微生物多样性研究—β多样性分析.pdfVIP

微生物多样研究中的

—β多样性分析

一、β-多样性分析

1.样品间距离计算

➢样品间的物种丰度分布差异程度可通过统计学中的距离进行量化分析，使用统

计算法Euclidean，Bray-Curtis，Unweighted_unifrac，weighted_unifrac等，计算

两两样品间距离，获得距离矩阵，可用于后续进一步的beta多样性分析和可视

化统计分析。

例如：将距离矩阵使用热图表示可直观观察样品间的差异高低分布。

σminS，S

A,iB,i

D=1−2

Bray−Curtisσσ

S+S

A,iB,i

SA,i=表示A样本中第i个OTU所含的序列数；

SB,i=表示B样本中第i个OTU所含的序列数。

样品间距离矩阵构

建的相似度树状图

物种丰度差异

基于Bray-Curtis距离heatmap图示意图

2.PCA分析

➢主成分分析(PCA，PrincipalComponentAnalysis)，是一种应用方差分解，对多

维数据进行降维，从而提取出数据中最主要的元素和结构的方法。

➢应用PCA分析，能够提取出最大程度反映样品间差异的两个坐标轴，从而将多

维数据的差异反映在二维坐标图上，进而揭示复杂数据背景下的简单规律。

➢如果样品的群落组成越相似，则它们在PCA图中的距离越接近。

3.PCoA分析

➢主坐标分析（PCoA，PrincipalCo-ordinatesAnalysis），是一种与PCA类似的降

维排序方法，通过一系列的特征值和特征向量排序从多维数据中提取出最主要

的元素和结构。

➢可以基于bray_curtis、WeightedUnifrac距离和UnweightedUnifrac距离分别来进

行PCoA分析，并选取贡献率最大的主坐标组合进行作图展示。

➢如果样品距离越接近，表示物种组成结构越相似，因此群落结构相似度高的样

品倾向于聚集在一起，群落差异很大的样品则会远远分开。

PCAPCoA分析示意图

※当PCA或PCoA分析的前两个成分（解释度）较小（如pc1与pc2之和小于50%）时，可

尝试将前三个成分用于对假设因素进行验证，并作三维图来反应样品间群落组成的关系。

4.NMDS分析

➢非度量多维尺度分析（NMDS分析）是一种将多维空间的研究对象（样品或变量）简化到低维空间

进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法。

➢适用于无法获得研究对象间精确的相似性或相异性数据，仅能得到他们之间等级关系数据的情形。

➢基本特征是将对象间的相似性或相异性数据看成点间距离的单调函数，在保持原始数据次序关系的

基础上，用新的相同次序的数据列替换原始数据进行度量型多维尺度分析。换句话说，当资料不适

合直接进行变量型多维尺度分析时，对其进行变量变换，再采用变量型多维尺度分析，对原始资料

而言，就称之为非度量型多维尺度分析。

➢特点是根据样品中包含的物种信息，以点的形式反映在多维空间上，而对不同样品间的差异程度，

则是通过点与点间的距离体现的，最终获得样品的空间定位点图。

NMDS分析示意图

5.多样品相似度树状图

➢利用树枝结构描述和比较多个样品间的相似性和差异关系。

➢首先使