溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

R語言中的Anosim分析該如何理解

發(fā)布時間：2021-12-28 12:04:39 來源：億速云 閱讀：1404 作者：柒染 欄目：大數(shù)據(jù)

R語言中的Anosim分析該如何理解，相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

無論是野外環(huán)境樣品，還是室內(nèi)試驗樣品，一般我們都會設(shè)置樣方或平行樣來增強分析的準確性，必要時還會進行區(qū)組設(shè)計，因此在數(shù)據(jù)分析中需要進行組間差異的比較判別。然而對于微生物群落數(shù)據(jù)，由于物種繁多，而且不同物種的敏感環(huán)境因子不同，因此基于正態(tài)分布的參數(shù)檢驗難以滿足分析需要，要進行多元非參數(shù)檢驗（non-parametric multivariate statistical tests）來計算顯著性，R語言vegan包含有多種非參數(shù)檢驗方法，包括Anosim、Adonis、MRPP等，不同方法在統(tǒng)計量的選擇、零模型等方面存在差異。

Anosim  分析（  Analysis of similarities  ）是一種基于置換檢驗和秩和檢驗的非參數(shù)檢驗方法，用來檢驗組間的差異是否顯著大于組內(nèi)差異，從而判斷分組是否有意義。  Anosim  分析使用距離進行分析，默認為  method="bray"  ，可以選擇其他距離（和  vegdist()  函數(shù)相同），也可以直接使用距離矩陣進行分析。在  R  中我們可以使用  vegan  包中的  anosim()  函數(shù)進行分析，這里我們微生物  群落數(shù)據(jù)為例進行分析：
#讀取抽平后的OTU_table和環(huán)境因子信息data=read.csv("otu_table.csv", header=TRUE, row.names=1)envir=read.table("environment.txt", header=TRUE)rownames(envir)=envir[,1]env=envir[,-1]#篩選高豐度物種并將物種數(shù)據(jù)標準化means=apply(data, 1, mean)otu=data[names(means[means>10]),]otu=t(otu)#根據(jù)地理距離聚類kms=kmeans(env, centers=3, nstart=22)Position=factor(kms$cluster)#進行Anosim分析library(vegan)anosim=anosim(otu, Position, permutations=999)summary(anosim)

R語言中的Anosim分析該如何理解

上圖中的  ANOSIM statistic R  為  Anosim  檢驗的統(tǒng)計量，他的分布衡量的就是零模型的分布，  Upper quantiles of permutations  就是通過  999  次置換獲得的統(tǒng)計量的分位數(shù)。具體說來，  Anosim  分析的原理是先計算樣品兩兩之間的距離，將樣品兩兩之間的距離按照從小到大進行排序并計算排名（秩，  r  ），并根據(jù)距離的歸類（屬于組間距離還是組內(nèi)距離）來計算組間距離秩的均值  rb  與組內(nèi)距離秩的均值  rw  之差作為統(tǒng)計量：

R語言中的Anosim分析該如何理解

假如R>0，說明組內(nèi)距離小于組間距離，也即分組是有效的，這與方差分析中比較組內(nèi)方差與組間方差來判斷的原理是類似的。由上面分析結(jié)果可以看到R=0.4613，大于零模型99%分位數(shù)0.290，因此p值為0.001，結(jié)果是顯著的。我們可以提取分析結(jié)果，如下為距離的秩：

R語言中的Anosim分析該如何理解

因為有22個樣品，所以應(yīng)該有C(22, 2)=231個距離。如下為上述距離對應(yīng)的歸屬：

R語言中的Anosim分析該如何理解

現(xiàn)在我們根據(jù)這個排序歸類進行可視化：
mycol=c(52,619,453,71,134,448,548,655,574,36,544,89,120,131,596,147,576)mycol=colors()[mycol]par(mar=c(5,5,5,5))result=paste("R=",anosim$statistic,"p=", anosim$signif)boxplot(anosim$dis.rank~anosim$class.vec, pch="+", col=mycol, range=1, boxwex=0.5, notch=TRUE, ylab="Bray-Curtis Rank", main="Bray-Curtis Anosim", sub=result)
作圖結(jié)果如下所示：

R語言中的Anosim分析該如何理解

設(shè)置參數(shù)  notch=TRUE  后會在箱子的兩邊繪制凹槽來顯示中位數(shù)的置信區(qū)間，從而便于對中位數(shù)進行比較?？梢钥闯龅诙M分組效果較差，但總體來說分組是有效的。

看完上述內(nèi)容，你們掌握R語言中的Anosim分析該如何理解的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！

向AI問一下細節(jié)

免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手