隨機森林分析微生物beta多樣性的環境驅動因子

2021-12-17 土壤微生物組

收錄於話題 #數據分析和可視化 95個內容

應用介紹

   Beta多樣性度量時空尺度上物種組成的變化, 是生物多樣性的重要組成部分, 因此在最近也是生物多樣性研究的熱點問題之一。Beta多樣性可以反映不同處理的微生物群落結構。通過將微生物群落的beta多樣性和環境因子進行隨機森林分析，可以挖掘驅動微生物群落變異最重要的因子，在示例數據中為AK和AP。進行此分析需要準備：微生物的OTU 表和環境因子數據design文件。

分析代碼

######隨機森林分析微生物beta多樣性的環境驅動因子

######數據按照對應的OTU表,物種文件和分組文件

library(ggplot2)  

library(vegan)

otu<-read.csv("D://test/test_otu.csv",row.names = 1)  #(關注公眾號，自行加微信獲取)

design<-read.csv("D://test/test_design.csv")

## 轉化數據格式

aa<-lapply(otu, function(x) as.numeric(as.character(x))) 

aa<-as.data.frame(aa)

otu<-aa

### nmds分析

dist=vegdist(t(otu), method="bray") # 計算距離

nmds=monoMDS(dist) 

plot(nmds) #初步出圖

index = as.data.frame(nmds$points)

index<-cbind(design,index) ##構建數據框

# 出圖

ggplot(index, aes(x=MDS1, y=MDS2,color=Group)) + geom_point(alpha=1, size=5) +######設置處理group，點的大小，透明度

  labs(x=paste("NMDS 1 "), y=paste("NMDS 2 ")) + ##坐標軸設置

  stat_conf_ellipse(level=0.95)+ ##圓圈

  theme_bw()+##空白主題

 theme(panel.grid.major=element_blank(),panel.grid.minor=element_blank())+

 scale_color_manual(values=c("#DD5F60","#4169B2","#9BCD9B","#F2B379")) #顏色

###合併NMDS1，NMDS2以及環境因子

data<-index

#對NMDS1進行隨機森林分析

NMDS1<-data[,4:13]

####採用randomForest包計算環境因子的貢獻重要性

library(randomForest)

library(ggplot2)

##隨機森林分析nmds1

set.seed(315)

bb= randomForest(NMDS1$MDS1 ~., data=NMDS1,importance = TRUE, ntree = 500, nrep = 100, na.action=na.omit)

bb

df<-round(importance(bb), 2)

df<-as.data.frame(df)

df<-cbind(df,rownames(df))

##柱狀圖繪製

ggplot(df, aes(x =df$`%IncMSE` , y =reorder(df$`rownames(df)`,df$`%IncMSE`) )) + 

  geom_bar(stat = "identity", width = 0.75,position = "dodge",colour="black",fill="#DEB887",alpha=1) + 

  labs(y="", x="", title = "",size=9)+

  theme_bw() +

  theme(axis.text=element_text(colour='black',size=9))+

  annotate('text', label = 'NMDS1', x = 16, y = 2, size = 4)+

  annotate('text', label = '81.91%', x = 16, y = 1, size = 4)

