Commit 0c8354d2 authored by magali's avatar magali
Browse files

html et rmd poll caec

parent 22e88ced
......@@ -135,7 +135,34 @@ table(get_variable(frogs.data, "Group_bis"))
```{r variable-3, eval = TRUE, echo=TRUE}
table(get_variable(frogs.data, "Cohorte"))
```
# Vérification de l'effet cohorte
Est-ce que cohorte et groupe sont très corrélés ou non ?
<div class="alert alert-info" role="alert">Il faut savoir si la cohorte est une variable de confusion potentielle ou non et donc il faut calculer un tableau de contingence croisé Cohorte / Group_bis et faire un test de Khi-2 et test de Fisher sur ce tableau.</div>
```{r table contingence, eval = TRUE, echo=TRUE}
table(get_variable(frogs.data, "Group_bis"), get_variable(frogs.data, "Cohorte"))
```
<div class="alert alert-warning" role="alert">Nous avons pratiquement les mêmes proportions pour cohorte 1 et 2 dans chaque groupe (ce n'est pas exactement pareil mais ça s'en rapproche suffisamment pour que l'effet cohorte ne pollue pas trop l'effet groupe)</div>
<div class="alert alert-info" role="alert">Je fais ensuite un test de Khi-2 et test de Fisher sur ce tableau de contingence</div>
```{r test-correlation, eval = TRUE, echo=TRUE}
chisq.test(table(get_variable(frogs.data, "Group_bis"), get_variable(frogs.data, "Cohorte")))
fisher.test(table(get_variable(frogs.data, "Group_bis"), get_variable(frogs.data, "Cohorte")))
```
<div class="alert alert-warning" role="alert">Pour les 2 tests, la pvalue = 0.93 donc le résultat est non significatif, donc il n'y a pas de lien fort entre l'effet cohorte et l'effet groupe.
Il n'y a pas d'associations entre la cohorte et le groupe dans le design expérimental et l'estimation de l'effet groupe ne sera pas systématiquement corrompue par l'effet cohorte.
Ça ne veut pas dire pour autant qu'il n'y a pas d'effet cohorte (voir permanova plus bas, il y a un faible effet) mais ça justifie de pooler les échantillons quand on étudies l'effet groupe.
Je peux donc réaliser un pool des 2 cohortes pour l'analyse</div>
# Visualisation de l'abondance par échantillon {.tabset}
......@@ -1019,7 +1046,7 @@ family.palette<- c("S-A" = "#A2E06F",
"AG" = "#8C67A9")
p <- plot_ordination(frogs.data.rare, ord, color = "Group_bis")
p <- plot_ordination(frogs.data.rare, ord, color = "Group_bis", shape="Cohorte")
p <- p + theme_bw() + ggtitle("MDS + Bray Curtis")+ scale_color_manual(values = family.palette)
p <- p +geom_point(size=2)+ stat_ellipse(aes(group = Group_bis), size = 1)+
annotate(geom="text", x=0.3, y = -0.4, label = "S-A", size = 5, color = "#A2E06F")+
......@@ -1038,12 +1065,14 @@ Analyse multivariée de la variance par permutations basée sur les matrices de
* Adonis sur la matrice Bray Curtis
<div class="alert alert-warning" role="alert">Permanova pour vérifier l'effet cohorte</div>
```{r 35-adonis-bc-1, eval=TRUE}
adonis(dist.bc ~ Group_bis ,data = as(sample_data(frogs.data.rare), 'data.frame'))
adonis(dist.bc ~ Cohorte + Group_bis ,data = as(sample_data(frogs.data.rare), 'data.frame'))
```
Df: degree of freedom.
Sums Of Sqs: sum of squares.
Sums Of Sqs: sum of squares.
MeanSqs: sum of squares by degree of freedom.
......@@ -1054,6 +1083,18 @@ R2: partial R-squared.
Pr(>F) p-value based
<div class="alert alert-warning" role="alert">La pval sur l'effet cohorte est de 0,026 donc les 2 cohortes sont significativement différentes.
Le R2 sur l'effet cohorte est très petit 0,03089 ce qui signifie qu'il y a qu'environ 3% de la variance qui est expliquée par l'effet cohorte donc beaucoup trop de variation inexpliqué.
