溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
R語言中的Anosim分析該如何理解，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。
無論是野外環境樣品，還是室內試驗樣品，一般我們都會設置樣方或平行樣來增強分析的準確性，必要時還會進行區組設計，因此在數據分析中需要進行組間差異的比較判別。然而對于微生物群落數據，由于物種繁多，而且不同物種的敏感環境因子不同，因此基于正態分布的參數檢驗難以滿足分析需要，要進行多元非參數檢驗（non-parametric multivariate statistical tests）來計算顯著性，R語言vegan包含有多種非參數檢驗方法，包括Anosim、Adonis、MRPP等，不同方法在統計量的選擇、零模型等方面存在差異。
#讀取抽平后的OTU_table和環境因子信息data=read.csv("otu_table.csv", header=TRUE, row.names=1)envir=read.table("environment.txt", header=TRUE)rownames(envir)=envir[,1]env=envir[,-1]#篩選高豐度物種并將物種數據標準化means=apply(data, 1, mean)otu=data[names(means[means>10]),]otu=t(otu)#根據地理距離聚類kms=kmeans(env, centers=3, nstart=22)Position=factor(kms$cluster)#進行Anosim分析library(vegan)anosim=anosim(otu, Position, permutations=999)summary(anosim)
假如R>0，說明組內距離小于組間距離，也即分組是有效的，這與方差分析中比較組內方差與組間方差來判斷的原理是類似的。由上面分析結果可以看到R=0.4613，大于零模型99%分位數0.290，因此p值為0.001，結果是顯著的。我們可以提取分析結果，如下為距離的秩：
因為有22個樣品，所以應該有C(22, 2)=231個距離。如下為上述距離對應的歸屬：
mycol=c(52,619,453,71,134,448,548,655,574,36,544,89,120,131,596,147,576)mycol=colors()[mycol]par(mar=c(5,5,5,5))result=paste("R=",anosim$statistic,"p=", anosim$signif)boxplot(anosim$dis.rank~anosim$class.vec, pch="+", col=mycol, range=1, boxwex=0.5, notch=TRUE, ylab="Bray-Curtis Rank", main="Bray-Curtis Anosim", sub=result)
看完上述內容，你們掌握R語言中的Anosim分析該如何理解的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
