2021-01-29
在對微生物群落進行研究時，除了分析不同群落樣本之間在微生物群落組成、功能上的差異外，往往還想了解，具體有哪些因素會影響微生物群落，使其組成和功能發生變化？其中，哪種因素又占據了主導作用？ 為了回答這一問題，需要將微生物群落樣本的相關數據，與其對應的環境因子數據進行關聯分析。在眾多關聯分析的方法中，出鏡率最高的，就是RDA/CCA分析啦~ RDA/CCA分析一般需要使用CANOCO軟件或運用R語言進行分析，這對生信小白來說，挑戰還是很大滴。現在，RDA/CCA分析已經在派森諾基因云的“云圖匯”模塊中發布上線啦（網址：https://www.genescloud.cn/chart/）！我們也已做了初步介紹和解讀（點擊查看）。 簡單而言，RDA（Redundancy Analysis）和CCA（Canonical Correspondence Analysis）均屬于直接排序的分析方法，RDA基于線性模型，CCA則是基于單峰模型。一般情況下，兩者都能有效分析微生物群落與環境因子之間的變化相關性。 那么問題來了，既然兩者都可以進行，又該如何選擇呢？ 在進行排序分析之前，可以先對物種群落數據進行去趨勢對應分析（Detrended correspondence analysis，DCA），根據結果中Lengths of gradient的值來進行判斷，如果最大的值大于4，則應選擇CCA，如果最大的值小于3，則選擇RDA，而如果最大的值在3~4之間，則兩種分析均可。然而，這種標準并不是100%合適，在實際的使用中，我們最好是同時進行CCA和RDA，根據結果進行選擇~ 1、數據準備 需要準備物種組成數據（data.txt）、環境因子數據（factor.txt）、分組數據（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 物種組成豐度數據（data.txt） ● 通過網盤下載數據的項目：Treat*\2.2.2_taxa_summary\ungrouped\otu_table_L*.xls文件，對應門綱目科屬種等不同分類水平下的物種組成豐度表（QIIME2版本）； ● 通過基因云獲取文件的項目：在下載鏈接中，下載“各分類學水平分類單元豐度表”。 以屬水平上的數據為例，將表格整理成如下形式（第一列為屬名，第一行為樣本名）后，另存為txt文檔： ② 環境因子數據（factor.txt） 根據各樣本環境因子的測定結果，可將其整理成如下形式（第一列為樣本名，第一行為因子名），整理好后，同樣另存為txt文檔。 注意：環境因子的個數應小于樣本的個數。 ③ 樣本分組文件（group.txt） 根據分組將樣本整理成如下形式（第一列為樣本名稱，第二列為分組情況），整理好后，同樣另存為txt文檔。 2、將整理好的三個文件上傳至“云圖匯” ●以RDA為例（https://www.genescloud.cn/chart/RDA），在“圖表數據”標簽中，點擊“文件上傳→本地文件”，即可選擇剛才我們已經整理好的文件進行分析。 ● 待3個文件均上傳成功后，點擊“提交繪圖”，就可以輕松得到分析結果啦！是不是很簡單呢？ ● 隨后，我們還可以在“圖表調整”模塊中，對樣本顏色、分析參數等進行進一步的調整優化哦，調整完點擊“更新繪圖”，就可以看到結果啦~ ● 最后，我們可以點擊下載結果圖片及表格文件哦~ 以上就是今天給大家介紹的云圖匯RDA/CCA操作指南了，當然，作圖效果的好壞，很大程度上還是取決于分析結果是否理想、微生物群落是否和環境因子間真的存在關聯（例如，上圖中的P值是不顯著的）。 歡迎大家進入基因云嘗試使用哦~也歡迎大家在討論區留言或者發郵件給我們喲（郵箱地址：[email protected]）！