Le R2 sur l'effet group est de 0.37367, il est plus élevé que celui de l'effet cohorte.
Ces résultats montre que l'effet cohorte existe mais est finalement assez faible par rapport à la variance observée.
Cela veut dire que les deux cohortes sont certes systématiquement différentes mais que les différences sont très faibles par rapport à la variabilité induite par les groupes.
Ce résultat confirme les résultats des tests Khi-2 et Fisher, nous pouvons pooler les cohortes.</div>
### Plot ordination Jaccard
......@@ -1061,7 +1102,7 @@ Pr(>F) p-value based
ord <- ordinate(frogs.data.rare, method = "MDS", distance = "cc")
p <- plot_ordination(frogs.data.rare, ord, color = "Group_bis")
p <- plot_ordination(frogs.data.rare, ord, color = "Group_bis", shape="Cohorte")
p <- p + theme_bw() + ggtitle("MDS + Jaccard")+ scale_color_manual(values = family.palette)
p <- p +geom_point(size=2)+ stat_ellipse(aes(group = Group_bis), size = 1)+
annotate(geom="text", x=0.25, y = -0.25, label = "S-A", size = 5, color = "#A2E06F")+
......@@ -1076,7 +1117,7 @@ plot(p)
* Adonis sur la matrice Jaccard
```{r 35-adonis-jac-1, eval=TRUE}
adonis(dist.jac ~ Group_bis,data = as(sample_data(frogs.data.rare), 'data.frame'))
adonis(dist.jac ~ Cohorte + Group_bis,data = as(sample_data(frogs.data.rare), 'data.frame'))
```
### Plot ordination Unifrac
......@@ -1085,7 +1126,7 @@ adonis(dist.jac ~ Group_bis,data = as(sample_data(frogs.data.rare), 'data.frame'
```{r 30-ord-plot-unifrac,fig.width=10,fig.height=5, eval=TRUE}
ord <- ordinate(frogs.data.rare, method = "MDS", distance = "unifrac")
p <- plot_ordination(frogs.data.rare, ord, color = "Group_bis")
p <- plot_ordination(frogs.data.rare, ord, color = "Group_bis", shape="Cohorte")
p <- p + theme_bw() + ggtitle("MDS + Unifrac")+ scale_color_manual(values = family.palette)
p <- p +geom_point(size=2)+ stat_ellipse(aes(group = Group_bis), size = 1)+
annotate(geom="text", x=0.1, y = 0.2, label = "S-A", size = 5, color = "#A2E06F")+
......@@ -1101,7 +1142,7 @@ plot(p)
* Adonis sur la matrice Unifrac
```{r 36-adonis-uni-1, eval=TRUE}
adonis(dist.uf ~ Group_bis,data = as(sample_data(frogs.data.rare), 'data.frame'))
adonis(dist.uf ~ Cohorte + Group_bis,data = as(sample_data(frogs.data.rare), 'data.frame'))
```
### Plot ordination Weighted Unifrac
......@@ -1109,7 +1150,7 @@ adonis(dist.uf ~ Group_bis,data = as(sample_data(frogs.data.rare), 'data.frame')
```{r 31-ord-plot-Wunifrac,fig.width=10,fig.height=5, eval=TRUE}
ord <- ordinate(frogs.data.rare, method = "MDS", distance = "wUnifrac")
p <- plot_ordination(frogs.data.rare, ord, color = "Group_bis")
p <- plot_ordination(frogs.data.rare, ord, color = "Group_bis", shape="Cohorte")
p <- p + theme_bw() + ggtitle("MDS + Weighted Unifrac")+ scale_color_manual(values = family.palette)
p <- p +geom_point(size=2)+ stat_ellipse(aes(group = Group_bis), size = 1)+
annotate(geom="text", x=0.1, y = -0.15, label = "S-A", size = 5, color = "#A2E06F")+
......@@ -1124,7 +1165,7 @@ plot(p)
* Adonis sur la matrice wUnifrac
```{r 37-adonis-wuni-1, eval=TRUE}
adonis(dist.wuf ~ Group_bis,data = as(sample_data(frogs.data.rare), 'data.frame'))
adonis(dist.wuf ~ Cohorte + Group_bis,data = as(sample_data(frogs.data.rare), 'data.frame'))
```
## Clustering des échantillons {.tabset}
......
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment