更多内容请移步至：新位置

PERMANOVA  and pairwise comparison——样品组间差异显著性分析及事后两两比较。

Step1：数据填写方式如下图，及导入到R

其中，

dune.fish.csv为6种鱼的某一指标（如体长SL/cm）的数据；

dune.fish.env32grp.csv为6种鱼对应的3个分组，分组可以依据实际需要进行分类或者按照聚类结果（如对dune.fish.csv基于UPGMA算法进行聚类）进行分类。

dune.fish<-read.csv("~/dune.fish.csv")

View(dune.fish)

dune.fish.env32grp<- read.csv("~/dune.fish.env32grp.csv")

View(dune.fish.env32grp)

下图为dune.fish.backup.csv，仅仅为了方便理解数据含义，在R中不使用。

...

Step2：进行PERMANOVA计算，结果如下图

library(vegan)

adonis(dune.fish~ Group,data = dune.fish.env32grp,permutations = 999,method="bray")->ad1

ad1

Step3：pairwise comparison for PERMANOVA in R software

#-------copy pairwise.adonis function code in R -----------

pairwise.adonis <-function(x,factors, sim.method, p.adjust.m)

{

 library(vegan)

 co = as.matrix(combn(unique(factors),2))

 pairs = c()

 F.Model =c()

 R2 = c()

 p.value = c()

 for(elem in 1:ncol(co)){

 ad = adonis(x[factors %in%c(as.character(co[1,elem]),as.character(co[2,elem])),] ~

 factors[factors %in%c(as.character(co[1,elem]),as.character(co[2,elem]))] , method =sim.method);

 pairs =c(pairs,paste(co[1,elem],'vs',co[2,elem]));

 F.Model =c(F.Model,ad$aov.tab[1,4]);

 R2 = c(R2,ad$aov.tab[1,5]);

 p.value = c(p.value,ad$aov.tab[1,6])

 }

 p.adjusted =p.adjust(p.value,method=p.adjust.m)

 pairw.res = data.frame(pairs,F.Model,R2,p.value,p.adjusted)

 return(pairw.res)

}

#---------------------------end copy----------------------

pairwise.adonis(dune.fish, dune.fish.env32grp$Group, sim.method="bray", p.adjust.m= "bonferroni")

( 备忘 adonis( dune.fish~ Group, data = dune.fish.env32grp, permutations = 999, method="bray")->ad1 )

结果如下

# over

相关博文：

1. 在R中正确运行ANOSIM——样品组间差异显著性检测及注意点

2. 在R中运行metaMDS