前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Stegen(基于βNTI和RCbray)的群落构建方法

Stegen(基于βNTI和RCbray)的群落构建方法

作者头像
Listenlii-生物信息知识分享
发布于 2020-11-19 09:23:22
发布于 2020-11-19 09:23:22
15.5K0
举报

开篇先引用周老师综述中的一张图:

相信只要是做过群落构建(community assembly processes)对这张图都不会陌生。

Stegen这套方法目前已经被用烂了,也是多种群落构建方法中使用量最大的一种(我猜的)。

我总结了一下,目前在文章中普遍出现的计算群落构建的方法有三套:

1.即是Stegen这套方法及其发展;

该方法最近的进展参见前文:

NC-iCAMP过程解析

R-iCAMP功能介绍

2.ST,NST,MST系列;ST为最基础的算法,NST和MST是其进化版。

之前介绍过NST:

PNAS:NST方法定量生态过程中的随机性

NST:轻松计算随机性比例的R包

3.最近介绍的Sloan方法

EM:Sloan的随机性模型方法

ISME+Microbiome:Sloan随机性方法的发展及代码

MicEco:计算Sloan随机性的另一方法

画一个sloan图~

关于Stegen方法我虽然也看过不少文章,听过不少介绍,但是一直没有看过原文。趁着有空把该方法的原文看了一下,本文做一记录。

Link:

https://www.nature.com/articles/ismej201393

研究地下含水层两种不同地质构造下的地下微生物群落的构建机制。

Stegen并不是独创了这套方法,而是在前人Vellend(2010)的概念框架内进行,该框架侧重于选择、分散、漂移和物种形成的影响。

Vellend M . (2010). Conceptual synthesis in community ecology. Q Rev Biol 85: 183–206.

并结合了前人大量的研究成果,最早可追溯到(Hubbell, 2001)。

Hubbell SP . (2001) The Unified Neutral Theory of Biodiversity and Biogeography. Princeton University Press: Princeton, NJ.

零模型部分参考:

Chase JM, Kraft NJB, Smith KG, Vellend M,Inouye BD . (2011). Using null models to disentangle variation in community dissimilarity from variation in α-diversity. Ecosphere 2: art24.

Stegen JC, Lin X, Konopka AE, Fredrickson JK .(2012). Stochastic and deterministic assembly processes in subsurface microbial communities. ISME J 6: 1653–1664.

为了推断生态过程,分析框架部分依赖于系统发育更替,即一个群落中发现的OTUs与另一个群落中发现的OTUs之间的进化距离。

利用系统发育周转率来推断生态过程需要OTUs的最佳生境条件中的“系统发育信号(phylogenetic signal)”,其中亲缘关系密切的类群的栖息地偏好比远亲的栖息地偏好更相似。

首先要测试系统发育信号,以确定是否可以利用系统发育周转率在系统中进行生态推断,并确定最合适的系统发育周转率指标。

与之前的工作一致,此研究发现了显著的系统发育信号,但仅在较短的系统发育距离内。

因此,最合适的方法是在最近的亲戚中量化系统发育的更替。

所以才会使用βMNTD(定量了一个群落中每个OTU (k)与其在另一个群落中最近亲属(m)之间的系统发育距离)这个参数。

R包picante中的comdistnt函数计算βMNTD。

使用Mantel correlogram 表征系统发育信号的显著性。实心的点为显著的系统发育信号,都在较短的系统发育距离内。

延伸:

1. 使用Stegen方法之前应该先画一个Mantel correlogram 图先确定有显著的系统发育信号。但是很多文章并没有画,而是直接就用该方法。

2. 打乱一棵树本质上是很有问题的,会使小距离变得很大。改进举措之一就是iCAMP,先划分bins,只在bin的小距离范围内进行打乱。

3. 在iCAMP方法中,由于先划分了Bins,而bin内存在显著的系统发育信号,因此可以使用βMPD(群落中所有物种对间平均的进化距离)来代替βMNTD。

4. 由于物种数对系统发育树距离产生影响,βMNTD和βMPD巧妙地解决了物种数的影响,见:

计算系统发育多样性时排除物种数影响

系统发育群落组成的更替用βMNTD表征,而OTU组成的更替用RCbray表征。

Raup–Crick原本不考虑丰度,本文将其拓展为考虑丰度的形式。简而言之,当地群落是概率聚集的,其中观察到一个给定的OTU个体的概率与OTU所占据的数量和OTU在所有抽样群落中的相对丰度相关。对于给定的一对群体,每个群体都被概率聚集999次。对于每一次迭代,Bray-Curtis dissimilarity被用于量化组成的转换,从而生成一个Bray-Curtis值的零分布。

