Corrélation diversité spécifique et diversité génétique

Author

Ludivine Codoner

Published

2026-03-17

Packages

Code

source("03.script/00_packages.R")

Importation des données

Code

Diversité génétique

Hill_gen_transect <- read_excel(
  "D:/Master 2/S10/stagem2_lcodoner/04.results/Hill_gen_transect.xlsx"
)

Code

Diversité spécifique

Hill_spe_transect <- read_excel(
  "D:/Master 2/S10/stagem2_lcodoner/04.results/Hill_spe_transect.xlsx"
)

Télécharger ce tableau

On a donc deux tableaux contenant les diversités sous forme de nombres de Hill pour la diversité génétique (Hill_gen_transect) et la diversité spécifique (Hill_spe_transect). Le transect est l’échelle sur laquel les nombres de Hill ont été calculés.

Les données génétiques se basent sur 24 des 94 transects. Le tableau des nombres de Hill pour la diversité spécifique est alors emputé du reste des transects.

Fusion des données

Code

Hill_numbers <- Hill_spe_transect %>%
  inner_join(Hill_gen_transect, by = "transect")

Télécharger ce tableau

Question scientifiques

– Les transects riches en espèces sont‑ils aussi riches en diversité génétique ?
– Les habitats plus stables (fixed dunes) conservent‑ils mieux la diversité génétique ?
– Observe‑t‑on un gradient nord–sud commun aux deux types de diversité ?

Corrélations directes

Code

corrélation q0

cor.test(Hill_numbers$q0_sp, Hill_numbers$q0_gen)


    Pearson's product-moment correlation

data:  Hill_numbers$q0_sp and Hill_numbers$q0_gen
t = -1.3954, df = 27, p-value = 0.1743
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.5715345  0.1184043
sample estimates:
       cor 
-0.2593564

Code

corrélation q1

cor.test(Hill_numbers$q1_sp, Hill_numbers$q1_gen)


    Pearson's product-moment correlation

data:  Hill_numbers$q1_sp and Hill_numbers$q1_gen
t = -2.272, df = 27, p-value = 0.03127
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.66891126 -0.03998769
sample estimates:
      cor 
-0.400622

Code

corrélation q2

cor.test(Hill_numbers$q2_sp, Hill_numbers$q2_gen)


    Pearson's product-moment correlation

data:  Hill_numbers$q2_sp and Hill_numbers$q2_gen
t = -2.502, df = 27, p-value = 0.01871
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.69054458 -0.08006312
sample estimates:
       cor 
-0.4338384

Visualisation

Code

cor_graph_q1 <- ggplot(Hill_numbers, aes(q1_sp, q1_gen)) +
  geom_point(size = 3) +
  geom_smooth(method = "lm", se = TRUE) +
  labs(x = "Diversité spécifique (q1)", y = "Diversité génétique (q1)")

`geom_smooth()` using formula = 'y ~ x'

Modèles linéaires/mixtes

Code

lm(q1_gen ~ q1_sp, data = Hill_numbers)


Call:
lm(formula = q1_gen ~ q1_sp, data = Hill_numbers)

Coefficients:
(Intercept)        q1_sp  
    3.64780     -0.09785

Code

lm(q2_gen ~ q2_sp, data = Hill_numbers)


Call:
lm(formula = q2_gen ~ q2_sp, data = Hill_numbers)

Coefficients:
(Intercept)        q2_sp  
     3.1278      -0.1214

--- title: "Corrélation diversité spécifique et diversité génétique" author: "Ludivine Codoner" date: today date-format: "YYYY-MM-DD" format: html: code-tools: true toc: true toc-float: true theme: minty highlight-style: tango code-fold: show code-overflow: wrap --- # Packages ```{r packages utilisés, message=FALSE} source("03.script/00_packages.R") ``` # Importation des données :::{.panel-tabset} #### Script ```{r path, echo = FALSE} path_res <- "D:/Master 2/S10/stagem2_lcodoner/04.results" ``` ```{r hill gen, filename = "Diversité génétique"} Hill_gen_transect <- read_excel( "D:/Master 2/S10/stagem2_lcodoner/04.results/Hill_gen_transect.xlsx" ) ``` ```{r hill spe, filename = "Diversité spécifique"} Hill_spe_transect <- read_excel( "D:/Master 2/S10/stagem2_lcodoner/04.results/Hill_spe_transect.xlsx" ) ``` #### Div. génét. ```{r hill gen res, echo = FALSE} write_xlsx( Hill_gen_transect, path = file.path(path_res, "Hill_gen_transect.xlsx") ) datatable(Hill_gen_transect) ``` [Télécharger ce tableau](../04.results/Hill_gen_transect.xlsx){.btn .btn-outline-primary} #### Div. spé. ```{r hill spe res, echo = FALSE} write_xlsx( Hill_spe_transect, path = file.path(path_res, "Hill_spe_transect.xlsx") ) datatable(Hill_spe_transect) ``` [Télécharger ce tableau](../04.results/Hill_spe_transect.xlsx){.btn .btn-outline-primary} ::: On a donc deux tableaux contenant les diversités sous forme de nombres de Hill pour la diversité génétique (Hill_gen_transect) et la diversité spécifique (Hill_spe_transect). Le transect est l'échelle sur laquel les nombres de Hill ont été calculés. Les données génétiques se basent sur 24 des 94 transects. Le tableau des nombres de Hill pour la diversité spécifique est alors emputé du reste des transects. # Fusion des données :::{.panel-tabset} #### Script ```{r fusion script} Hill_numbers <- Hill_spe_transect %>% inner_join(Hill_gen_transect, by = "transect") ``` #### Tableau {.active} ```{r fusion res, echo = FALSE} write_xlsx( Hill_numbers, path = file.path(path_res, "Hill_numbers.xlsx") ) datatable(Hill_numbers) ``` [Télécharger ce tableau](../04.results/Hill_numbers.xlsx){.btn .btn-outline-primary} ::: # Question scientifiques – Les transects riches en espèces sont‑ils aussi riches en diversité génétique ? – Les habitats plus stables (fixed dunes) conservent‑ils mieux la diversité génétique ? – Observe‑t‑on un gradient nord–sud commun aux deux types de diversité ? # Corrélations directes ```{r cor q0, filename = "corrélation q0"} cor.test(Hill_numbers$q0_sp, Hill_numbers$q0_gen) ``` ```{r cor q1, filename = "corrélation q1"} cor.test(Hill_numbers$q1_sp, Hill_numbers$q1_gen) ``` ```{r cor q2, filename = "corrélation q2"} cor.test(Hill_numbers$q2_sp, Hill_numbers$q2_gen) ``` # Visualisation :::{.panel-tabset} #### Script ```{r scatterplots} cor_graph_q1 <- ggplot(Hill_numbers, aes(q1_sp, q1_gen)) + geom_point(size = 3) + geom_smooth(method = "lm", se = TRUE) + labs(x = "Diversité spécifique (q1)", y = "Diversité génétique (q1)") ``` #### Résultats {.active} ```{r scatterplots res, echo = FALSE} cor_graph_q1 ``` ::: # Modèles linéaires/mixtes ```{r lm q1} lm(q1_gen ~ q1_sp, data = Hill_numbers) ``` ```{r lm q2} lm(q2_gen ~ q2_sp, data = Hill_numbers) ```