© 2021 BIOTOOLS Co., Ltd. All Rights Reserved

latest news

最新消息

11 2017.07

微生物分析系列報導: 物種關聯分析

     原創文章     引用請註明出處
 
相關性分析(correlation analysis)是研究隨機變量相關性的一種統計方法,用於研究現象之間是否存在某種依存關係,並對具有依存關係的現象探討其相關方向以及相關程度。這次小編就來為大家詳細介紹論文中常見的『優勢物種相關係數分析』及『物種關聯網絡分析』~~

 

優勢物種Spearman相關係數分析

在微生物研究中,研究對象通常包括樣本、物種、基因、環境因子或代謝通路等,為了獲得有用的資訊我們使用Spearman檢驗相關分析對其中隱含的資訊進行探查,對成對物種進行相關性係數的計算和檢驗。在OTU物種豐度表格中選取豐度前30名的物種,以屬階層(目前預設為genus)為繪圖物種名稱(若屬階層無注釋資訊則以科階層名稱注釋), 繪製優勢物種之間Spearman相關係數分析圖,藉此圖可發現優勢物種之間的重要模式與關係(依存或拮抗關係)。
 

corrplot_dot2.png
優勢物種Spearman相關係數圖

說明:藍色表示正相關,紅色表示負相關。顏色越深物種之間的正或負相關性越強。k__p__c__o__f__ 開頭表示物種分別注釋到界、門、綱、目、科階層上(若genus沒有注釋則以上層的family為物種名稱,以此類推)。

物種關聯網絡分析

研究微生物體間不同物種間的消長互動常使用Spearman關聯性分析 (Spearman correlation analysis)。分析後得到的關聯性係數 (correlation coefficient)可用以代表兩兩物種間的關聯性及關聯程度。為了更好地判斷微生物體中的關鍵物種及其關係網路,搭配網絡圖分析 (network analysis)可以顯示物種間的關聯程度,並依據整體物種間的關聯性重新排列,同時顯示物種相對豐度及所屬菌門(phylum)。在綱、目、科、屬、種五個階層做物種關聯網絡分析,以Kruskal-Wallis檢定選取兩組或多組間存在差異的物種(p-value < 0.05),關聯性係數門檻值預設為0.7 & 0.8。以種(Species)階層相關係數門檻值0.7為例如下:

 
network2_07.pngnetwork3_07.png

物種關聯網絡分析圖

說明:綠色的線表示兩物種間正相關,紅色表示負相關。關聯程度越高,線條越粗;反之則越細。每個圓點代表一個物種,點越大表示相對豐度越高;反之則越小。點的顏色則依照物種所屬菌門上色,例如淺藍色代表厚壁菌門。右圖(環狀網絡圖)中關聯數目越高的物種集中在右上方,關聯數目越少的集中在左下方。

近年微生物菌群分析對於物種關聯、互作越來越多著墨,相信熱衷於菌群研究的各位應該都心有戚戚焉~希望本次的報導有助於大家了解相關性分析的特色與用途,未來我們會持續報導更多更好的分析及工具!
 


圖爾思生物科技 / NGS事業部
郭育倫 文案
© BIOTOOLS. All Rights Reserved
回上一頁
聯絡我們
CONTACT US
立即前往

抱歉,為了您的瀏覽體驗及安全性,本網站不支援IE瀏覽器,請參考下方常用瀏覽器。