#結果表明，微生物群落的beta多樣性變異主要由AK和AP驅動

相關焦點

  • 分析微生物多樣性與環境因子關係,RDA/CCA哪個是你的最佳選擇?| OmicStudio小工具
    在做微生物研究時，常規的PCA分析可以幫助研究樣本與物種關係，RDA分析（Redundancy analysis）和CCA（Canonical Correspondence Analysis）還增加考慮了環境因子（如土壤研究中的pH值，酸鹼度，疾病研究中臨床理化因子等）的影響，同時反映樣本、環境因子和物種三者或兩兩之間的關係，在微生物組學應用廣泛。
  • 微生物群落多樣性測序與功能分析
    微生物群落測序是指對微生物群體進行高通量測序，通過分析測序序列的構成分析特定環境中微生物群體的構成情況或基因的組成以及功能。藉助不同環境下微生物群落的構成差異分析我們可以分析微生物與環境因素或宿主之間的關係，尋找標誌性菌群或特定功能的基因。
  • 用db-RDA進行微生物環境因子分析-「ggvegan「介紹
    前言在進行微生物多樣性分析時，大家一定會做α，β多樣性分析。通俗來講，α多樣性就是樣本內的物種多樣性。
  • 氣候變暖影響森林土壤微生物多樣性
    中國氣象報實習記者吳婷 記者徐文彬報導 近日，清華大學環境學院周集中研究組發現了全球氣候變暖背景下森林土壤微生物多樣性受溫度調控的規律，即微生物也遵循生態代謝理論。該研究成果發表在近期《自然》出版社的綜合性子刊《自然·通訊》上。
  • 如何讀懂和利用你的微生物多樣性測序結果?
    主要用來反映菌群與環境因子之間的關係。RDA 是基於線性模型，CCA是基於單峰模型。分析可以檢測環境因子、樣品、菌群三者之間的關係或者兩兩之間的關係。○ 冗餘分析可以基於所有樣品的OTU作圖，也可以基於樣品中優勢物種作圖；○ 箭頭射線：箭頭分別代表不同的環境因子；○ 夾角：環境因子之間的夾角為銳角時表示兩個環境因子之間呈正相關關係，鈍角時呈負相關關係。
  • 如何讀懂和利用你的微生物多樣性測序結果
    主要用來反映菌群與環境因子之間的關係。RDA 是基於線性模型，CCA是基於單峰模型。分析可以檢測環境因子、樣品、菌群三者之間的關係或者兩兩之間的關係。○ 冗餘分析可以基於所有樣品的OTU作圖，也可以基於樣品中優勢物種作圖；○ 箭頭射線：箭頭分別代表不同的環境因子；○ 夾角：環境因子之間的夾角為銳角時表示兩個環境因子之間呈正相關關係，鈍角時呈負相關關係。
  • 微生物和環境因子相關分析
    收錄於話題 #數據分析和可視化分析代碼######數據按照對應的OTU表,物種文件和分組文件library(ggplot2)  library(vegan)library(corrplot)library(Hmisc
  • Microbiome:野生哺乳動物的皮膚和腸道微生物對核汙染的反應
    因此，田鼠 SK微生物群落在研究區域間存在顯著差異(P = 0.001, PERMANOVA)，來自CEZ內部或外部的樣本來源基於分類單元豐度(Bray-Curtis dissimilarity)和群落成員間的系統發育距離(未加權的UniFrac)，是SK微生物群beta多樣性的主要預測因子。
  • 美吉多樣性測序再次助力9分文章
    為了建立大曲發酵過程中微生物群落組成與發酵各階段的關係模型，採用隨機森林學習算法對大曲發酵各階段微生物群落組成進行回歸分析。根據微生物屬的重要值，得到排名前16位的細菌屬和排名前6位的真菌屬。細菌屬分別屬於放線菌門、厚壁菌門、Deinococcota和變形菌門等(圖2c)。另一方面，真菌屬屬於子囊菌門，除Thermoascus外，其餘5個屬在P2階段未檢測到(圖2d)。
  • ...變化中的藍色星球|土壤生物多樣性|微生物|賈仲君|甲烷|溫室氣體
    事實上，目前人類對自然發生的微生物生活史及其多樣性的實時適應策略幾乎一無所知。同時，土壤採樣、存儲、核酸DNA獲取、測序以及下遊生物信息分析均可能帶來一定的偏差。土壤被認為是有生命的實體，而生命最大的特徵是生活史及其適應策略，增加土壤生物多樣性的時間維度，深刻理解四維尺度下的土壤生物多樣性演化機制具有重要意義。
  • [2020-11004]馬鈴薯栽培過程中根際微生物多樣性與群落動態
    根際是植物根系與土壤微生物群相互作用的獨特區域，根際微生物是影響土壤肥力和植物養分狀況的底物和能量轉化的重要調節者。它們對植物、土壤和氣候的綜合影響作出反應。根際微生物群落的聚集是一個動態的過程。初始根際微生物群落與散體土壤微生物群落多樣性相似。隨著植物的生長，根際微生物變得更加特異，根際微生物群落隨著植物發育階段的不同而變化。
