto FALSE), y aspect_ratio fija la relación alto/ancho del panel cuando necesitas proporciones consistentes entre figuras.

Finalmente, cuando save_table = TRUE, la función también guarda un archivo delimitado por tabuladores (con el nombre de table_filename) con las abundancias relativas (porcentajes) usadas para generar el gráfico.

abundance_bar_plot(
    table = table_bac,
    metadata = metadata_bacteria,
    taxonomy_db = "silva",
    level = "phylum",
    top_n = 15,
    x_col = "Type_of_soil",
    facet_by = "Treatment",
    add_remained = TRUE,
    label = "Phylum",
    x_label_angle = 45,
    save_table = FALSE
)
## Phylum names were updated to their validly published names (Oren & Garrity 2021, used by NCBI Taxonomy): Actinobacteriota -> Actinomycetota, Campilobacterota -> Campylobacterota, Chloroflexi -> Chloroflexota, Cyanobacteria -> Cyanobacteriota, Firmicutes -> Bacillota, Proteobacteria -> Pseudomonadota (shown once per session).

abundance_bar_plot(
    table = table_fung,
    metadata = metadata_fungi,
    x_col = "Treatment",
    facet_by = "Type_of_soil",
    add_remained = TRUE,
    label = "Genera",
    x_label_angle = 45,
    save_table = FALSE
)

palette cambia los colores de los taxones: "default" (los colores brillantes de arriba), "brewer" (las paletas cualitativas de RColorBrewer unidas, sin grises; muchos colores distintos, pero no apta para daltónicos) o "safe" (la paleta “Safe”, apta para daltónicos; tiene 11 colores, así que conviene top_n de 11 o menos, si no los colores se interpolan). El taxón más abundante recibe el primer color. taxa_colors fija el color de taxones concretos (un vector con nombres, p. ej. c(Fusarium = "#E31A1C")), lo que mantiene el mismo color de un taxón entre figuras:

abundance_bar_plot(
    table = table_fung,
    metadata = metadata_fungi,
    x_col = "Treatment",
    facet_by = "Type_of_soil",
    add_remained = TRUE,
    label = "Genera",
    x_label_angle = 45,
    palette = "brewer"
)

abundance_bar_plot(
    table = table_fung,
    metadata = metadata_fungi,
    x_col = "Treatment",
    facet_by = "Type_of_soil",
    top_n = 10,
    add_remained = TRUE,
    label = "Genera",
    x_label_angle = 45,
    palette = "safe"
)

Heatmaps de abundancia

Nota que los archivos de entrada son los mismos que en la función anterior, y esto es consistente en todas las funciones de aquí en adelante.

Los parámetros condition1, condition2 y condition3 definen las tres variables de metadatos que se muestran como anotaciones horizontales encima del heatmap.
Se pueden especificar paletas de color personalizadas para cada anotación con colors_condition1, colors_condition2 y colors_condition3, respectivamente.
Los títulos de leyenda de estas anotaciones se pueden personalizar con name_legend_condition1, name_legend_condition2 y name_legend_condition3.

El argumento top_n controla el número de features más abundantes incluidos en el heatmap.
Si cluster = TRUE, las filas se agrupan jerárquicamente; si es FALSE, los features se ordenan por abundancia relativa decreciente.
El parámetro show_column_names determina si se muestran los nombres de las muestras en el heatmap.

Las etiquetas de fila por defecto son solo el número de rango del feature ("1", "2"…); feature_prefix antepone lo que corresponda a los datos — aquí "ASV", ya que los features de esta tabla son variantes de secuencia de amplicón (ASV) de QIIME2/DADA2.

Los nombres compuestos de SILVA de tres o más géneros se acortan al último género más “group” (por ejemplo, Allorhizobium-Neorhizobium-Pararhizobium-Rhizobium se muestra como “Rhizobium group”; los de dos géneros, como Escherichia-Shigella, se dejan completos), aquí y en los barplots, diagramas de Sankey y figuras de ALDEx2. Las demás etiquetas de más de max_label_length caracteres (por defecto 35) se cortan con “…”. Usa composite_names = FALSE para ver los nombres completos.

Los tipos de suelo conservan los colores Okabe-Ito que el paquete usa por defecto (aptos para daltonismo: Bulk soil naranja, Rhizosphere azul, Roots verde, Uncultivated amarillo). Para los tratamientos usamos colores de la paleta “Safe” (también apta para daltonismo), así las dos variables no comparten colores:

treatment_colors <- c(TC = "#CC6677", TD = "#332288", TED = "#999933")
abundance_heatmap_plot(
    table = table_bac,
    metadata = metadata_bacteria,
    top_n = 20,
    show_column_names = FALSE,
    condition1 = "Type_of_soil",
    condition2 = "Treatment",
    colors_condition2 = treatment_colors,
    feature_prefix = "ASV"
)

abundance_heatmap_plot(
    table = table_fung,
    metadata = metadata_fungi,
    top_n = 20,
    show_column_names = FALSE,
    condition1 = "Type_of_soil",
    condition2 = "Treatment",
    colors_condition2 = treatment_colors,
    feature_prefix = "ASV"
)

Diagrama de Sankey del flujo taxonómico

abundance_sankey_plot() visualiza cómo fluye la abundancia relativa a través de los rangos taxonómicos: de Reino a Especie, como un diagrama de Sankey interactivo. Es útil para tener una visión rápida de qué linajes dominan la comunidad.

El argumento taxRanks especifica qué rangos incluir como nodos, maxn limita el número de taxones conservados por rango, y taxonomy_db le indica a la función cómo están formateadas las cadenas de taxonomía (por ejemplo, "silva", "gg", "kraken2"). Esta función depende de networkD3, disponible en CRAN:

install.packages("networkD3")

⚠️ A diferencia de las demás funciones, esta no retorna un objeto ggplot sino un objeto interactivo sankeyNetwork (htmlwidget). Por defecto no escribe nada en disco; usa output_file (por ejemplo, output_file = "sankey_bacteria.html") para guardar el diagrama como archivo HTML.

sankey_bacteria <- abundance_sankey_plot(
    table       = table_bac,
    maxn        = 10,
    width       = 950,
    height      = 650,
    taxRanks    = c("P", "C", "O", "F", "G"),
    taxonomy_db = "silva"
)
sankey_bacteria

Diversidad alfa

La diversidad alfa describe la diversidad dentro de cada muestra individual. Con MicroBioMeta, la diversidad alfa se puede explorar con varias métricas distintas, como métricas clásicas tipo Chao y Simpson. Además, el paquete implementa funciones basadas en el marco de números de Hill (Chao et al. 2014; Li 2018), que ofrece una forma unificada de representar distintas unidades. Los números de Hill se parametrizan mediante el orden q, que regula el peso que se le da a la abundancia. Por ejemplo, q=0 corresponde a la riqueza de especies (número total de especies), q=1 al exponencial de la entropía de Shannon (especies frecuentes), y q=2 al inverso del índice de Simpson (especies dominantes).

Correlación entre números de Hill

La función alpha_hill_corr_plot() calcula los números de Hill para distintos órdenes (típicamente, 𝑞=0,1,2) y visualiza las correlaciones entre ellos mediante un gráfico de correlación, evaluando qué tan fuertemente se relacionan las métricas de diversidad de distintos órdenes con la profundidad de secuenciación.

Este es el primer paso antes de analizar las métricas de diversidad alfa.