延伸:

RCbray利用矩阵进行打乱构建零模型,和物种数无关。

经典的群落构建判断标准:

延伸:

这里作者划分了两步,先看βNTI,再看RC。目前所有文章也都是按照这个来写的。但是一定要是这个顺序吗?先RC看,再看βNTI呢?实际计算过程,其实两者是同时进行的。

另外,该方法|βNTI|>2只是选择作用,而没有区分同质选择和异质选择。

该方法不足:

1. 现有的方法不能估计生态过程的相对影响或确定未测量的环境变量。

2. 当前的框架不能解析出选择的子类,如竞争和营养的相互作用。

3. 该框架可能对系统发育不确定性和alpha多样性低估等因素敏感。

Link:

https://www.frontiersin.org/articles/10.3389/fmicb.2015.00370/full

和上文同样的数据。

对模型框架进行了扩展,区分了同质选择(homogeneous selection)和变量选择(variable selection)。这个扩展的框架揭示了变量选择相对于同质选择的重要影响。

生态选择是由对特定环境条件具有不同适应水平的不同生物体所产生的结果。

认为“环境条件”包括非生物变量(例如,温度)和与生物相互作用有关的生物因素。

如果环境条件在空间上是均匀的,那么选择性环境也将是均匀的。

一致的选择压力(由一致的环境条件产生)是组分低周转率的主要原因,这种情况被称为“同质选择”。

另一方面,如果环境条件通过空间变化,类群间的适应度差异也会发生变化。选择压力的变化(由环境条件的变化引起)是高度组分转换的主要原因,这种情况被称为“变量选择”。

PS:我猜本文的变量选择应该就是异质选择(Heterogeneous selection)。

至此,Stegen方法的四种结果终于聚齐,可以召唤神龙paper了~

Reference:

Stegen JC, Lin X, Fredrickson JK,Konopka AE. 2015. Estimating and mapping ecological processes influencing microbial community assembly. Front Microbiol6:370. https://doi.org/10.3389/fmicb.2015.00370

Stegen JC, Lin X, Fredrickson JK, Chen X, Kennedy DW, Murray CJ, Rockhold ML, Konopka A. 2013. Quantifying community assembly processes and identifying features that impose them. ISME J 7:2069–2079. https://doi.org/10.1038/ismej.2013.93

