作为一名微生物多样性研究者,也许我们看到的文献经常呈现出的图是pca、pcoa、rda、cca等经典图,但是实际上pca/ pcoa只是直观的展现出两组样本群落结构是否有差异性,但是这种差异是否显著并没有展现;另外经常用到的环境因子分析rda/cca也只是展现出物种与环境因子的大体相关性,具体到哪个物种与哪个环境因子是正相关还是负相关,它们之间的相关性是否显著并不能一目了然的看出,今天就给大家展现一下这些微生物多样性经典图常用的搭配图表,如果在以后的文章中您能将两者搭配使用,会更清楚明了,更有说服力喔!
adonis分析
简介:adonis分析,即非参数多元置换方差分析(permanova),是一种对半度量或度量距离矩阵的离差平方和进行区分的非参数统计学方法,它可分析不同分组因素对样品差异的解释度,并使用置换检验对划分的统计学意义进行显著性分析。
应用:此分析可以作为单独的统计分析,也可常作为pca/pcoa/nmds分析的补充。
关注点:它选择两个或两个以上条件下的样品组进行对比分析,检验结果一般看后两列,其中r2表示样本分组对群落变异影响的相关程度,数值越大,表示该因子对群落变异影响越大,p < 0.05时表示有差异显著性。
adonis分析表
|
df |
sumsofsqs |
meansqs |
f.model |
r2 |
pr(>f) |
groupinfo |
3 |
1.022945598 |
0.340981866 |
3.312575357 |
0.55401259 |
0.001 |
residuals |
8 |
0.823484641 |
0.10293558 |
|
0.44598741 |
|
total |
11 |
1.846430238 |
|
|
1 |
|
注:默认为bray-curits距离。groupinfo:分组信息;residuals:残值; df:自由度(组数-1);sumsofsqs:总方差;meansqs :均方(差),即sumsofsqs/df;f.model :f检验值;r2:表示不同分组对样品差异的解释度,即分组方差与总方差的比值,r2越大表示分组对差异的解释度越高;pr :表示p值,小于0.05说明本次检验的可信性度高。
相关案例:不同施肥制度对丛枝菌根真菌(amf)群落组成影响
研究目的:作者对使用扩增子测序调查不同施肥制度(nk,只施加n、k肥; npk,只施加n、p、k肥; npkm,施加n、p、k和有机肥; m,只施加有机肥)对玉米根际土壤amf群落组成的影响。
通过不同处理amf菌落的rda分析(上图)可以看出:在不同处理中,amf群落组成变化很明显,第一主成分(rda1)能解释amf群落变化的62.22%,根据是否施加有机肥可以把4组群落明显分成2组(npkm和m;nk和npk),但是这种差异是否显著呢,就需要用adonis分析来证明了。
|
df |
sums of sqs |
mean sqs |
f.model |
r2 |
pr(>f) |
m and -m treatment |
1 |
0.47538 |
0.47538 |
7.1113 |
0.41559 |
0.003** |
residuals |
10 |
0.66849 |
0.06685 |
|
0.58441 |
|
total |
11 |
1.14387 |
1 |
|
|
|
作者接着做了adonis分析,结果表明,不施加有机肥(−m)的组别(包括nk和npk)与有机肥处理( m)组别(包括npkm和m)在群落水平上有显著差异(r2 =0.41559, p = 0.003) (上表),因此把4个处理分为两组(−m和 m)用于随后的分析。
参考文献:impacts of fertilization regimes on arbuscular mycorrhizal fungal (amf) community composition were correlated with organic matter composition in maize rhizosphere soil. front microbiol. 2016, 16;7:1840.(天昊生物客户发表文章)
anosim分析
简介:anosim分析,又称相似性分析,主要用来检验组间差异是否大于组内差异,从而判断分组因素对差异的贡献。如果处理和对照组检验结果|r|值越接近1,表明样本间所观察到的物种组成差异确实是处理组引起,而不是组内差异造成的干扰。
应用:此分析可以作为单独的统计分析,也可常作为pca/pcoa/nmds分析的补充。
关注点:|r|值越大,表示组间差异越大于组内差异,|r|值越小,表示组间和组内没有明显差异,p< 0.05表示统计具有显著性。
anosim分析表
anosim |
number of permutations: 9999 |
dissimilarity: bray |
statistic r: 0.999736182561667 |
significance: 1e-04 |
注: number of permutation:表示置换次数;dissimilarity:表示选用距离;|r|值越大,表示组间差异越大于组内差异,|r|值越小,表示组间和组内没有明显差异;p<0.05表示统计具有显著性。
相关案例:扩增子测序分析普洱茶生茶和熟茶的微生物组成
研究目的:使用扩增子测序比较野茶树新鲜叶片、自然加工普洱茶(生茶)、及熟茶普洱茶(熟茶)之间微生物群落结构的差异。
使用pcoa分析了真菌(上图左)和细菌(上图右)群落beta多样性,结果均显示出一致性结果,即在新鲜叶片(红色点)和普洱茶叶片生茶(蓝色点)和熟茶(橙色点)之间细菌群落组成有明显差异。但是这种差异是否显著呢,就需要用anosim分析来证明了,当然上面讲解的adonis分析也可以用来证明组间群落差异的显著性。
作者通过anosim和adonis分析对上述群落相似性进行显著检验(上表),结果显示三种不同叶片类型的微生物群落结构均有显著性差异。
参考文献:the microbiome and metabolites in fermented pu-erh tea as revealed by high throughput sequencing and quantitative multiplex metabolite analysis. plos one. 2016 ,23;11(6):e0157847.
物种与环境因子显著相关性分析
简介:基于pearson相关性分析物种与环境因子间的相关性,以相关系数|cor|>0.3且p< 0.05作为显著相关性筛选阈值,筛选与各环境因子显著相关的物种。选择相对丰度最高的100个物种绘制相关性热图,以直观展示各分类水平物种与环境因子之间的相关性。
应用:此分析可以作为单独的统计分析,也可常作为rda/cca分析的补充。
关注点:|cor|值越大表示各分类水平物种与环境因子相关性越强,*表示显著性p<0.05,**表示显著性p<0.01。
物种与环境因子相关性热图
注:每一列代表不同环境因子,每一行代表不同物种;不同颜色表示两两间相关系数的大小,蓝色越深表示负相关性越强,橙色越深表示正相关性越强。*表示显著性p<0.05,**表示显著性p<0.01。
相关案例:不同施肥制度对单作土壤微生物影响。
研究目的:使用扩增子测序调查三种不同施肥方式(cf:100%化肥; bf:75%化肥富含木霉有机肥; of: 75%化肥混合有机肥)对单作系统土壤微生物的影响。
如rda分析(如上图)和spearman’s相关性结果(如上图)所示,acidobacteria、firmicutes、proteobacteria与大部分的土壤营养特性正相关,同时与土壤硝态氮呈负相关。相反的是,actinobacteria、zygomycota与土壤硝态氮正相关,而与速效钾、总磷、总钾呈负相关。土壤总磷与gemmatimonadetes正相关,与glomeromycota、zygomycota呈负相关。
参考文献:trichoderma-enriched organic fertilizer can mitigate microbiome degeneration of monocropped soil to maintain better plant growth. plant and soil. 2017, 416, 181-192(天昊生物客户发表文章)