adonis分析,生物分布的差异体现了群落的什么结构

更新：2023-07-19 10:01 发布：小编

本文目录
1.生物分布的差异体现了群落的什么结构
2.r语言多元方差分析
3.参数检验和非参数检验的适用条件
4.描写角度分析该怎么回答

生物分布的差异体现了群落的什么结构

非参数置换的多变量方差分析(ANONIS)、相似性分析(ANOSIM)和多反应置换法(MRPP)常被用来评估不同采样点之间微生物群落组成差异的显著性。

一般来说，当我们通过降维、聚类等分析后，可能会观察到微生物群落在不同批次、不同处理组、不同采样点等会有不同的聚集、分类的情况（差异），但这些差异是否显著则需上述统计检验后才能得出。

2021/01/29 ：把 MRPP分析的函数和输出数据整理简单的封装了一下，输出结果为标准数据框格式。

MRPP（Multi Response Permutation Procedure）分析，是一种用于分析高维度数据组间相似性的统计方法，它以距离矩阵为基础，用于判断组间数据是否具有显著性差异。在生态统计中，可以使用MRPP分析（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。

若导入数据为OTU丰度表时，需要使用distance参数指定所依据计算的距离类型获得距离矩阵；或者也可以首先使用vegan包中的vegdist()计算样本间距离，然后再将所得距离数据作为mrpp()的输入。之后指定各样本所属的分组信息，且要注意分组信息中的分组名称与OTU丰度表中样本名称要按顺序对应（可以用match()预先排列好二者的顺序），以及置换检验的次数等，进行MRPP分析。

首先在所有分组水平上，检验整体差异，即检验细菌群落结构组成在整体上是否不具备一致性。

参数解释：

结果解读：其中，Significance of delta("P_value)，即显著性p值，小于0.05说明差异显著；Chance corrected within-group agreement A(Corrected_A)，即A值，大于0说明组间差异大于组内差异，小于0说明组内差异大于组间差异；observe delta值越小说明组内差异小，expect delta值越大说明组间差异大。

通过A值和observe delta值发现组内有差异，则需要进行组间多重比较。

一般通过循环处理，进行小分组间比较。

Notice：

在生态统计中，可以使用ANOSIM分析（往往同时配合排序分析来使用，对于ANOSIM，更常与NMDS排序分析（ metaMDS () vegan{}）放一起说明问题），查看不同环境的群落组成结构差异是否显著，组间群落差异是否显著不同于组内差异。

ANOSIM分析基于两两样本之间的距离值排序获得的秩，这样任一两两组的比较可以获得三个分类的数据。以箱线图的形式展示组间与组内的秩的分布，横坐标表示所有样品（Between）以及各分组，纵坐标表示距离（本示例使用Bray-Curtis距离）的秩。当Between组相对与其他每个分组的秩较高时，则表明组间差异大于组内差异。同时图的上方标注了R值与p值两个重要统计指标，便于我们直观地对组间差异是否显著不同于各组内的差异进行判断。一般来说，R>0说明组内距离小于组间距离，也即分组是有效的。

同样的，检测出差异后两两比较。也推荐使用 OTU 丰度表作为输入数据，每次筛选分组后重新计算样本距离，避免由于样本数减少可能导致的距离变动而造成误差。

置换多元方差分析（Permutational multivariate analysis of variance，PERMANOVA），又称非参数多因素方差分析（nonparametric multivariate analysis of variance）、或者ADONIS分析，其本质是基于F统计的方差分析，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。使用PERMANOVA可分析不同分组因素对样品差异的解释度，并使用置换检验进行显著性统计。在生态统计中，可以使用PERMANOVA（往往同时配合排序分析来使用，对于PERMANOVA，更常与PCoA排序分析放一起说明问题），查看不同环境的群落组成结构差异是否显著。

所有分组间比较，即整体差异.

对于各项统计内容： Df，自由度，其值=所比较的分组数量-1；SumsOfSqs，即Sums of squares，总方差，又称离差平方和；MeanSqs，即Mean squares，均方（差）；F.Model，F检验值；R2，即Variation (R2)，方差贡献，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 (>F)，显著性p值，小于0.05说明差异显著。

利用循环处理，进行小分组间比较。推荐使用 OTU 丰度表作为输入数据，每次筛选分组后重新计算样本距离，避免由于样本数减少可能导致的距离变动而造成误差

通过上述成对显著性分析，得出数据后可以用带星号或者其他显著性标记的柱状图展示。

adonis分析,生物分布的差异体现了群落的什么结构图1

r语言多元方差分析

PerMANOVA分析(也叫NPMANOVA、Adonis分析)是一种以距离矩阵为对象的多元方差分析。

以图1的PCoA图为例，椭圆圈出的四组样品点正好对应四个海拔分组，这四组样品之间的群落差异是否显著呢？检验组间群落差异本质上是检验距离矩阵之间的差异，普通的ANOVA分析无能为力。而基于距离矩阵的PerMANOVA分析则表明，这四个分组两两之间差异是显著的(p<0.05)。

图表出处：Rui J, Li J, Wang S, An J, Liu W-t, Lin Q, Yang Y, He Z, Li X 2015. Responses of bacterial communities to simulated climate changes in alpine meadow soil of Qinghai-Tibet plateau. Applied and Environmental Microbiology 81: 6070–6077

adonis分析,生物分布的差异体现了群落的什么结构图2

参数检验和非参数检验的适用条件

在统计分析中分析中经常遇到某种检验方法为参数检验或非参数检验，例如T检验、Tukey检验、方差分析都属于参数检验，而Wilcoxon秩和检验，Anosim分析、MRPP分析、Adonis分析、Amova分析都属于非参数检验，那么什么叫参数检验和非参数检验？

参数检验一般要利用总体的信息（总体的分布、总体的一些参数特征如方差等），以总体分布和样本信息对总体参数作出推断，其所用的检验叫做参数检验（Parameter test）。

不依赖总体分布的具体形式，也不对参数进行估计或检验的统计方法，叫做非参数统计，其检验方法就是非参数检验（Non-parametric test）。

1 参数检验是针对参数做的假设，非参数检验是针对总体分布情况做的假设，这个是区分参数检验和非参数检验的一个重要特征。例如两样本比较的t检验是判断两样本分别代表的总体的均值是否具有差异，属于参数检验。而两样本比较的秩和检验（wilcoxcon检验及Mann-Whitney检验）是判断两样本分别代表的总体的位置有无差别（即两总体的变量值有无倾向性的未知偏离），自然属于非参数检验 [1]。

2 二者的根本区别在于参数检验要利用到总体的信息（总体分布、总体的一些参数特征如方差），以总体分布和样本信息对总体参数作出推断；非参数检验不需要利用总体的信息（总体分布、总体的一些参数特征如方差），以样本信息对总体分布作出推断。

3 参数检验只能用于等距数据和比例数据，非参数检验主要用于记数数据。也可用于等距和比例数据，但精确性就会降低。

那么什么时候用参数检验，什么时候用非参数检验呢？非参数检验一般不直接用样本观察值作分析，统计量的计算基于原始数据在整个样本中的秩次，丢弃了观察值的具体数值，检验效能较低，因此凡适合参数检验的资料，应首选参数检验。但是，不清楚是否合适参数检验的资料、分布未知时则应采用非参数检验。

[1] 郭祖超，洪立基，杨琦.有关非参数检验应用的若干问题. 中国卫生统计.1987.4.2

adonis分析,生物分布的差异体现了群落的什么结构图3