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-11-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Listenlii 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
NC-iCAMP过程解析
Journal: Nature communications Published: 18 September 2020 Link: https://www.nature.com/articles/s4
Listenlii-生物信息知识分享
2020/11/03
3.3K0
NC-iCAMP过程解析
R-iCAMP功能介绍
若环境因子已知,可通过dniche和ps.bin计算bin内部的系统发育信号,进而选择合适的nmin。 若环境因子未知,可用其他方法如pNST先计算随机性。再通过icamp通过改变nmin得到近似的随机性从而选定nmin。
Listenlii-生物信息知识分享
2020/11/03
4.9K0
R-iCAMP功能介绍
Nature microbiology:全球污水处理厂细菌群落揭秘!
恭喜周老师新作!这篇文章的研究尺度很大,方法非常复杂,结果非常丰富。我尽量简单、清楚的写我最感兴趣的东西。其余细节请看原文。
Listenlii-生物信息知识分享
2020/05/29
1.2K0
Ecography:群落系统发育结构度量和零模型:新方法和新软件的综述
https://onlinelibrary.wiley.com/doi/full/10.1111/ecog.02070
Listenlii-生物信息知识分享
2020/12/02
6.5K1
Ecography:群落系统发育结构度量和零模型:新方法和新软件的综述
ISME+Microbiome:Sloan随机性方法的发展及代码
https://www.nature.com/articles/ismej2015142
Listenlii-生物信息知识分享
2020/11/19
1.4K0
ISME+Microbiome:Sloan随机性方法的发展及代码
群落构建几个问题
现如今分析扩增子,数据量普遍是越来越大了,相应的系统发育树也在茁壮成长。 用ape包计算cophenetic距离时会报错树太大:
Listenlii-生物信息知识分享
2023/12/26
4180
群落构建几个问题
Phil. Trans. R. Soc. B:原核生物的多样性有多高?
非参数多样性估计方法在样本量较小且分布不均匀的群落中使用时,往往会造成严重的低估。
Listenlii-生物信息知识分享
2021/01/05
1.1K0
Phil. Trans. R. Soc. B:原核生物的多样性有多高?
Mantel correlogram
随便找了个OTU,计算weighted和unweighted Unifrac距离矩阵和环境因子距离矩阵,分别用vegan的mantel.correlog和ecodist的mgram函数画图:
Listenlii-生物信息知识分享
2020/11/23
1.3K0
Mantel correlogram
定义群落测度:α多样性分析
微生物群落的测度(measure)是指对群落矩阵数据的一种度量比较。测度可以用一系列指数(index)或系数(coefficient)来表示。对于单个对象(样品)的测度计算,可以采用α多样性指数来表示,而对于不同对象之间的比较,则可以采用β多样性指数或者距离。对于变量(物种或环境因子)之间的比较,则采用相关性来比较。群落测度的分析结果,可用于后续的排序分析、网络分析、聚类分析、判别分析等。
SYSU星空
2022/05/05
8.4K0
定义群落测度:α多样性分析
MicrobiologyOpen: 土壤细菌DDR的组装机制
南土所褚老师最新文章,研究了东北玉米田不同空间尺度的细菌群落组装过程。小尺度上均质扩散(homogenizing dispersal)占主导地位,大尺度上变量的选择(variable selection)占主导地位。再次证明了距离衰减(distance‐decay relationship,DDR)规律,即离得近的点群落组成更相似。
Listenlii-生物信息知识分享
2020/05/29
3.2K0
回答:计算系统发育多样性时排除物种数影响
以MNTD(mean-nearest-taxon-distance)和NTI(nearest-taxon-index)为例,其他系统发育多样性指数类似:
Listenlii-生物信息知识分享
2020/09/04
1.3K0
MMBR综述 | 跨生态系统和组合扰动的微生物群落恢复力(中):微生物恢复力的关键
Journal: Microbiology and Molecular Biology Reviews
Listenlii-生物信息知识分享
2022/12/07
1.1K0
MMBR综述 | 跨生态系统和组合扰动的微生物群落恢复力(中):微生物恢复力的关键
分析样本差异:β多样性距离
β多样性是指在一个梯度上从一个生境到另一个生境所发生的多样性变化的速率和范围,它是研究群落之间的种多度关系。不同群落或某环境梯度上不同点之间的共有种越少,β多样性越大。精确地测定β多样性具有重要的意义。这是因为:①可以用来指示物种被生境隔离的程度;②可以用来度量生物多样性沿生境变化范围;③β多样性与α多样性一起构成了总体多样性或一定地段的生物异质性。
SYSU星空
2022/05/05
4.2K0
分析样本差异:β多样性距离
GigaScience综述:从分类学基因推断微生物功能
Link: https://academic.oup.com/gigascience/article/doi/10.1093/gigascience/giab090/6505123
Listenlii-生物信息知识分享
2022/03/31
1.3K0
GigaScience综述:从分类学基因推断微生物功能
mSystems:土壤细菌群落的强生物地理模式
Link: https://doi.org/10.1128/mSystems.00540-20
Listenlii-生物信息知识分享
2020/08/03
1.5K0
NC:物种尺寸与群落构建过程有关
Nature Communications/生物体大小在大陆与全球范围内塑造土壤微生物与线虫群落
Listenlii-生物信息知识分享
2021/01/20
9331
NC:物种尺寸与群落构建过程有关
ISME:群落相似性的interaction-adjusted指数家族
Link: https://www.nature.com/articles/ismej2016139
Listenlii-生物信息知识分享
2021/10/13
9250
ISME:群落相似性的interaction-adjusted指数家族
Microorganisms:基于DNA和RNA得到差异的群落组装机制
Link:https://www.mdpi.com/2076-2607/8/6/798
Listenlii-生物信息知识分享
2020/06/04
7660
MicEco:计算Sloan随机性的另一方法
前文: EM:Sloan的随机性模型方法 ISME+Microbiome:Sloan随机性方法的发展及代码 介绍了Sloan随机性方法的概念及计算。本文再提供一种计算途径MicEco。 Link: https://github.com/Russel88/MicEco/
Listenlii-生物信息知识分享
2020/11/19
1.7K0
MicEco:计算Sloan随机性的另一方法
ISME:近缘海洋细菌季节性生态位分化
Link: https://www.nature.com/articles/s41396-021-01053-2
Listenlii-生物信息知识分享
2022/05/18
6550
ISME:近缘海洋细菌季节性生态位分化
推荐阅读
相关推荐
NC-iCAMP过程解析
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档