2021-03-22
對于QIIME 2云分析，我們悉心整理了各個分析模塊中的熱點分析內容，推出了“5分鐘小課堂系列”。此前已帶來了第1講（點擊查看），對物種組成分析和Alpha多樣性分析兩大模塊進行了解讀。今天我們將對Beta多樣性分析進行解讀，希望可以幫助大家更好地理解微生物組測序分析的結果哦~
Beta多樣性分析主要用于比較各樣本中微生物群落整體結構的差異。通過QIIME 2云分析，我們共計算了4種常見的Beta多樣性距離，每種距離可用于Beta多樣性分析，但都有針對性的應用場景。對于這4種距離的介紹，可以參見“附錄 / 附表 / Beta多樣指數簡介”：
具體的分析內容，主要包括PCoA分析、NMDS分析、層次聚類分析和組間差異分析：
1、距離矩陣與PCoA分析
PCoA分析中即我們常見的主坐標分析，一般通過二維或三維散點圖來進行展示。圖中，每個點代表一個微生物群落樣本，不同樣本或分組用不同顏色/圖形表示，點與點在坐標軸上的投影距離越遠，則對應兩個群落樣本中的整體組成結構差異越大。同時，坐標軸括號中的百分比，代表了對應的坐標軸所能解釋的樣本差異數據（距離矩陣）的比例。
比如下圖中A組與B組的群落樣本，在PCoA1軸上的投影距離較遠，但在PCoA2軸上的投影距離很近，表明兩組群落樣本在第一軸的維度上具有較大差異，但在第二軸的維度上卻很相似；第一軸解釋了約22.2%的樣本間差異，而第二軸則解釋了約18.3%的樣本間差異。
當然，我們也可以通過QIIME 2專有的QZV文件，在網站中（https://view.qiime2.cn/）實現三維可視化展示（具體操作可參見：【派森諾基因云】一文讀懂QZV，一鍵玩轉3D-PCoA！點擊查看）。
2、NMDS分析
NMDS分析即非量度多維尺度分析，與PCoA相似，每個點代表一個群落樣本，不同樣本或分組用不同顏色/圖形表示。與PCoA不同的是，NMDS分析不用參考投影距離，而是直接通過樣本之間直線距離的遠近，衡量群落組成結構的差異大小。因此，可近似認為兩點之間的距離越近（遠），表明兩個樣本中微生物群落的整體組成結構差異越小（大）。
另外，圖片上方的Stress值表明分析結果的應力值，可用于衡量分析結果的可靠性。一般而言，當Stress值小于0.2時，NMDS分析的結果較可靠。
3、層次聚類分析
層次聚類分析由左右兩部分組成：左圖代表群落樣本的層次聚類樹圖，右圖代表物種組成的堆疊柱狀圖。
左圖中，樣本根據彼此之間的相似度聚類，樣本間的分支長度越短、聚類效果越好，則兩樣本的群落整體組成結構越相似；右圖默認顯示豐度排名前10（或分析時自定義的個數）的屬水平（或分析時自定義的分類水平）微生物組成，豐度越高，柱子長度越長。下圖示例中，A、B、C三組樣本分別聚類形成三個分枝，表明三組群落樣本的整體組成結構有明顯差異；同時，A組樣本中，A02和A05樣本，與組內其它樣本的整體組成結構有較大不同，形成了獨立的聚類分枝。而右圖的物種組成，則從優勢物種豐度分布的角度，進一步展現了上述的群落組成結構差異。
4、組間差異分析
組間差異分析用于比較組內差異與組間差異。具體而言，組內差異指的是指定分組內的群落樣本之間的距離大小，組間差異是指該分組內的群落樣本，與其余各分組的樣本間的距離大小。距離值通過箱線圖進行展示，以體現各組內/組間比較的差異大小。箱的上下端線代表上下四分位數（Interquartile range，IQR）；箱中的橫線代表中位數；箱外延伸的上下觸須的邊緣，對應1.5倍的IQR范圍之內的極值（最大值和最小值）；在觸須邊緣外部的點，表示離群的異常值。
圖形上方可以指定組內/組間比較所需參考的分組。圖中，第一個箱線圖代表組內差異，中位線越低、觸須越短，則表明組內差異越小、組內群落樣本的重復性越好。其余箱線圖則代表指定分組與其余各分組間的組間差異，中位線越高，表明組間差異越大（一般而言，一個理想的研究設計，應當是組內差異顯著小于組間差異的）。
同時，我們也提供組間兩兩差異比較的P值與Q值，P值或Q值小于0.05時，一般認為有統計學意義的顯著性。
以上就是今天給大家介紹的云分析結果解讀哦~一般而言，不同的分析手段獲得的結果，可能有所差異，因此還是建議大家可以多種方法都嘗試比較，選擇較為理想的分析結果進行展示。當然，分析結果和作圖效果的好壞，很大程度上還是取決于微生物群落本身的特性哦~
歡迎大家進入基因云嘗試使用，也可關注我們將上線的網絡直播系列課程，在線互動交流哦！
