R分析|稀有or丰富,群落物种六级分类鉴别稀有和丰富物种:Excel中简单实现

一、引言

近年来,微生物群落中丰富物种和稀有物种的分类以及它们各自在微生物群落中发挥的重要功能被逐渐重视,生态学知名杂志ISME Journal, Microbiome,Nature Communictions,iMate等均有所提及。因此,对稀有物种和丰富物种的定义和分类计算就显得非常重要,其对解析群落中的丰富和稀有物种是非常关键的。

二、背景知识

2.1 基本概念

通常大家将占样本总OUT(ASV)相对丰度>1%的被定义为丰富物种,占样本总OUT(ASV)相对丰度<0.1%的被定义为稀有物种。因此,一个样本中物种可被分为≤0.1%, 0.1--1% 或者≥1%。然而,通常环境研究中的微生物样本量通常几个,几十个,不同样本中某物种所占相对丰度大可能横跨0%--90%。

2.2 方法基础

因此,北京大学教授温东辉老师文章基于微生物相对丰度首次定义群落物种六级分类,如图所示。物种分为:(i) always rare taxa (ART),总是稀有物种,所有样本中物种OUT(ASV)丰度≤0.1%;(ii) always abundant taxa (AAT),总是丰富物种,所有样本中物种OUT(ASV)丰度≥1%;(iii) moderate taxa (MT),中等物种,所有样本中物种OUT(ASV)丰度介于0.1和1%(0.1% < 丰度 <1%); (iv) conditionally rare taxa (CRT),条件稀有物种,所有样本中物种相对丰度<1%,并且一些样本中物种≤0.1%;(v) conditionally abundant taxa (CAT),条件丰富物种,所有样本中物种相对丰度>0.1%,并且一些样本中该物种丰度≥1%;(vi) conditionally rare or abundant taxa (CRAT),条件稀有或丰富物种,该物种相对丰度跨越稀有 (≤0.1%) 和丰富 (≥1%)。

图片来源:FEMS Microbiol Ecol, Volume 92, Issue 10, October 2016, fiw150

基于这样的分类算法,我们可以通过Excel中的if函数和筛选功能来挑选物种所属的六种分类。算法如下

(i)总是稀有物种,ART:=IF(AND(B2<=0.01,C2<=0.01,...,Y2<=0.01),"是","否")

(ii)总是丰富物种,AAT:

=IF(AND(B2>=1,C2>=1,...,Y2>=1),"是","否")

(iii)中等物种,MT: =IF(AND(0.01<B2<1,0.01<C2<1,...,0.01<Y3<1),"是","否")

(iv)条件稀有物种,CRT: =IF(OR(B2<=0.01,C2<=0.01,...,Y2<=0.01),"是","否")

(v)条件丰富物种,CAT: =IF(OR(B2>=1,C2>=1,D2>=1...,Y2>=1),"是","否")

(vi)条件稀有或丰富物种,CRAT:剩余的为该类别。

三、Excel实操

Excel计算步骤:

(1)计算物种丰度

(2)基于上述公式计算类别

(3)采用Excel中筛选功能选择"是"并归为一类

(4)计数并统计占比

(5)基于占比绘制饼图或者柱状图

三、参考文献

Tianjiao Dai, Donghui Wen, et al., Identifying the key taxonomic categories that characterize microbial community diversity using full-scale classification: a case study of microbial communities in the sediments of Hangzhou Bay, FEMS Microbiology Ecology, 2016,(温东辉)

Minghan Zhu et al., Deciphering the distinct successional patterns and potential roles of abundant and rare microbial taxa of urban riverine plastisphere, Journal of Hazardous Materials, 2023, 131080,(Excel 文档作者)

Li, Hu, Yong-Guan Zhu et al,. 2023. Distinct Responses of Airborne Abundant and Rare Microbial Communities to Atmospheric Changes Associated with Chinese New Year. iMeta 2, e140. (朱永官院士团队)

四、相关信息

!!!本文内容由小编总结互联网和文献内容总结整理,如若侵权,联系立即删除!

!!!有需要的小伙伴评论区获取今天的测试代码和实例数据。

📌示例代码中提供了数据和代码,小编已经测试,可直接运行。

以上就是本节piecewiseSEM案例实际结果。

如果这篇文章对您有用,请帮忙一键三连(点赞、收藏、评论、分享),让该文章帮助到更多的小伙伴。

相关推荐
点云SLAM1 分钟前
PyTorch 中.backward() 详解使用
人工智能·pytorch·python·深度学习·算法·机器学习·机器人
androidstarjack7 分钟前
波士顿动力给机器人装上AI大脑,人类故意使绊子也不怕了!
人工智能·机器人
Learn Beyond Limits1 小时前
Transfer Learning|迁移学习
人工智能·python·深度学习·神经网络·机器学习·ai·吴恩达
程序员三明治1 小时前
三、神经网络
人工智能·深度学习·神经网络
hundaxxx2 小时前
自演化大语言模型的技术背景
人工智能
数智顾问3 小时前
【73页PPT】美的简单高效的管理逻辑(附下载方式)
大数据·人工智能·产品运营
love530love3 小时前
【保姆级教程】阿里 Wan2.1-T2V-14B 模型本地部署全流程:从环境配置到视频生成(附避坑指南)
人工智能·windows·python·开源·大模型·github·音视频
木头左3 小时前
结合机器学习的Backtrader跨市场交易策略研究
人工智能·机器学习·kotlin
Coovally AI模型快速验证3 小时前
3D目标跟踪重磅突破!TrackAny3D实现「类别无关」统一建模,多项SOTA达成!
人工智能·yolo·机器学习·3d·目标跟踪·无人机·cocos2d
研梦非凡3 小时前
CVPR 2025|基于粗略边界框监督的3D实例分割
人工智能·计算机网络·计算机视觉·3d