Филогенетическая модель с использованием нескольких записей для каждого вида - PullRequest
Новая
       33

Филогенетическая модель с использованием нескольких записей для каждого вида

0 голосов
/ 02 июля 2018

Я относительно новичок в моделях филогенетической регрессии. В прошлом я использовал PGLS, когда у меня было только 1 запись для каждого вида в моем дереве. Теперь у меня есть набор данных с тысячами записей по 9 видам, и я хотел бы запустить филогенетическую модель. Я прочитал руководство по наиболее распространенным пакетам (например, капер), но я не уверен, как построить модель.

Когда я пытаюсь создать объект для caper, то есть используя: 

obj <- comparative.data(phy = Tree, data = Data, names.col = species, vcv = TRUE, na.omit = FALSE, warn.dropped = TRUE)

Я получаю сообщение:

Ошибка в row.names<-.data.frame (*tmp*, значение = значение): дубликаты 'row.names' не допускаются Дополнительно: предупреждающее сообщение: неуникальные значения при установке 'row.names': ‘Species1’, ‘Species2’, ‘Species3’, ‘Species4’, ‘Species5’, ‘Species6’, ‘Species7’, ‘Species8’, ‘Species9’

Я понял, что могу решить эту проблему, применив модель MCMCglmm, но я не знаком с байесовскими моделями.

Заранее спасибо за помощь.

1 Ответ

0 голосов
/ 04 июля 2018

Это действительно не будет работать с простым PGLS из caper, потому что он не может иметь дело с людьми как случайный эффект. Я предлагаю вам использовать MCMCglmm, который не намного сложнее для понимания и позволит вам иметь отдельных лиц в качестве случайного эффекта. Вы можете найти отличную документацию от автора пакета здесь или здесь или альтернативную документацию, которая больше касается некоторых специфических аспектов пакета (а именно, неопределенность дерева) здесь .

Очень кратко, чтобы вы начали: 

## Your comparative data
comp_data <- comparative.data(phy = my_tree, data =my_data,
      names.col = species, vcv = TRUE)

Обратите внимание, что у вас может быть столбец образца, который может выглядеть следующим образом: 

   taxa        var1 var2 specimen
1     A  0.08730689    a    spec1
2     B  0.47092692    a    spec1
3     C -0.26302706    b    spec1
4     D  0.95807782    b    spec1
5     E  2.71590217    b    spec1
6     A -0.40752058    a    spec2
7     B -1.37192856    a    spec2
8     C  0.30634567    b    spec2
9     D -0.49828379    b    spec2
10    E  1.42722363    b    spec2

Затем вы можете настроить формулу (аналогично простой формуле lm): 

## Your formula
my_formula <- variable1 ~ variable2

А ваши настройки MCMC: 

## Setting the prior list (see the MCMCglmm course notes for details)
prior <- list(R = list(V=1, nu=0.002),
              G = list(G1 = list(V=1, nu=0.002)))

## Setting the MCMC parameters
## Number of interations
nitt <- 12000

## Length of burnin
burnin <- 2000

## Amount of thinning
thin <- 5

И тогда вы сможете запустить по умолчанию MCMCglmm: 

## Extracting the comparative data
mcmc_data <- comp_data$data

## As MCMCglmm requires a colume named animal for it to identify it as a phylo
## model we include an extra colume with the species names in it.
mcmc_data <- cbind(animal = rownames(mcmc_data), mcmc_data)
mcmc_tree <- comp_data$phy

## The MCMCglmmm
mod_mcmc <- MCMCglmm(fixed = my_formual, 
                     random = ~ animal + specimen, 
                     family = "gaussian",
                     pedigree = mcmc_tree, 
                     data = mcmc_data,
                     nitt = nitt,
                     burnin = burnin,
                     thin = thin,
                     prior = prior)
...