Para las bacterias 🦠, podemos observar que en todos los órdenes de q hay una correlación fuerte con la profundidad de secuenciación. Cuando esto pasa, las diferencias de diversidad entre muestras pueden reflejar en parte diferencias en el esfuerzo de secuenciación, así que conviene tenerlo en cuenta (o rarefaccionar) antes de comparar grupos.

alpha_hill_corr_plot(table = table_bac)

Visualización de diversidad alfa

La función alpha_hill_plot() calcula los números de Hill y visualiza los patrones de diversidad alfa entre condiciones experimentales usando boxplots.

El parámetro x_col especifica la columna de metadatos usada en el eje x, mientras que fill_col controla el agrupamiento usado para colorear los boxplots.

El argumento facet_by permite dividir el gráfico según una variable de metadatos, y facet_orientation controla si las facetas se organizan horizontal o verticalmente.

Si save_table = TRUE, la función también guarda un archivo delimitado por tabuladores con los valores de diversidad alfa calculados para cada muestra.

alpha_hill_plot(
    table = table_bac,
    metadata = metadata_bacteria,
    x_col = "Treatment",
    fill_col = "Treatment",
    group_colors = treatment_colors,
    facet_by = "Type_of_soil",
    facet_orientation = "horizontal",
    save_table = FALSE
)

La misma función permite intercambiar el papel de las variables. Para los eucariontes microscópicos ponemos el compartimento de suelo en el eje x y separamos los paneles por tratamiento, lo que resalta cómo cambia la diversidad del suelo desnudo a las raíces dentro de cada tratamiento:

alpha_hill_plot(
    table = table_fung,
    metadata = metadata_fungi,
    x_col = "Type_of_soil",
    fill_col = "Type_of_soil",
    facet_by = "Treatment",
    facet_orientation = "horizontal",
    show_legend = FALSE,
    save_table = FALSE
)

palette define los colores de los grupos en alpha_hill_plot(), alpha_diversity_plot(), alpha_decay_plot(), beta_ord_plot() y beta_decay_plot(): "colorb" (por defecto, la paleta Okabe-Ito, apta para daltónicos), "safe" (la paleta “Safe” de CARTO, apta para daltónicos; como en rcartocolor::carto_pal(), con 3 a 11 grupos el último es gris), "earth" (la paleta “Earth” de CARTO, de café a azul verdoso; mejor para dos grupos o grupos ordenados, porque los colores intermedios son pálidos), "grey", "viridis" o "brewer". group_colors reemplaza a palette con tus propios colores. Aquí el ejemplo de eucariontes microscópicos de arriba con "safe":

alpha_hill_plot(
    table = table_fung,
    metadata = metadata_fungi,
    x_col = "Type_of_soil",
    fill_col = "Type_of_soil",
    facet_by = "Treatment",
    facet_orientation = "horizontal",
    show_legend = FALSE,
    palette = "safe"
)

También podemos visualizar otras métricas considerando índices clásicos de diversidad alfa:

alpha_diversity_plot(
    table = table_fung,
    metadata = metadata_fungi,
    x_col = "Treatment",
    fill_col = "Treatment",
    group_colors = treatment_colors,
    facet_by = "Type_of_soil",
    facet_orientation = "horizontal",
    stat = "anova",
    free_y = TRUE,
    save_table = FALSE
)

Cada panel se etiqueta automáticamente (A, B, C, …) para poder referenciarlo. Cuando se establece stat, también se agregan valores p a cada panel. "wilcox.test" o "t.test" comparan cada par de grupos, cada uno con su corchete, y corrigen los valores p por comparaciones múltiples dentro del panel con p_adjust_method (por defecto "holm"; "none" muestra los valores p sin corregir). "kruskal.test" o "anova" dan un solo valor p global por panel. Solo se dibujan las comparaciones significativas. panel_label_case alterna entre etiquetas en mayúsculas y minúsculas, panel_label_bold para etiquetas en negritas, y panel_labels te permite dar etiquetas personalizadas (por ejemplo c("(a)", "(b)", "(c)")) en vez de las generadas automáticamente. free_y permite que cada panel use su propia escala del eje y en vez de una compartida, como abajo:

alpha_diversity_plot(
    table = table_fung,
    metadata = metadata_fungi,
    x_col = "Treatment",
    fill_col = "Treatment",
    group_colors = treatment_colors,
    facet_by = "Type_of_soil",
    facet_orientation = "horizontal",
    stat = "anova",
    free_y = TRUE,
    x_label_angle = 45,
    panel_label_bold = FALSE,
    save_table = FALSE
)

Con facet_orientation = "vertical" los órdenes de Hill (q) van en filas y los grupos de facet_by en columnas:

alpha_hill_plot(
    table = table_fung,
    metadata = metadata_fungi,
    x_col = "Type_of_soil",
    fill_col = "Type_of_soil",
    facet_by = "Treatment",
    facet_orientation = "vertical",
    show_legend = FALSE,
    save_table = FALSE
)

Diversidad alfa a lo largo de un gradiente continuo

alpha_decay_plot() hace una regresión de los números de Hill contra una variable continua de los metadatos (por ejemplo, pH, elevación, distancia). Cada orden de Hill (q=0, 1, 2) tiene su propio panel con una línea de regresión y una anotación con el coeficiente de correlación (rho de Spearman por defecto), su valor p, y cuando show_lm_stats = TRUE, la R² y la pendiente del modelo lineal.

El parámetro cont_var nombra la columna continua de metadatos a ubicar en el eje x, y el argumento opcional group_col ajusta una línea de regresión separada por grupo en vez de una sola línea global.

Aquí usamos el pH del suelo como gradiente, restringido a Bulk soil y Rhizosphere para una comparación más limpia:

metadata_bacteria_decay <- metadata_bacteria %>%
    filter(Type_of_soil %in% c("Bulk soil", "Rhizosphere"))

alpha_decay_plot(
    table = table_bac,
    metadata = metadata_bacteria_decay,
    cont_var = "pH",
    group_col = "Type_of_soil",
    x_axis_title = "Soil pH"
)

Taxones compartidos entre grupos de muestras

Otra forma de explorar los patrones de diversidad alfa es examinando qué taxones son compartidos o exclusivos entre grupos de muestras. La función venn_plot() genera diagramas de Venn que resumen el traslape de taxones entre los grupos definidos en los metadatos.

Generamos un diagrama de Venn agrupando muestras según el tratamiento (TC, TD y TED).

venn_plot(
    table = table_fung,
    metadata = metadata_fungi,
    merge_by = "Treatment",
    min_prevalence = 0
)

Colapsar la tabla por nivel taxonómico

Las tablas de comunidades microbianas suelen generarse a nivel de ASV u OTU, lo que puede resultar en cientos o miles de features. Para la interpretación y visualización, suele ser útil agrupar estos features en un nivel taxonómico superior, como género.

La función collapse_table() realiza esta agregación agrupando los features que están en el mismo nivel de taxonomía y sumando sus conteos.

La función retorna una lista con dos elementos:

  • collapsed_table: una tabla de abundancia en formato ancho, donde las filas corresponden a los taxones colapsados en el nivel seleccionado y las columnas corresponden a las muestras.

  • long_format: la misma información en formato largo, útil para graficación o análisis estadísticos posteriores.