  • 【文獻】細菌功能基因多樣性與分類學多樣性的海拔趨勢大相逕庭
    香農多樣性隨著pH和MAP的增加呈現出駝峰狀模式(圖1)。隨機森林分析表明，總體而言，預測多樣性的主要環境因素是MAP，MAT和土壤NO3-(圖2a)。圖1 在科水平上環境變量與細菌香農多樣性之間的關係。
  • Microbiome:環境過濾驅動農田生態系統土壤古菌獨特的空間分布
    ：石油汙染土壤微生物群落構建與生物多樣性研究》發表的兩篇文章解讀。引言土壤微生物是陸地生態系統中最大的生物多樣性庫之一，驅動著各種生態過程。古菌在土壤微生物群落及生物量佔相當大的比例。廣古菌門（Euryarchaeota）和奇古菌門是兩個主要的古菌門，參與碳、氮和氫的生物地球化學循環，對於陸地古菌生態的研究主要集中於自然生態系統。而農田是典型的人類管理的陸地生態系統，對全球糧食供應至關重要。
  • Environmental Pollution:環境因子影響湖泊沉積物微生物多樣性和...
    【歡迎您關注--農業環境科學】中國科學院新疆生態與地理研究所環境汙染與生態修復實驗室副研究員宋文娟以乾旱區湖泊沉積物和湖泊水體為研究對象，研究汞還原酶基因（merA）和汞甲基化基因（hgcA）的豐度及微宇宙體系中微生物多樣性組成和組間的差異。
  • 文獻解讀|NC:一種新的定量方法揭示草原微生物群落構建的生態驅動力對氣候變換的響應
    最後，使用多種統計學分析方法，例如Mantel test、多元回歸、舉例矩陣、方差分解等分析生態過程與環境因子的關係，從而更好的解釋群落組裝機制。整個計算過程如下圖所示。VPA的結果表明68.4%的群落變化無法被環境因子解釋，tNST、pNST和NP的結果同樣表明隨機性因素的貢獻更大。因此，綜合多種分析方法，可以看出傳統的QPEN的方法可能得到的結果並不準確，相比之下，iCAMP的方法與多種統計學方法具有一致的結果。
  • 土壤微生物生物地理學研究現狀與發展態勢
    Zhou等人[5]採用Geochip技術分析了森林生態系統微生物功能基因的空間分布模式，並發現微生物空間周轉率顯著低於動植物的空間周轉率。Shi等人[37]採用Geochip技術分析北極土壤功能基因空間分布，發現歷史空間隔離顯著影響功能基因的分布，並發現大尺度上的功能基因差異性與土壤pH及全氮含量有密切的關聯。
  • 環境微生物專欄 | 重要期刊最新研究進展(20210113)
    和統計分析，以確定AT和RT群落在轉化和構建過程中的模式和驅動因子。然而，沿著水淹梯度的濱海溼地土壤中調控AT和RT的微生物群落構建過程仍然很模糊。本研究通過建立具有連續淹沒梯度以及本土紅樹植物秋茄或外來種互花米草的原位圍隔實驗，以確定AT和RT群落在轉化和構建過程中的模式和驅動因子。結果表明RT的周轉速率明顯低於AT,RT的生態位寬度明顯小於AT。與AT相比，RT在整個環境梯度的生態偏好中表現出更顯著的系統發育信號。
  • 青藏高原天然草地土壤真菌多樣性:與植物多樣性和生產力的關係
    本文利用轉錄內間隔2（ITS2）區的Illumina序列對青藏高原60個草地的土壤真菌多樣性、植物多樣性和生產力之間的內在關係進行了研究。當考慮到環境驅動因素和地理距離時，真菌α和β的多樣性分別最好地解釋為植物α和β的多樣性。
  • GEB綜述丨微生物宏觀生態學-探究微生物地理模式的機制
    例如，細菌基因組中的抗生素耐藥基因、細菌多樣性對土壤pH值的空間依賴性。宏觀生態學通過描述和解釋生物豐度和分布的統計模式來探究生物與環境間的關係。微生物宏觀生態學則探究形成微生物豐度、多樣性和功能的生物地理格局的機制（圖1）。環境過濾是在空間尺度上產生微生物豐度的距離-衰減關係的關鍵。宏觀生態學不同於傳統的微生態分析，將多種機制的知識整合到一個整體框架中，探究大規模問題。
  • 環境因子影響湖泊沉積物微生物多樣性和汞循環機制研究獲進展
    汞是一種全球性汙染物，大氣中的汞可通過乾濕沉降進入地表水和土壤，環境因素的變化可導致汞的轉化。從無機汞轉化而來的甲基汞（MeHg）可通過食物鏈進行生物積累，對人類健康構成威脅。微生物活動在汞生物地球化學循環中發揮關鍵作用，例如，merA基因編碼的汞還原酶能夠將Hg2+還原為Hg0。湖泊中的汞汙染影響沉積物微生物群落結構和功能。已有研究表明，長期的汞汙染會影響細菌、真菌群落組成及多樣性。乾旱區的湖泊具有其特殊性，鹽鹼化程度高、藻菌生物膜廣布。藻菌生物膜衰亡之後是沉積物中有機質的重要補充。