排序分析（Ordination Analysis）

推荐阅读

如今，排序分析也被广泛应用到微生物组（microbiome）的分析中。PCA分析、PCoA分析、CCA分析、RDA分析、NMDS分析、是微生物多样性分析过程中耳熟能详的方法，他们在对于物种/基因等的分析过程中十分重要，在16S测序及宏基因组测序中较为常见。但是这几种分析方法具体有什么区别，以及该如何用？

这几种方法均属于排序分析，排序分析的目的主要是为了降维、探索性分析！

排序分析的分类

1.间接排序法（indirect ordination analysis）：在特定的梯度（环境轴）上探讨物种的变化情况。

2.直接排序法（direct ordination analysis）：寻求潜在的（latent）或间接的环境因子来探讨物种数据的变化。

RDA基于线性模型，CCA则是基于单峰模型。一般我们会选择CCA来做直接梯度分析。但是，如果CCA排序的效果不太好，就可以考虑换做用RDA分析。db-RDA是目前在微生物领域应用的最为广泛的环境因子分析，该分析方法内置在R中的vegan包中。

如何选择用单峰模型还是线性模型？

(1) 用DCA（vegan::decorana()）先对数据（site-species）进行分析；

(2) 查看结果中的“Axis lengths”的第一轴DCA1的值，根据该值判断该采用线性模型还是单峰模型：

• 如果大于4.0，就应该选单峰模型；

• 如果3.0-4.0之间，选线性模型或者单峰模型均可；

• 如果小于3.0, 线性模型的结果要好于单峰模型

#判断选择用单峰模型还是线性模型 decorana()
install.packages('vegan')
library('vegan')
data(varespec)
vare_dca<-decorana(varespec)
vare_dca

该案例中，Axis lengths 最大值为2.8161，小于3，线性模型（PCA 和RDA）更好一些。

在非限制性排序中，16S和宏基因组数据分析通常用到的是PCA分析和PCoA分析。两者的区别在于：PCA分析是基于原始的物种组成矩阵所做的排序分析，而PCoA分析则是基于由物种组成计算得到的距离矩阵得出的。

NMDS非度量多维尺度法是一种将多维空间的研究对象（样本或变量）简化到低维空间进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法。适用于无法获得研究对象间精确的相似性或相异性数据，仅能得到他们之间等级关系数据的情形。

我就知道你在看👇