我有一个data.frame，其中包含OTU和基因之间的相关性。这些相关性将使我能够构建基因组。此data.frame有1105854行。
var1 var2 corr
1 OTU3978 UniRef90_A0A010P3Z8 0.846
2 OTU4011 UniRef90_A0A010P3Z8 0.855
3 OTU4929 UniRef90_A0A010P3Z8 0.829
4 OTU4317 UniRef90_A0A011P550 0.850
5 OTU4816 UniRef90_A0A011P550 0.807
6 OTU3902 UniRef90_A0A011QPQ2 0.836
7 OTU3339 UniRef90_A0A011RKI6 0.835
8 OTU1359 UniRef90_A0A011RLA7 0.801
9 OTU2085 UniRef90_A0A011RLA7 0.843
10 OTU3542 UniRef90_A0A011RLA7 0.866
11 OTU0473 UniRef90_A0A011TDE1 0.807
我使用igraph库构建图形对象。
g<-graph.data.frame(df)
然后，我想提取该图的成分以构建基因组：我的意思是，一个成分将对应一个基因组。
我尝试了以下命令：genomes<-split(names(V(g)),components(g)$membership)
它给了我几个组成部分，例如：
> genomes[[4]]
[1] "OTU2417" "UniRef90_A0A076H0Q4" "UniRef90_A0A2E8T3F8"
[4] "UniRef90_G5ZY43"
我要检查OTU和每个组件的不同基因，这要归功于我的OTU表和EMBL-EBI数据库中的基因。我可以确定每个重建的基因组是否有意义。
我还检查了文档，发现了许多其他的社区检测方法：边缘间，鲁汶，多级...我想知道我使用的命令行之间的主要区别是什么（这给了我返回非常有意义的组件）和这些算法（也为我提供了组件）？
谢谢
答案 0 :(得分：0)
如果您希望希望发现的簇在图中彼此之间微弱地断开，则可以使用组件搜索。如果您希望集群之间存在连接，则这些连接将在完整性搜索中分组在一起。
Louvain和Edge-betweeness没有这个限制，他们试图通过最大化目标，模块化和betweeness来找到最佳的分区/社区分配/集群。模块化方法受分辨率限制的困扰：很小但独特的社区永远不会在足够大的图中被识别。如果您希望找到许多较小的群集，请记住这一点。