「R绘图模板」Mantel test 进阶玩法2:多组变量与物种关系可视化(附R代码)!!!

前面小编写过好几期推文聊了很多 mantel test 的基础绘制方法及进阶玩法，比如把环境因子相关性热图和多个微生物群落的 mantel 连线整合在一起。最近小编在翻看推文时发现了另一个超牛的R包—ggNetView，这个包将复杂多组变量与微生物关系封装成一个函数 gglink_heatmaps，大大简化了多变量与多组学之间 Mantel 检验的可视化流程。

一、 ggNetView 是什么？谁开发的？

ggNetView 是一个专为网络分析和可视化设计的 R 包，尤其适合生物和生态领域。它的核心特色是提供了灵活、可复现且符合出版级标准的可视化工具，用于探索复杂生物网络、微生物共现网络以及多组学整合分析。

这个包不仅能基于 gglink_heatmaps函数绘制多组环境变量与物种的mantel test可视化图案，还可以构建网络对象、子网络提取、WGCNA 后续分析以及蛋白质互作网络分析等多种功能。

二、 gglink_heatmaps 是干什么的？

一句话：把多个环境因子区块（外围热图）与多个物种/功能区块（中心节点）的 Mantel 检验（或相关性）结果，通过连线直观整合在一张图中。

图形布局可以通过参数自由调整，常见的有：

三、核心函数：gglink_heatmaps

3.1 安装

# 如果还没安装 devtools，先安装install.packages("devtools")# 从 GitHub 安装 ggNetViewdevtools::install_github("Jiawang1209/ggNetView")

3.2 主要参数分类解读

四、动手实践：从单组变量到多组变量

以下以实际数据为例（格式需要是行为样本、列为变量），展示 gglink_heatmaps 的用法。

4.1 数据准备

library(ggNetView)# 读取 OTU 丰度表（行是样本，列是物种）和环境数据OTU <- as.data.frame(t(read.table("otu.txt", header = TRUE,                                    check.names = FALSE, sep = "\t", row.names = 1)))ENV <- read.table("env.txt", header = TRUE, check.names = FALSE,                   sep = "\t", row.names = 1)

4.2 单组环境变量与物种的关系

# 把 OTU 分成细菌、真菌、原生动物三个区块# 把环境变量分成一个区块p <- gglink_heatmaps(  env = ENV, spec = OTU,  spec_select = list(Bacteria = 1:20, Fungi = 10:30, Protozoa = 30:60),  spec_collapse = TRUE,  env_select = list(Env_groupA = 1:10),  orientation = c("top_right"),  relation_method = "mantel",  mantel_kind = "col_vs_col",  cor.method = "spearman",  drop_nonsig = FALSE,  group_layout = "triangle",  anchor_dist = 2, distance = -5,  group_angle = 135,  group_arc_angle = 90,  HeatmapColorBar = list(c("#7caaff", "#fe6263")),  SigLineWidth = c(0.1, 2),  SigLineColor = c("#ffb310", "#0dd3ff"),  CorePointFill = "#ff4c4c")p[[1]]  # 直线连接版p[[2]]  # 曲线连接版

4.3 两组环境变量与物种的关系

p2 <- gglink_heatmaps(  env = ENV, spec = OTU,  spec_select = list(Bacteria = 1:20, Fungi = 10:30, Protozoa = 30:60),  spec_collapse = TRUE,  env_select = list(Env_groupA = 1:10, Env_groupB = 5:15),  orientation = c("top_right", "bottom_left"),# 其他参数参照上一例)

4.4 三组环境变量与物种的关系

p3 <- gglink_heatmaps(  env = ENV, spec = OTU,  env_select = list(Env_groupA = 1:10, Env_groupB = 11:20, Env_groupC = 5:17),  orientation = c("top_right", "bottom_left", "top_left"),# 每个象限可单独配色  HeatmapColorBar = list(c("#7caaff", "#fe6263"),                         c('#1872b1', '#ff7f0f'),                         c('#2c4398', '#b20f26')),# 其他参数参照上一例)

绘图完成后，把 RStudio 图形窗口拖到你喜欢的大小，再另存为 PDF。后续可以在 AI 或 PS 里统一调整字体和连线位置。

五、输出结果怎么看？

返回值是一个长度为 3 的列表：

1. 直线连接版（p[[1]]）：适合点对点关系清晰的场景

2. 曲线连接版（p[[2]]）：连线有曲度，视觉上更柔和

3. Mantel 检验结果表格（p[[3]]）：每一行对应一个 Mantel 检验结果，包含 Correlation、Pvalue、p_signif、spec_block、env_block 等。

• 可以用这组数据做后续统计汇总，比如各环境区块对物种区块的平均影响

• 还可以通过 subset() 提取特定区块组合的检验结果，再结合 cor.test() 等函数进一步可视化

通过调整 relations 和 drop_nonsig 参数，可以控制显示的 Mantel 检验结果范围。根据出图效果，还可以在 AI 里微调标签偏移量，达到更好的布局效果。

六、拓展玩法： ggNetView 还能干什么？

除了 gglink_heatmaps，这个包还内置了不少实用的网络分析功能，例如：

七、常见问题

Q1：安装时提示缺少依赖？A：ggNetView 依赖很多 CRAN 包，推荐先运行 install.packages(c("boot", "dplyr", "ggplot2", "igraph", "vegan", ...))，之后再用 devtools::install_github("Jiawang1209/ggNetView") 安装。

Q2：spec_select中的列索引超出范围？A：用 ncol(OTU) 和 ncol(ENV) 确认行列数，再调整 spec_select 和 env_select 的索引。

Q3：连线不显示或图例不全？A：检查 SigLineColor、SigLineWidth 等参数，连线必须要有显著的 Mantel 检验结果才显示。可以通过 drop_nonsig = F 强制显示所有线。

Q4：中心点过多时怎样避免拥挤？A：增大 anchor_dist 让圆点之间的间距变大，同时适当调小 CorePointSize。

Q5：mantel_kind和spec_collapse如何搭配？A：spec_collapse = T（折叠）且要按“每个物种块一条连线”，建议 mantel_kind = "block_vs_col"。如果需要每个物种列单独一条线，则用 "col_vs_col"。

参考文献：

[1]  Yue Liu, Chao Wang (2025). ggNetView: An R package for complex biological and ecological network analysis and visualization. R package version 0.1.0. https://github.com/Jiawang1209/ggNetView.