Por ejemplo, el siguiente código colapsa la tabla de abundancia de eucariontes microscópicos al nivel de género y hacemos un diagrama de Venn para visualizar los géneros compartidos.

table_genus <- collapse_table(
    table = table_fung,
    level = "genus"
)

venn_plot(
    table = table_genus$collapsed_table,
    metadata = metadata_fungi,
    merge_by = "Treatment"
)

Por defecto, collapse_table() retorna los conteos crudos sumados en el nivel taxonómico seleccionado. Sin embargo, los datos de comunidades microbianas suelen necesitar visualizarse o analizarse como abundancia relativa. Al establecer rel_abun = TRUE, los conteos de cada muestra se convierten en porcentajes, donde la abundancia total por muestra suma 100%.

Filtrar taxones por prevalencia

A veces es útil visualizar solo los taxones que ocurren frecuentemente dentro de cada grupo. Esto se puede hacer usando el parámetro min_prevalence.

Por ejemplo, el siguiente diagrama incluye solo los taxones presentes en al menos el 20% de las muestras dentro de cada grupo. El parámetro es 0 por defecto, lo que significa que no se aplica ningún filtro.

venn_plot(
    table = table_fung,
    metadata = metadata_fungi,
    merge_by = "Treatment",
    min_prevalence = 0.2
)

Personalizar los colores de los grupos

La función también permite colores personalizados para los grupos.

venn_plot(
    table = table_fung,
    metadata = metadata_fungi,
    merge_by = "Treatment",
    min_prevalence = 0,
    group_colors = treatment_colors
)

Método de graficación alternativo

Por defecto la función usa el paquete ggvenn, pero también puede generar el diagrama usando ggVennDiagram.

venn_plot(
    table = table_fung,
    metadata = metadata_fungi,
    merge_by = "Treatment",
    method = "ggvenndiagram"
)

Diversidad beta

La diversidad beta describe las diferencias en la composición y estructura de la comunidad entre muestras. Estos análisis ayudan a determinar si las comunidades microbianas varían según las condiciones ambientales, los tratamientos o los grupos experimentales, y cómo se agrupan o se separan.

MicroBioMeta tiene varias funciones para explorar la diversidad beta, incluyendo gráficos de ordenación, pruebas estadísticas de diferencias entre comunidades, y enfoques de partición que separan los componentes compartidos y exclusivos de la diversidad. Estas funciones permiten tanto la exploración visual como pruebas de hipótesis formales.

Ordenación de la composición de la comunidad

La función beta_ord_plot() calcula las disimilitudes pareadas entre muestras y visualiza los resultados usando un método de ordenación. Por defecto, la función usa métricas de distancia ecológicas comunes (por ejemplo, Bray–Curtis o Euclidiana) y técnicas de reducción de dimensionalidad como PCoA, PCA o NMDS. Para tener en cuenta la naturaleza composicional de los datos, se pueden usar las distancias aitchison y compositional. compositional usa la transformación clr (log-razón centrada) implementada por el paquete ALDEx2.

El parámetro group_col especifica la columna de metadatos usada para colorear las muestras, mientras que shape_col permite mostrar una variable adicional de metadatos usando distintas formas de punto.

El argumento distance define la métrica de disimilitud usada para calcular la diversidad beta (por ejemplo, bray, jaccard, aitchison, etc.), y ordination (opciones: PCA, PCoA o NMDS) especifica el método de ordenación aplicado para visualizar las distancias entre muestras.

⚠️ NOTA: distance = "compositional" usa una de las instancias Monte Carlo que ALDEx2 genera al azar, así que el resultado cambia un poco en cada corrida. Si quieres obtener siempre el mismo resultado, se sugiere correr set.seed() antes de la función, como en los ejemplos de abajo. Lo mismo aplica a beta_test_table(distance = "compositional"), a las funciones de ALDEx2 y a los p-valores de cca_rda_biplot(). Por defecto (mc_samples = 1) se usa una sola instancia, lo que es rápido; para los análisis finales se sugiere mc_samples = 128 (el valor por defecto de ALDEx2), que promedia los valores clr de 128 instancias y da casi el mismo resultado en cada corrida, aunque tarda más.

set.seed(123)
beta_ord_plot(
    table = table_bac,
    metadata = metadata_bacteria,
    distance = "compositional",
    mc_samples = 128,
    ordination = "PCA",
    group_col = "Type_of_soil",
    shape_col = "Treatment"
)

Para los eucariontes microscópicos usamos otra combinación: la distancia de Aitchison (distancia euclidiana entre abundancias transformadas con clr, con un pseudoconteo de 0.5 para los ceros), que respeta la naturaleza composicional de los datos, con una ordenación NMDS. NMDS parte de configuraciones al azar, así que aquí también se usa set.seed():

set.seed(123)
beta_ord_plot(
    table = table_fung,
    metadata = metadata_fungi,
    group_col = "Type_of_soil",
    shape_col = "Treatment",
    distance = "aitchison",
    ordination = "NMDS"
)
## Run 0 stress 0.1631777 
## Run 1 stress 0.1747676 
## Run 2 stress 0.1788677 
## Run 3 stress 0.1724494 
## Run 4 stress 0.174368 
## Run 5 stress 0.1751198 
## Run 6 stress 0.1613992 
## ... New best solution
## ... Procrustes: rmse 0.02957683  max resid 0.2284652 
## Run 7 stress 0.1728812 
## Run 8 stress 0.1675984 
## Run 9 stress 0.1706965 
## Run 10 stress 0.1631796 
## Run 11 stress 0.1738474 
## Run 12 stress 0.1735345 
## Run 13 stress 0.180774 
## Run 14 stress 0.1717278 
## Run 15 stress 0.1723691 
## Run 16 stress 0.1756675 
## Run 17 stress 0.1695155 
## Run 18 stress 0.1709421 
## Run 19 stress 0.1731061 
## Run 20 stress 0.1712802 
## Run 21 stress 0.1800891 
## Run 22 stress 0.1695798 
## Run 23 stress 0.1725928 
## Run 24 stress 0.1768395 
## Run 25 stress 0.1769576 
## Run 26 stress 0.1713124 
## Run 27 stress 0.1733208 
## Run 28 stress 0.1769959 
## Run 29 stress 0.1718878 
## Run 30 stress 0.1724497 
## Run 31 stress 0.1738618 
## Run 32 stress 0.16561 
## Run 33 stress 0.1767856 
## Run 34 stress 0.1808511 
## Run 35 stress 0.1678102 
## Run 36 stress 0.1787447 
## Run 37 stress 0.1677597 
## Run 38 stress 0.1785802 
## Run 39 stress 0.1729088 
## Run 40 stress 0.1640917 
## Run 41 stress 0.1726657 
## Run 42 stress 0.1644402 
## Run 43 stress 0.1723528 
## Run 44 stress 0.1774955 
## Run 45 stress 0.1724814 
## Run 46 stress 0.1694897 
## Run 47 stress 0.1746428 
## Run 48 stress 0.1630726 
## Run 49 stress 0.1773036 
## Run 50 stress 0.1738002 
## Run 51 stress 0.1662302 
## Run 52 stress 0.1733641 
## Run 53 stress 0.1745676 
## Run 54 stress 0.175421 
## Run 55 stress 0.1778171 
## Run 56 stress 0.1747699 
## Run 57 stress 0.168567 
## Run 58 stress 0.1766613 
## Run 59 stress 0.174107 
## Run 60 stress 0.1765053 
## Run 61 stress 0.1747332 
## Run 62 stress 0.1643157 
## Run 63 stress 0.1734078 
## Run 64 stress 0.1769872 
## Run 65 stress 0.161399 
## ... New best solution
## ... Procrustes: rmse 0.0001168501  max resid 0.0008224879 
## ... Similar to previous best
## *** Best solution repeated 1 times
## Coordinate system already present.
## ℹ Adding new coordinate system, which will replace the existing one.

Las mismas opciones de palette sirven para la ordenación. Con "earth" y dos grupos (aquí solo rizósfera y raíces) las muestras salen en café y azul verdoso:

set.seed(123)
two_soils <- metadata_fungi[metadata_fungi$Type_of_soil %in% c("Rhizosphere", "Roots"), ]
beta_ord_plot(
    table = table_fung,
    metadata = two_soils,
    group_col = "Type_of_soil",
    shape_col = "Treatment",
    distance = "aitchison",
    ordination = "NMDS",
    palette = "earth"
)
## 24 sample(s) of the table are not in metadata and were left out: 2.15NR, 2.3NR, 3.4NR, 5.8NR, 4.12NR, 6.16NR, ...
## Run 0 stress 0.1613579 
## Run 1 stress 0.167936 
## Run 2 stress 0.1741998 
## Run 3 stress 0.1586655 
## ... New best solution
## ... Procrustes: rmse 0.05735529  max resid 0.2141165 
## Run 4 stress 0.1752963 
## Run 5 stress 0.1702012 
## Run 6 stress 0.1572048 
## ... New best solution
## ... Procrustes: rmse 0.03486978  max resid 0.1965548 
## Run 7 stress 0.1641706 
## Run 8 stress 0.178726 
## Run 9 stress 0.1572043 
## ... New best solution
## ... Procrustes: rmse 0.0002054122  max resid 0.001020204 
## ... Similar to previous best
## Run 10 stress 0.1703991 
## Run 11 stress 0.1774032 
## Run 12 stress 0.1715792 
## Run 13 stress 0.1586654 
## Run 14 stress 0.1615929 
## Run 15 stress 0.1635535 
## Run 16 stress 0.1764619 
## Run 17 stress 0.1745564 
## Run 18 stress 0.1718304 
## Run 19 stress 0.1572043 
## ... Procrustes: rmse 0.000198919  max resid 0.0009162075 
## ... Similar to previous best
## Run 20 stress 0.1571698 
## ... New best solution
## ... Procrustes: rmse 0.03217919  max resid 0.1959502 
## Run 21 stress 0.1739316 
## Run 22 stress 0.1641683 
## Run 23 stress 0.1639571 
## Run 24 stress 0.1769227 
## Run 25 stress 0.175224 
## Run 26 stress 0.1675499 
## Run 27 stress 0.1680774 
## Run 28 stress 0.3974775 
## Run 29 stress 0.1737917 
## Run 30 stress 0.1750785 
## Run 31 stress 0.1607813 
## Run 32 stress 0.1609478 
## Run 33 stress 0.1700308 
## Run 34 stress 0.1795983 
## Run 35 stress 0.1571699 
## ... Procrustes: rmse 0.0001752981  max resid 0.0008364405 
## ... Similar to previous best
## *** Best solution repeated 1 times
## Coordinate system already present.
## ℹ Adding new coordinate system, which will replace the existing one.

Pruebas estadísticas para diversidad beta

La función beta_test_table() realiza pruebas estadísticas para evaluar si la composición de la comunidad difiere entre grupos experimentales.

El argumento formula_str especifica el diseño experimental usando una sintaxis de fórmula similar a la de los modelos lineales en R, o como se usa en el paquete vegan (Oksanen et al. 2024). El parámetro distance define la métrica de distancia usada para calcular las disimilitudes, y el argumento test especifica la prueba estadística (opciones: PERMANOVA (Anderson 2001) o BETADISPER).

El parámetro permutations determina el número de permutaciones usadas para estimar la significancia estadística. strata_var se usa, como en el paquete vegan, para bloquear un parámetro. La primera columna de metadata debe tener los IDs de las muestras. Las funciones nunca emparejan las muestras por posición: las filas de la metadata se emparejan con la tabla por ID (y se reordenan si hace falta, con un mensaje), las muestras que no están en la metadata se dejan fuera con un mensaje, y la función se detiene si ningún ID coincide. Esto aplica a las funciones que hacen PERMANOVA, betadisper, ALDEx2, CCA/RDA o random forest. table también puede ser una distancia ya calculada (por ejemplo, de vegan::vegdist()), que se usa tal cual.

⚠️ NOTA: Cada función tiene la opción save_table, que guarda los valores detrás del gráfico en un archivo delimitado por tabuladores.

distance coincide con la ordenación de cada conjunto de datos de arriba (compositional para bacterias, aitchison para eucariontes microscópicos), de modo que la prueba de significancia evalúa la misma noción de disimilitud que se muestra en el gráfico.

El resultado es una figura de la tabla (un ggplot), así que se puede combinar con otros gráficos (p. ej. cowplot::plot_grid()) o guardar con ggplot2::ggsave(). Usa save_table = TRUE para obtener también los resultados en un archivo de texto.

set.seed(123)
beta_test_table(
    table = table_bac,
    metadata = metadata_bacteria,
    formula_str = "Type_of_soil*Treatment",
    distance = "compositional",
    mc_samples = 128,
    test = "permanova",
    permutations = 999
)
## no conditions provided: forcing denom = 'all'
## no conditions provided: forcing conds = 'NA'
## conditions vector supplied
## operating in serial mode
## computing center with all features

set.seed(123)
beta_test_table(
    table = table_fung,
    metadata = metadata_fungi,
    formula_str = "Type_of_soil*Treatment",
    distance = "aitchison",
    test = "permanova",
    permutations = 999
)

Partición de la diversidad beta

La diversidad beta también puede descomponerse en distintos componentes. La función beta_partition_ord_plot() divide la diversidad beta en los componentes de recambio (turnover) y anidamiento (nestedness) según índices de disimilitud seleccionados (Baselga and Orme 2012).

El argumento family especifica la familia de índices de disimilitud usada para la partición (por ejemplo, Jaccard o Sørensen). Los parámetros group_col y shape_col definen cómo se visualizan las muestras según variables de metadatos.

beta_partition_ord_plot(
    table = table_bac,
    metadata = metadata_bacteria,
    family = "jaccard",
    group_col = "Type_of_soil",
    shape_col = "Treatment",
    save_table = FALSE
)

beta_partition_ord_plot(
    table = table_fung,
    metadata = metadata_fungi,
    family = "jaccard",
    group_col = "Type_of_soil",
    shape_col = "Treatment",
    save_table = FALSE
)

Visualización pareada de diversidad beta

La función beta_dissimilarity_plot() resume los valores pareados de diversidad beta usando boxplots, permitiendo comparar los patrones de diversidad entre grupos de muestras. Esta función usa betapart sobre datos de incidencia (presencia/ausencia), con el índice de Sørensen o Jaccard: shared, turnover o nestedness.

Los parámetros condition1_col y condition2_col especifican las variables de metadatos usadas para definir los grupos que se comparan. condition2_col separa las comparaciones en facetas: cada faceta conserva solo pares de muestras con el mismo valor (por ejemplo, las dos muestras del tratamiento TC), así que no se mezclan tratamientos. El argumento partition determina qué componente de la diversidad beta se muestra ("shared", "turnover" o "nestedness"), mientras que family define el índice de disimilitud usado.

