2021-01-29
在(zai)對微(wei)生(sheng)(sheng)物(wu)群(qun)落進行研究時(shi)，除了(le)分析不同(tong)群(qun)落樣本(ben)之間在(zai)微(wei)生(sheng)(sheng)物(wu)群(qun)落組成、功能上的差異外，往往還(huan)想了(le)解，具體有哪些因素會影響微(wei)生(sheng)(sheng)物(wu)群(qun)落，使(shi)其組成和功能發生(sheng)(sheng)變化(hua)？其中，哪種(zhong)因素又占據了(le)主導作(zuo)用？ 為了回答這一(yi)問(wen)題(ti)，需要將微生(sheng)物群落樣本的(de)相關(guan)(guan)數(shu)據，與(yu)其對應的(de)環境因子數(shu)據進行(xing)關(guan)(guan)聯分(fen)析(xi)。在眾多關(guan)(guan)聯分(fen)析(xi)的(de)方法中，出(chu)鏡率最高的(de)，就是RDA/CCA分(fen)析(xi)啦~ RDA/CCA分析一般需要使用CANOCO軟件或(huo)運(yun)用R語言進行分析，這(zhe)對(dui)生(sheng)信(xin)小白(bai)來說(shuo)，挑戰還是很大(da)滴(di)。現(xian)在，RDA/CCA分析已經(jing)在派森諾基因云的(de)“云圖匯”模塊中(zhong)發布上線(xian)啦(la)（網址：//www.genescloud.cn/chart/）！我們(men)也(ye)已做(zuo)了初步介(jie)紹和解讀。 簡單(dan)而言，RDA（Redundancy Analysis）和CCA（Canonical Correspondence Analysis）均屬于(yu)直(zhi)接排(pai)序的分析方(fang)法，RDA基于(yu)線性(xing)(xing)模型，CCA則(ze)是基于(yu)單(dan)峰模型。一般情況(kuang)下，兩者(zhe)都能有效分析微(wei)(wei)生物群落與(yu)環境因子之(zhi)間的變化(hua)相關(guan)性(xing)(xing)。 那么問(wen)題來了，既然兩者(zhe)都可(ke)以(yi)進(jin)行，又該如何選(xuan)擇呢(ni)？ 在(zai)進(jin)(jin)(jin)行(xing)排序分(fen)析(xi)(xi)之前，可以先對物種群落(luo)數據(ju)進(jin)(jin)(jin)行(xing)去趨勢(shi)對應分(fen)析(xi)(xi)（Detrended correspondence analysis，DCA），根據(ju)結果中(zhong)Lengths of gradient的值(zhi)來進(jin)(jin)(jin)行(xing)判斷(duan)，如(ru)果最(zui)大(da)的值(zhi)大(da)于4，則應選擇(ze)CCA，如(ru)果最(zui)大(da)的值(zhi)小于3，則選擇(ze)RDA，而如(ru)果最(zui)大(da)的值(zhi)在(zai)3~4之間，則兩種分(fen)析(xi)(xi)均可。然而，這(zhe)種標準并不是(shi)100%合適(shi)，在(zai)實際(ji)的使用中(zhong)，我們最(zui)好是(shi)同時進(jin)(jin)(jin)行(xing)CCA和RDA，根據(ju)結果進(jin)(jin)(jin)行(xing)選擇(ze)~ 1、數(shu)據(ju)準備 需要準備物(wu)種(zhong)組成數(shu)據(ju)（data.txt）、環(huan)境因子數(shu)據(ju)（factor.txt）、分組數(shu)據(ju)（group.txt），具體如下： 注意：在準備數據時，不能出現中文、空格、特殊字符如（）、？、*、[ ]、$等。最后需要把整理好的Excel文件另存為“制表符分隔”的txt格式文件。 ① 物(wu)種(zhong)組成豐度數據（data.txt） ● 通過網盤下載(zai)數據的項目(mu)：Treat*\2.2.2_taxa_summary\ungrouped\otu_table_L*.xls文件，對應門(men)綱目(mu)科屬(shu)種等(deng)不同分類水平下的物(wu)種組成豐(feng)度表（QIIME2版本）； ● 通(tong)過基因云獲(huo)取文件(jian)的項目：在下載(zai)鏈接中，下載(zai)“各分類學水平分類單(dan)元豐度表(biao)”。 以(yi)屬水平(ping)上的數據為例，將表格整理成如下(xia)形式（第一列為屬名(ming)，第一行(xing)為樣本名(ming)）后(hou)，另存為txt文檔： ② 環境因子數據(ju)（factor.txt） 根(gen)據(ju)各(ge)樣本環境因(yin)子的測定結果，可將(jiang)其整理成如下形(xing)式（第一(yi)列為樣本名，第一(yi)行為因(yin)子名），整理好(hao)后，同樣另存為txt文檔。 注意：環境因子的個數應小于(yu)樣本(ben)的個數。 ③ 樣本分組(zu)文件（group.txt） 根(gen)據分組將樣(yang)本(ben)整理(li)成如下形式（第一列(lie)為樣(yang)本(ben)名稱(cheng)，第二列(lie)為分組情況），整理(li)好后，同樣(yang)另存為txt文檔。 2、將整(zheng)理好的(de)三個文件上(shang)傳至(zhi)“云圖匯(hui)” ●以RDA為例（//www.genescloud.cn/chart/RDA），在“圖表數據”標(biao)簽中(zhong)，點擊“文件上傳→本地文件”，即可選擇剛才我們已經整(zheng)理好的文件進行分析。 ● 待3個(ge)文件均上傳(chuan)成功后，點擊“提交繪圖(tu)”，就可(ke)以輕松得(de)到(dao)分(fen)析結果啦！是不是很簡單呢(ni)？ ● 隨(sui)后，我們還可以在“圖表調(diao)整”模塊(kuai)中，對樣本顏(yan)色、分析參數等進行進一步的調(diao)整優(you)化哦，調(diao)整完點擊(ji)“更新繪(hui)圖”，就可以看到結果(guo)啦(la)~ ● 最后，我們可以點擊下(xia)載結果圖片(pian)及表(biao)格文件哦~ 以上就是(shi)(shi)今天給大(da)家(jia)介紹(shao)的云(yun)圖(tu)匯RDA/CCA操作指南了，當然，作圖(tu)效果(guo)的好壞(huai)，很大(da)程度上還是(shi)(shi)取決于分析結果(guo)是(shi)(shi)否理想、微生(sheng)物群落是(shi)(shi)否和(he)環(huan)境因子間真(zhen)的存在關聯（例如，上圖(tu)中(zhong)的P值是(shi)(shi)不顯著的）。 歡(huan)迎(ying)大家(jia)進(jin)入基因云嘗(chang)試使用哦~也歡(huan)迎(ying)大家(jia)在討論區(qu)留言或者(zhe)發郵(you)件(jian)給我(wo)們喲(yo)（郵(you)箱(xiang)地址：metasupport@doudin.cn）！
