生物信息分析之RDA分析_微基生物，首發(fā)于微基生物。
]]>做微生物多樣性研究時，大家是不是經(jīng)常會遇到RDA分析、CCA分析、PCA分析、PCoA分析呀？我們知道它們對物種（基因或功能）的分析具有重要的作用。但是你知道它們代表什么意思？在什么情況下用什么分析嗎？
近期小編將把這一堆的分析給大家逐個講解，今天咱們首先從RDA分析入手！
（其實上面所提到的分析，本質(zhì)上都屬于排序分析。排序就是在一個可視化的低維空間(通常是二維)重新排列這些樣方，使得樣方之間的距離最大程度地反映出平面散點圖內(nèi)樣方之間的關(guān)系信息。）
RDA分析其實是小名，它的中文名叫冗余分析，還有個洋氣的英文名叫Redundancy Analysis，RDA分析可以將樣本和環(huán)境因子反映在同一個二維排序圖上，從圖中可以直觀地看出樣本分布和環(huán)境因子間的關(guān)系。
比如下面這張由微基自己完成的圖
小編和大家一起來“破解”這張RDA圖
（1）在這個圖中，箭頭表示環(huán)境因子。
（2）箭頭連線的長度表示該環(huán)境因子與樣本分布間相關(guān)程度的大小，連線越長，相關(guān)性越大，反之越小。
（3）箭頭連線和排序軸的夾角以及箭頭連線之間的夾角表示相關(guān)性，銳角表示成正相關(guān)關(guān)系，鈍角則表示成反相關(guān)關(guān)系。夾角越小，相關(guān)性越高。
（4）箭頭所指方向表示群落分析指標或環(huán)境因子的變化趨勢。
其實從RDA報告中，還可以看出所有環(huán)境因子或某個環(huán)境因子對樣本的影響，不過由于分析報告“太瑣碎”，通常在文獻中不會出現(xiàn)，如下圖在這個報告中，紅色標注內(nèi)表示所有環(huán)境因子對樣本變化的整體解釋量，綠色標注內(nèi)則分別表示3個軸具體的解釋量。
那怎么看某個環(huán)境因子對所有樣本的影響呢？這里小編再給大家舉個例子
在圖3中，將變量射線延長，樣本垂直投影于射線上，沿著變量箭頭方向，環(huán)境變量值增大。圖中樣本Sa3和Sa4所對應(yīng)的環(huán)境變量A值近似相等，A對所有樣本影響的大小排序為：Sa1>Sa4≈Sa3>Sa2>Sa5
看到這里是不是覺得RDA分析圖很強大？！想不想自己動手操作一下？！小編悄悄的告訴你RDA分析圖可以用許多軟件做，如CANNOCO、R語言的Vegan。
另外小編再告訴大家一個秘籍，在做RDA分析時，環(huán)境因子的個數(shù)要小于物種的個數(shù)，否則軟件會“罷工”！
（轉(zhuǎn)載請注明出處）
如果您對微生態(tài)研究方法有比較感興趣的話題和生物信息學(xué)相關(guān)興趣，歡迎聯(lián)系我們，對于反饋較多的問題，我們將優(yōu)先推出相關(guān)內(nèi)容和問題解答。您可以關(guān)注我們的微信號，給我們發(fā)微信或電子郵件：
support@tinygene.com
期待您的來電：400-660-9270
生物信息分析之RDA分析_微基生物，首發(fā)于微基生物。
]]>RDA 或CCA 模型的選擇原則：先用species-sample 數(shù)據(jù)（97%相似性的樣品OTU 表）做DCA 分析，看分析結(jié)果中Lengths of gradient 的第一軸的大小，如果大于4.0，就應(yīng)該選CCA，如果3.0-4.0 之間，選RDA 和CCA均可，如果小于3.0，RDA 的結(jié)果要好于CCA。
軟件：PC-ORD或是CANOCO軟件作圖。
參考文獻：
Sheik CS, Mitchell TW, Rizvi FZ, Rehman Y, Faisal M, et al. (2012) Exposure of Soil Microbial
Communities to Chromium and Arsenic Alters Their Diversity and Structure. PLoS ONE 7(6): e40059.doi:10.1371/journal.pone.0040059.
例圖：
基于OTU進行RDA /CCA分析
基于物種信息進行RDA /CCA分析
注：圖中數(shù)字表示樣品名，不同顏色或形狀表示不同環(huán)境或條件下的樣本組；箭頭表示環(huán)境因子；圖中藍色上三角表示不同屬的細菌；物種與環(huán)境因子之間的夾角代表物種與環(huán)境因子間的正、負相關(guān)關(guān)系（銳角：正相關(guān)；鈍角：負相關(guān)；直角：無相關(guān)性）；由不同的樣本向各環(huán)境因子做垂線，投影點越相近說明樣本間該環(huán)境因子屬性值越相似，即環(huán)境因子對樣品的影響程度相當。
]]>RDA分析(Redundancy analysis)，首發(fā)于微基生物。
]]>RDA分析，即冗余分析，對比主成分分析可以發(fā)現(xiàn)，其實冗余分析就是約束化的主成分分析。PCA和RDA的目的都是尋找新的變量來代替原來變量，它們主要區(qū)別在于后者樣方在排序圖中的坐標是環(huán)境因子的線性組合。它的優(yōu)點就是考慮了環(huán)境因子對樣方的影響，因為有些時候我們想得到在某些特定條件限制下（如海拔高度，PH值，酸堿度，疾病組與健康組等）物種的分布?？梢缘玫侥男┪锓N受特定的環(huán)境因子影響?？梢缘玫饺缒承┲脖皇鞘芎０胃叨扔绊懀承┚躊H值或酸堿度的影響等。
對數(shù)據(jù)的準備，需要兩個矩陣，一個數(shù)據(jù)矩陣，一個環(huán)境矩陣，數(shù)據(jù)矩陣和pca準備數(shù)據(jù)相同，環(huán)境矩陣形式如下，如果有不能量化的環(huán)境因子（如性別，疾病與健康等）聯(lián)系我們，來量化您的數(shù)據(jù)。
對數(shù)據(jù)的要求，樣方的個數(shù)必須大于環(huán)境因子的個數(shù)。
| 環(huán)境因子1 | 環(huán)境因子2 | |
| 樣方1 | ||
| 樣方2 |
RDA分析(Redundancy analysis)，首發(fā)于微基生物。
]]>