Por defecto, beta_dissimilarity_plot() conserva todas las combinaciones pareadas posibles de condition1_col, incluyendo un grupo comparado consigo mismo (por ejemplo "Roots_vs_Roots"). El argumento comparison_condition1 restringe el gráfico a etiquetas específicas "value1_vs_value2" (los dos valores ordenados alfabéticamente y unidos con "_vs_"). Aquí construimos esa lista programáticamente para conservar solo las comparaciones de cada otro compartimento contra Roots, descartando las autocomparaciones:

groups_bac <- setdiff(unique(as.character(metadata_bacteria$Type_of_soil)), "Roots")
vs_roots_bac <- paste0(pmin(groups_bac, "Roots"), "_vs_", pmax(groups_bac, "Roots"))
# each comparison takes the color of the group compared with Roots
vs_roots_colors <- c(
    "Bulk soil_vs_Roots" = "#E69F00",
    "Rhizosphere_vs_Roots" = "#56B4E9",
    "Roots_vs_Uncultivated" = "#F0E442"
)
vs_roots_bac
## [1] "Rhizosphere_vs_Roots"  "Bulk soil_vs_Roots"    "Roots_vs_Uncultivated"

Igual que en los gráficos de diversidad alfa, x_label_angle rota las etiquetas del eje x (por defecto 0), strip_text_bold activa/desactiva las negritas de los títulos de faceta (por defecto FALSE), y aspect_ratio fija la relación alto/ancho del panel. Igual que en los gráficos alfa, stat (por ejemplo "wilcox.test", "kruskal.test", "anova") agrega una comparación estadística entre los boxplots de cada faceta, por pares o global y con p_adjust_method, igual que en los gráficos alfa.

Si save_table = TRUE, la función también guarda un archivo delimitado por tabuladores con los valores de diversidad beta usados para generar el gráfico.

beta_dissimilarity_plot(
    table = table_bac,
    metadata = metadata_bacteria,
    comparison_condition1 = vs_roots_bac,
    group_colors = vs_roots_colors,
    condition1_col = "Type_of_soil",
    condition2_col = "Treatment",
    x_axis_title = "Samples",
    show_x_labels = FALSE,
    stat = "kruskal.test",
    partition = "shared",
    family = "jaccard",
    save_table = FALSE
)

Para los eucariontes microscópicos vemos otro componente: partition = "turnover" conserva solo el reemplazo de taxones entre muestras (no las diferencias debidas a que una muestra tenga un subconjunto de los taxones de la otra), aquí con la familia Sørensen:

groups_fung <- setdiff(unique(as.character(metadata_fungi$Type_of_soil)), "Roots")
vs_roots_fung <- paste0(pmin(groups_fung, "Roots"), "_vs_", pmax(groups_fung, "Roots"))
beta_dissimilarity_plot(
    table = table_fung,
    metadata = metadata_fungi,
    comparison_condition1 = vs_roots_fung,
    group_colors = vs_roots_colors,
    condition1_col = "Type_of_soil",
    condition2_col = "Treatment",
    x_axis_title = "Samples",
    show_x_labels = FALSE,
    stat = "kruskal.test",
    partition = "turnover",
    family = "sorensen",
    save_table = FALSE
)

Recambio pareado (turnover): entre grupos vs. dentro del grupo

beta_turnover_plot() reporta el componente de recambio (ASV turnover) de la diversidad beta basada en números de Hill (q=0, 1, 2), con una fila de faceta por orden de Hill.

beta_turnover_plot() responde una pregunta distinta a la de beta_dissimilarity_plot(): para un grupo de referencia (por ejemplo, Rhizosphere), ¿es su recambio contra otro grupo (por ejemplo, Roots, una comparación entre grupos) mayor que su recambio contra sí mismo (pares Rhizosphere-vs-Rhizosphere, una línea base dentro del grupo)? Si el recambio entre grupos es significativamente mayor, eso es evidencia de que los dos compartimentos realmente albergan comunidades distintas, más allá de la variabilidad ya presente entre réplicas del mismo compartimento.

Así que el gráfico de abajo tiene una franja morada arriba (este color se puede configurar) por cada tratamiento (TC, TD, TED: solo se da condition2_col, así que cada faceta conserva los pares de muestras de ese mismo tratamiento) y, dentro de cada una, dos cajas: “Rhizosphere_vs_Roots” (entre grupos) y “Rhizosphere_vs_Rhizosphere” (la línea base dentro del grupo). Los nombres en group_colors deben coincidir exactamente con estas etiquetas de comparación; si no, las cajas salen grises (la función avisa).

comparison_condition1 selecciona qué combinaciones "valor1_vs_valor2" conservar, siempre con el grupo de referencia (Rhizosphere) primero. comparison_condition2 conserva solo los pares del mismo tratamiento, para que el recambio no se confunda al comparar muestras de tratamientos distintos. Si solo se da condition2_col (sin comparison_condition2), se hace lo mismo para todos los tratamientos: se conservan los pares del mismo tratamiento y se faceta por tratamiento.

facet_colors colorea las franjas de faceta superiores (una por par de comparison_condition2) y group_colors colorea las cajas (una por par de comparison_condition1). Las etiquetas del eje están ocultas por defecto ya que los grupos ya están identificados en la leyenda. Establece show_x_labels = TRUE para mostrarlas de nuevo. stat agrega una comparación estadística entre las cajas de cada faceta, como en beta_dissimilarity_plot().

beta_turnover_plot(
    table = table_fung,
    metadata = metadata_fungi,
    comparison_condition1 = c("Rhizosphere_vs_Roots", "Rhizosphere_vs_Rhizosphere"),
    condition1_col = "Type_of_soil",
    condition2_col = "Treatment",
    facet_colors = "#5D478B",
    group_colors = c(
        "Rhizosphere_vs_Roots" = "#56B4E9",
        "Rhizosphere_vs_Rhizosphere" = "grey75"
    ),
    stat = "wilcox.test"
)

Decaimiento de la similitud comunitaria con la distancia

La función beta_decay_plot() evalúa si las comunidades geográficamente más cercanas también son más similares en composición. Calcula la disimilitud comunitaria pareada (distance, por ejemplo "jaccard", "bray", "horn") y las distancias geográficas pareadas a partir de las coordenadas de las muestras, corre una prueba de Mantel (Mantel 1967) entre ambas, y grafica la similitud (1 − disimilitud) contra la distancia con una línea de regresión ajustada.

lat_col/lon_col nombran las columnas de latitud/longitud en metadata (en grados digits), y el argumento opcional group_col corre una prueba de Mantel y una línea de regresión separadas por grupo, en vez de una sola prueba global.

Construimos datos de ejemplo para esta parte:

loc_coords <- data.frame(
    Loc = 0:8,
    lat = 19.0 + seq(0, 0.8, length.out = 9),
    lon = -99.0 + seq(0, 0.8, length.out = 9)
)
metadata_bacteria$lat <- loc_coords$lat[match(metadata_bacteria$Loc, loc_coords$Loc)]
metadata_bacteria$lon <- loc_coords$lon[match(metadata_bacteria$Loc, loc_coords$Loc)]

# filtrando uncultivated
metadata_bacteria_decay <- metadata_bacteria %>%
    filter(Type_of_soil != "Uncultivated")
beta_decay_plot(
    table     = table_bac,
    metadata  = metadata_bacteria_decay,
    lat_col   = "lat",
    lon_col   = "lon",
    distance  = "jaccard",
    group_col = "Type_of_soil"
)

Análisis de abundancia diferencial

MicroBioMeta tiene varias funciones para explorar taxones diferencialmente abundantes. Estos análisis ayudan a identificar features microbianos que varían significativamente entre grupos experimentales.

Dos funciones se apoyan en el marco de análisis de datos composicionales implementado en el paquete ALDEx2 (Fernandes et al. 2014), que tiene en cuenta la naturaleza composicional de los datos de secuenciación (Gloor et al. 2017) usando instancias de Monte Carlo Dirichlet y transformaciones log-razón centradas. Una tercera usa ANCOM-BC2 (Lin and Peddada 2024), del paquete ANCOMBC, un método alternativo de abundancia diferencial que modela explícitamente el sesgo composicional y los ceros estructurales.

Las funciones:

  • aldex_volcano_plot() visualiza los resultados de abundancia diferencial usando un volcano plot.

  • aldex_heatmap_plot() visualiza los taxones significativos en un heatmap.

  • ancombc_plot() retorna un gráfico de barras (cuando hay 2 grupos) y un heatmap (cuando hay 3 o más grupos).

Adicionalmente, dos enfoques complementarios ayudan a identificar taxones importantes que discriminan entre grupos:

  • ratios_bubble_plot() visualiza taxones basándose en diferencias log-razón entre condiciones.

  • random_forest_lollipop_plot() usa un modelo Random Forest (Breiman 2001) para identificar los features que mejor predicen una variable o condición dada, visualizado como un gráfico de lollipop de importancia de features.

Ejemplo: datos de bacterias

Primero, conservamos solo dos compartimentos de suelo, Bulk soil y Roots, ya que las funciones de ALDEx2 comparan dos grupos.

metadata_bacteria_compar <- metadata_bacteria %>%
    filter(Type_of_soil == "Roots" | Type_of_soil == "Bulk soil")

table_bacteria_compar <- table_bacteria[match(metadata_bacteria_compar$SAMPLEID, colnames(table_bacteria))]

table_bac_compar <- merge_feature_taxonomy(table_bacteria_compar, taxonomy_bacteria)
## Warning in merge_feature_taxonomy(table_bacteria_compar, taxonomy_bacteria): 83
## taxonomy IDs are not present in the table and will be excluded from the result.

Podemos visualizar la abundancia diferencial usando un volcano plot. Los taxones significativos se etiquetan con su nombre; label_size controla el tamaño de fuente de estas etiquetas, y filter_uncultured = TRUE descarta los taxones “uncultured”/“unculture” de las etiquetas (aunque igual se grafican como puntos, solo no se etiquetan). Por defecto la significancia usa el valor p ajustado por Benjamini-Hochberg (p_adjust_method = "BH"), porque se prueban miles de taxones a la vez. Entre el suelo y las raíces muchos taxones siguen siendo significativos después de la corrección (puntos de color); con p_adjust_method = "none" se usaría el valor p sin corregir.

set.seed(123)
aldex_volcano_plot(
    table = table_bac_compar,
    metadata = metadata_bacteria_compar,
    group_col = "Type_of_soil",
    type = "volcano",
    label_size = 3,
    filter_uncultured = TRUE
)

ANCOMBC2 como método alternativo

ancombc_plot() ofrece una alternativa a las funciones basadas en ALDEx2 de arriba. Esta función depende del paquete de Bioconductor ANCOMBC:

# install.packages("BiocManager")
BiocManager::install("ANCOMBC")

level agrupa la tabla a un rango taxonómico antes de la prueba (por defecto "Genus"), y p_adjust_method/min_prevalence controlan la corrección por pruebas múltiples y el filtro de prevalencia.

Con dos grupos el resultado es un gráfico de barras: una barra por taxón significativo con su log fold change (LFC) entre los dos grupos y su error estándar, coloreada según el grupo donde el taxón es más abundante. El grupo de referencia es el primer nivel de group_col (aquí Bulk soil), así que los valores positivos indican mayor abundancia en Roots. Aquí min_prevalence = 0.5 conserva los phyla presentes en al menos la mitad de las muestras.

⚠️ Con un min_prevalence bajo, los taxones raros o dispersos pueden disparar un error "Zero variances have been detected..." en el paso interno de corrección de sesgo de ANCOMBC2 en algunas corridas (no siempre ocurre, depende de qué taxones conserve la iteración de bootstrap en turno). Subir min_prevalence filtra esos taxones dispersos antes de la prueba y evita el error.

ancombc_plot(
    table = table_bac_compar,
    metadata = metadata_bacteria_compar,
    group_col = "Type_of_soil",
    level = "Phylum",
    min_prevalence = 0.5,
    p_adjust_method = "BH"
)

Con 3 o más grupos, ancombc_plot() retorna en cambio un heatmap: una columna por grupo comparado contra el nivel de referencia (el primer nivel del factor, aquí Bulk soil; se puede cambiar con ref_level), y una fila por cada taxón significativo en al menos una comparación. Aquí mantenemos los tres compartimentos (quitando Uncultivated) y agrupamos a "Phylum" para que el heatmap sea legible:

metadata_bacteria_3 <- metadata_bacteria %>%
    filter(Type_of_soil != "Uncultivated")

table_bac_3 <- table_bac[, c(match(metadata_bacteria_3$SAMPLEID, colnames(table_bac)), ncol(table_bac))]

ancombc_plot(
    table           = table_bac_3,
    metadata        = metadata_bacteria_3,
    group_col       = "Type_of_soil",
    level           = "Phylum",
    min_prevalence  = 0.3,
    p_adjust_method = "holm"
)

Cómo leer el heatmap: cada columna es un grupo comparado con el de referencia (aquí Rhizosphere vs Bulk soil y Roots vs Bulk soil), y cada fila es un taxón. El color y el número de cada celda son el log fold change (LFC, logaritmo natural) estimado por ANCOMBC2: los valores positivos (naranja) indican que el taxón es más abundante en ese grupo que en el suelo (Bulk soil), los negativos (azul) que es menos abundante, y el blanco que no cambia. Por ejemplo, un LFC de 1 equivale a unas 2.7 veces más abundante (e1), y uno de -1 a unas 2.7 veces menos. Un taxón aparece si es significativo en al menos una de las comparaciones, así que una celda puede tener color aunque esa comparación en particular no sea significativa; con save_table = TRUE se guardan el valor p ajustado (q_) y la significancia (diff_) de cada comparación.

Ejemplo: datos de eucariontes microscópicos

Seguimos el mismo procedimiento, comparando Bulk soil y Roots, pero visualizamos los resultados con un heatmap. Esta función usa ComplexHeatmap (Gu et al. 2016).

metadata_fungi_compar <- metadata_fungi %>%
    filter(Type_of_soil == "Bulk soil" | Type_of_soil == "Roots")

table_fungi_compar <- table_fung[match(metadata_fungi_compar$SAMPLEID, colnames(table_fung))]

table_fung_compar <- merge_feature_taxonomy(table_fungi_compar, taxonomy_fungi)
## Warning in merge_feature_taxonomy(table_fungi_compar, taxonomy_fungi): 17
## taxonomy IDs are not present in the table and will be excluded from the result.

Como en el volcano plot, por defecto el heatmap conserva los taxones con un valor p ajustado por Benjamini-Hochberg menor a 0.05 (pval_threshold = 0.05, p_adjust_method = "BH"); effect_threshold permite además filtrar por tamaño del efecto. Cada fila muestra los valores clr medianos por grupo, con anotaciones laterales para el tamaño del efecto, la clase de valor p y la diferencia entre grupos:

set.seed(123)
aldex_heatmap_plot(
    table = table_fung_compar,
    metadata = metadata_fungi_compar,
    group_col = "Type_of_soil"
)

Identificando taxones importantes

Las funciones random_forest_lollipop_plot() y ratios_bubble_plot() también se pueden usar para resaltar los taxones que más contribuyen a las diferencias observadas entre condiciones.

Por ejemplo, un modelo Random Forest puede usarse para identificar los taxones que mejor predicen el compartimento de suelo:

random_forest_lollipop_plot(
    table = table_bac,
    metadata = metadata_bacteria,
    top_n = 10,
    variable_to_predict = "Type_of_soil"
)

Alternativamente, los taxones con las diferencias log-razón más fuertes entre dos condiciones pueden visualizarse con:

ratios_bubble_plot(
    table = table_fung_compar,
    metadata = metadata_fungi_compar,
    group_col = "Type_of_soil",
    top_n = 20,
    condition_A = "Roots",
    condition_B = "Bulk soil"
)

Análisis ambientales

MicroBioMeta ofrece dos funciones para explorar la relación entre variables ambientales y la composición de la comunidad microbiana:

  • corr_env_abund_plot() — calcula correlaciones entre la abundancia taxonómica y variables ambientales.

  • cca_rda_biplot() — realiza una ordenación restringida usando Análisis de Correspondencia Canónica (CCA) o Análisis de Redundancia (RDA).

Eligiendo las variables ambientales

Las variables ambientales se leen directamente de los metadatos (una columna por variable), así que no hace falta una tabla aparte: basta con pasar en env_vars los nombres de las columnas a usar. Si tus variables están en otra tabla, pásala en env_data (filas = muestras, como nombres de fila). Aquí usamos las variables fisicoquímicas del suelo:

env_vars_fung <- c("pH", "Silt", "WHC", "TN", "EC", "Sand", "Clay")

Correlación entre variables ambientales y abundancia taxonómica

La función corr_env_abund_plot() calcula correlaciones entre variables ambientales y abundancias relativas taxonómicas en un nivel taxonómico seleccionado, y retorna un heatmap de correlación que muestra cómo se relacionan las variables ambientales con las abundancias taxonómicas.

Ejemplo usando abundancias a nivel de phylum:

corr_env_abund_plot(
    table = table_fung,
    metadata = metadata_fungi,
    env_vars = env_vars_fung,
    level = "phylum",
    save_table = FALSE
)

Visualización alternativa

Las correlaciones también pueden mostrarse usando marcadores circulares en vez de celdas:

corr_env_abund_plot(
    table = table_fung,
    metadata = metadata_fungi,
    env_vars = env_vars_fung,
    level = "phylum",
    save_table = FALSE,
    geom = "circle"
)

Ordenación restringida (CCA / RDA)

La función cca_rda_biplot() realiza un análisis de ordenación restringida para evaluar cómo las variables ambientales explican la variación en la composición de la comunidad microbiana.

scale_arrows es un parámetro que te ayuda a visualizar mejor los vectores ambientales:

cca_rda_biplot(
    table = table_fung,
    metadata = metadata_fungi,
    env_vars = c("pH", "TN", "WHC", "EC", "Clay"),
    analysis = "RDA",
    show_all_env_vectors = TRUE,
    group_col = "Type_of_soil",
    scale_arrows = 3
)
## 
## Some constraints or conditions were aliased because they were redundant. This
## can happen if terms are constant or linearly dependent (collinear): 'WHC',
## 'EC', 'Clay'

Este análisis produce un biplot donde:

  • Los puntos representan muestras

  • Los colores indican los grupos de muestras definidos en los metadatos.

  • Las flechas representan las variables ambientales y su dirección de influencia sobre la estructura de la comunidad.

  • Los vectores ambientales que apuntan en direcciones similares indican asociaciones positivas, mientras que los vectores que apuntan en direcciones opuestas sugieren relaciones negativas

Referencias

Anderson, Marti J. 2001. “A New Method for Non-Parametric Multivariate Analysis of Variance.” Austral Ecology 26 (1): 32–46. https://doi.org/10.1111/j.1442-9993.2001.01070.pp.x.
Baselga, Andrés, and C. David L. Orme. 2012. “betapart: An R Package for the Study of Beta Diversity.” Methods in Ecology and Evolution 3 (5): 808–12. https://doi.org/10.1111/j.2041-210X.2012.00224.x.
Bisanz, Jordan E. 2018. qiime2R: Importing QIIME2 Artifacts and Associated Data into R Sessions. https://github.com/jbisanz/qiime2R.
Bolyen, Evan, Jai Ram Rideout, Matthew R. Dillon, et al. 2019. “Reproducible, Interactive, Scalable and Extensible Microbiome Data Science Using QIIME 2.” Nature Biotechnology 37 (8): 852–57. https://doi.org/10.1038/s41587-019-0209-9.
Breiman, Leo. 2001. “Random Forests.” Machine Learning 45 (1): 5–32. https://doi.org/10.1023/A:1010933404324.
Chao, Anne, Nicholas J. Gotelli, T. C. Hsieh, et al. 2014. “Rarefaction and Extrapolation with Hill Numbers: A Framework for Sampling and Estimation in Species Diversity Studies.” Ecological Monographs 84 (1): 45–67. https://doi.org/10.1890/13-0133.1.
Fernandes, Andrew D., Jennifer N. S. Reid, Jean M. Macklaim, Thomas A. McMurrough, David R. Edgell, and Gregory B. Gloor. 2014. “Unifying the Analysis of High-Throughput Sequencing Datasets: Characterizing RNA-Seq, 16S rRNA Gene Sequencing and Selective Growth Experiments by Compositional Data Analysis.” Microbiome 2: 15. https://doi.org/10.1186/2049-2618-2-15.
Gloor, Gregory B., Jean M. Macklaim, Vera Pawlowsky-Glahn, and Juan J. Egozcue. 2017. “Microbiome Datasets Are Compositional: And This Is Not Optional.” Frontiers in Microbiology 8: 2224. https://doi.org/10.3389/fmicb.2017.02224.
Gu, Zuguang, Roland Eils, and Matthias Schlesner. 2016. “Complex Heatmaps Reveal Patterns and Correlations in Multidimensional Genomic Data.” Bioinformatics 32 (18): 2847–49. https://doi.org/10.1093/bioinformatics/btw313.
Li, Daijiang. 2018. “hillR: Taxonomic, Functional, and Phylogenetic Diversity and Similarity Through Hill Numbers.” Journal of Open Source Software 3 (31): 1041. https://doi.org/10.21105/joss.01041.
Lin, Huang, and Shyamal Das Peddada. 2024. “Multigroup Analysis of Compositions of Microbiomes with Covariate Adjustments and Repeated Measures.” Nature Methods 21 (1): 83–91. https://doi.org/10.1038/s41592-023-02092-7.
Mantel, Nathan. 1967. “The Detection of Disease Clustering and a Generalized Regression Approach.” Cancer Research 27 (2): 209–20.
Oksanen, Jari, Gavin L. Simpson, F. Guillaume Blanchet, et al. 2024. Vegan: Community Ecology Package. https://CRAN.R-project.org/package=vegan.

