【5.4.2】PERMANOVA分析--解析处理对微生物群落的作用大小

更多阅读:

置换多元方差分析(PERMANOVA),又称非参数多因素方差分析、或者ADONIS分析,依据距离矩阵对总方差进行分解的非参数多元方差分析方法。在生态统计中,可以使用PERMANOVA(往往同时配合排序分析来使用),查看不同环境的群落组成结构差异是否显著。

Fig. 3. PERMANOVA values showing the percent that fertilization and aggregate fractions contributed to the variation in bacterial (a) and fungal (b) community compositions.

生态学中经常要计算环境因子和群落组成的相关性,大多数情况下,环境因子经常是多维的,比如土壤因子,包括N、P含量和PH等等。多元方差分析(MANOVA)可以计算单个物种对多个环境因子的响应,但是方差分析需要变量服从正态分布,而在生态数据中,物种的丰度很难符合正态分布,因此依赖群落距离矩阵的非参多元分析方法(nonparametric multivariate methods)应运而生。

一、数据分析

PERMANOVA分析 (数据可后台获取)

otu<-read.csv("D://test_otu.csv",row.names = 1)
design<-read.csv("D://test_design.csv")
library(vegan)	

results<- adonis(formula = t(otu[,1:64]) ~ (design$Group * design$Treatment),data = design, permutations = 999, method = "bray") 

结果

Call:

adonis(formula = t(otu[, 1:64]) ~ (design$Group * design$Treatment),      data = design, permutations = 999, method = "bray") 



Permutation: free

Number of permutations: 999



Terms added sequentially (first to last)



                 Df SumsOfSqs MeanSqs F.Model      R2 Pr(>F)    

design$Group      1    6.8904  6.8904  52.207 0.42772  0.001 ***

design$Treatment  2    1.3002  0.6501   4.926 0.08071  0.001 ***

Residuals        60    7.9189  0.1320         0.49157           

Total            63   16.1095                 1.00000           

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

二、计算原理

PERMANOVA是生态学分析中常用的统计方法,可以计算不同环境因子与群落组成之间是否存在相关性。PERMANOVA由McArdle和Anderson于2001年提出。

但是实验得到的物种组成矩阵并不太可能是正交矩阵,怎么进行转化呢?在这里我们可以联想到MDS,用低维度且正交的数据来表示样本的分布,同时保持样本在低维度中的欧式距离与实际的距离(不论何种距离矩阵)基本相同。所以我们就可以把Y矩阵看成是由任一距离矩阵(比如Bray Curtis)得到的PCoA坐标。当然,在计算过程当中并不需要知道Y矩阵,只需要用距离矩阵作为输入。

因为利用的是非参的方法进行统计检验,需要得到一个F值的分布来计算当前样本F值对应的P值,从而确定是否拒绝。

PERMANOVA利用对样本进行随机置换的方式,生成一个F值的分布,然后求得P值。

总而言之,PERMANOVA利用了多元线性模型对环境因子和观测变量进行回归,在计算系数显著性过程中用样本间距离替换观测矩阵,从而确定环境因子和变量之间是否具有显著差异。

参考资料

药企,独角兽,苏州。团队长期招人,感兴趣的都可以发邮件聊聊:tiehan@sina.cn
个人公众号,比较懒,很少更新,可以在上面提问题,如果回复不及时,可发邮件给我: tiehan@sina.cn