Información de la sesión

sessionInfo()
## R version 4.6.2 (2026-10-29)
## Platform: x86_64-pc-linux-gnu
## Running under: Ubuntu 26.04.1 LTS
## 
## Matrix products: default
## BLAS:   /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so.3 
## LAPACK: /usr/lib/x86_64-linux-gnu/openblas-pthread/libopenblasp-r0.3.32.so;  LAPACK version 3.12.0
## 
## locale:
##  [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
##  [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
##  [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       
## 
## time zone: Etc/UTC
## tzcode source: system (glibc)
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
##  [1] doRNG_1.8.6.3       rngtools_1.5.2      foreach_1.5.2      
##  [4] lubridate_1.9.5     forcats_1.0.1       stringr_1.6.0      
##  [7] dplyr_1.2.1         purrr_1.2.2         readr_2.2.0        
## [10] tidyr_1.3.2         tibble_3.3.1        ggplot2_4.0.4      
## [13] tidyverse_2.0.0     MicroBioMeta_0.99.0 rmarkdown_2.32     
## 
## loaded via a namespace (and not attached):
##   [1] fs_2.1.0                    matrixStats_1.5.0          
##   [3] httr_1.4.9                  betapart_1.6.1             
##   [5] RColorBrewer_1.1-3          doParallel_1.0.17          
##   [7] numDeriv_2016.8-1.1         tools_4.6.2                
##   [9] backports_1.5.1             R6_2.6.1                   
##  [11] vegan_2.7-8                 mgcv_1.9-5                 
##  [13] GetoptLong_1.1.1            permute_0.10-1             
##  [15] withr_3.0.3                 gridExtra_2.3.1            
##  [17] cli_3.6.6                   Biobase_2.73.2             
##  [19] sandwich_3.1-3              labeling_0.4.3             
##  [21] sass_0.4.10                 mvtnorm_1.4-2              
##  [23] S7_1.0.0                    randomForest_4.7-1.2       
##  [25] proxy_0.4-29                foreign_0.8-92             
##  [27] itertools_0.1-3             readxl_1.6.0               
##  [29] rstudioapi_0.19.0           generics_0.1.4             
##  [31] ggVennDiagram_1.5.7         shape_1.4.6.1              
##  [33] gtools_3.9.5                car_3.1-5                  
##  [35] Matrix_1.7-6                interp_1.1-6               
##  [37] DescTools_0.99.60           S4Vectors_0.51.10          
##  [39] abind_1.4-8                 lifecycle_1.0.5            
##  [41] multcomp_1.4-32             yaml_2.3.12                
##  [43] carData_3.0-6               SummarizedExperiment_1.43.0
##  [45] SparseArray_1.13.5          grid_4.6.2                 
##  [47] crayon_1.5.3                lattice_0.23-1             
##  [49] haven_2.5.5                 cowplot_1.2.0              
##  [51] magick_2.9.1                sys_3.4.3                  
##  [53] maketools_1.3.2             pillar_1.11.1              
##  [55] knitr_1.52                  ComplexHeatmap_2.29.0      
##  [57] rcdd_1.6-1                  GenomicRanges_1.65.4       
##  [59] rjson_0.2.23                boot_1.3-32                
##  [61] gld_2.6.8                   codetools_0.2-20           
##  [63] fastmatch_1.1-8             picante_1.8.4              
##  [65] glue_1.8.1                  ggvenn_0.1.19              
##  [67] data.table_1.18.6.1         hilldiv3_3.2.1             
##  [69] vctrs_0.7.3                 png_0.1-9                  
##  [71] Rdpack_2.6.6                cellranger_1.1.0           
##  [73] gtable_0.3.6                cachem_1.1.0               
##  [75] zigg_0.0.2                  xfun_0.62                  
##  [77] rbibutils_2.4.1             S4Arrays_1.13.3            
##  [79] Rfast_2.1.5.2               Seqinfo_1.3.2              
##  [81] reformulas_0.4.4            survival_3.8-12            
##  [83] hillR_0.5.2                 geometry_0.5.2             
##  [85] iterators_1.0.14            directlabels_2026.8.27     
##  [87] TH.data_1.1-5               nlme_3.1-172               
##  [89] ANCOMBC_2.15.1              data.tree_1.2.0            
##  [91] bslib_0.12.0                otel_0.3.0                 
##  [93] rpart_4.1.27                colorspace_2.1-4           
##  [95] BiocGenerics_0.59.13        Hmisc_5.3-1                
##  [97] nnet_7.3-21                 NADA_1.6-1.2               
##  [99] Exact_3.3                   tidyselect_1.2.1           
## [101] compiler_4.6.2              htmlTable_2.5.0            
## [103] expm_1.0-1                  DelayedArray_0.39.8        
## [105] checkmate_2.3.4             scales_1.4.0               
## [107] quadprog_1.5-8              digest_0.6.39              
## [109] minqa_1.2.8                 XVector_0.53.0             
## [111] htmltools_0.5.9             pkgconfig_2.0.3            
## [113] jpeg_0.1-11                 base64enc_0.1-6            
## [115] lme4_2.1-0                  MatrixGenerics_1.25.0      
## [117] fastmap_1.2.0               rlang_1.3.0                
## [119] GlobalOptions_0.1.4         htmlwidgets_1.6.4          
## [121] zCompositions_1.6.2         ggh4x_0.3.1                
## [123] farver_2.1.2                jquerylib_0.1.4            
## [125] zoo_1.9-1                   jsonlite_2.0.0             
## [127] energy_1.7-12               BiocParallel_1.47.0        
## [129] magrittr_2.0.5              Formula_1.2-6              
## [131] patchwork_1.3.2             geosphere_1.6-8            
## [133] Rcpp_1.1.2                  ape_5.8-1                  
## [135] stringi_1.8.9               rootSolve_1.8.2.4          
## [137] MASS_7.3-66                 parallel_4.6.2             
## [139] ggrepel_0.9.8               doSNOW_1.0.20              
## [141] lmom_3.3                    deldir_2.0-4               
## [143] splines_4.6.2               multtest_2.69.0            
## [145] hms_1.1.4                   circlize_0.4.18            
## [147] ALDEx2_1.45.0               igraph_2.3.4               
## [149] ggpubr_1.0.0                ggsignif_0.6.4             
## [151] buildtools_1.0.0            stats4_4.6.2               
## [153] magic_1.6-1-1               evaluate_1.0.5             
## [155] latticeExtra_0.6-31         RcppParallel_6.2.1         
## [157] nloptr_2.2.1                tzdb_0.5.0                 
## [159] networkD3_0.4.1             clue_0.3-68                
## [161] broom_1.0.13                e1071_1.7-17               
## [163] rstatix_1.1.0               viridisLite_0.4.3          
## [165] class_7.3-24                gsl_2.1-9                  
## [167] truncnorm_1.0-9             snow_0.4-4                 
## [169] minpack.lm_1.2-4            lmerTest_3.2-1             
## [171] IRanges_2.47.5              cluster_2.1.8.3            
## [173] timechange_0.4.0