伪原创工具入口,al伪原创

一、简介

微生物群落研究逐渐从单一al伪原创的群落结构研究转向分析群落与环境因素al伪原创的关联互作机制研究当中，典型al伪原创的环境因子分析方法有CCA/RDA、互作网络图、VPA分析等，这些分析能帮助我们逐一比较待选的环境因子与微生物群落数据间的关联性，细致挖掘对群落结构有影响的个别环境因子。

需要注意到的是，环境对微生物群落的影响是间接的，例如：气温因素影响了植物的生长状态，植物的生长状态的变化影响土壤微生物的群落结构，而微生物的群落变化又引起土壤一些微量元素的变化。可以看到，这是个复杂的网络状影响关系，微生物群落是其中的一个环节，过往研究环境因子线性影响微生物是不适用的。为了能够完整呈现这种网络状影响关系，微生物研究领域采用了SEM与PLS-PM这两类模型。

二、相关概念

结构方程模型（Structural Equation Model, SEM）是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，因此也称为协方差结构分析。结构方程模型采用的是后验逻辑，通过过往研究经验构建出类似：环境-植物生长-微生物群落-代谢物 的网络结构模型 。在模型构建完成后，通过检验模型整体拟合度，检验模型中各个路径是否达到显著来判断模型是否可用，之后逐一确定自变量对因变量的影响。

图1 文章中的SEM模型[1]

图2 文章中的SEM模型[2]

图3 文章中的SEM模型[3]

相关参数概念简介：

1.潜变量：人为创造的无法直接被测量的变量，如研究气候（Climate）对微生物群落的影响，“气候”是个人为创造的抽象概念，没有一个准确的标准用于衡量这个指标。

2.显变量：也称观测变量，显变量的主要含义就是：变量是实际测量的内容，也就是各类型环境因子的数值。例如：通过温度、湿度、pH、光照强度等测量指标来作为气候的观测变量。

3.复合变量：这是一类区别于潜变量的特殊变量，简单来说就是若干个观测变量进行组合，作为原始变量，一般以六边形表示。如：将经度和纬度这两个观测变量进行组合，作为空间（Spatial）的组合变量，进行路径分析。

4.拟合度：也叫适合度、配合度，是结构方程模型中最重要的指标。拟合度指标是假设的理论模型与实际数据的一致性程度，模型拟合度越高，代表理论模型与实际数据的吻合程度越高。常见拟合度指卡方值、近似均方根误差等。通过这一系列拟合度指标判断设计的模型是否合理，能够较完整地解释原始数据矩阵间的关联。

表1 各类拟合度指标

5.标准路径系数：路径系数概念等同于回归分析中的回归系数，用于说明模型当中元素关系，回归系数>0则说明两个元素呈正向关联，值越大则说明关联程度越强。除路径系数外一般还会给出路径系数检验的P值用于判断该路径系数是否显著，还会针对每个元素给出回归分析的R2值，来说明元素整体被其他元素的解释程度。

三、SEM分析工具)

当前有许多工具可以构建SEM分析，如：R语言Lavaan包、AMOS软件等。

四、微生物群落SEM分析步骤

1.收集样本检测微生物群落数据（如16s rDNA测序），SEM对于样本量要求较高，样本量不足时会出现模型不拟合等问题，因此目前普遍建议样本量大于100，接近200才适合做SEM分析。

2.收集样本的同时检测所需要的环境因子数据，与其他环境因子分析类似，SEM分析要求每个检测样本都要有对应的环境因子数据，否则这个样本将无法加入分析。

3.构建模型，依据研究经验尽可能构建合理的模型。

4.计算路径系数、拟合度等指标，评估模型质量。

5.调整模型，直到达到预期为止。

五、SEM与PLS-PM

SEM有两个很大的限制：

1）对样本数量要求高，一般研究项目达不到分析标准。

2）模型通常较复杂，后期难以判断调整方向，往往越调整拟合程度越差。因此，当前主流的高阶环境因子与微生物群落互作以PLS-PM（偏最小二乘路径分析，Partial Least Squares Path Modeling）为主。

PLS-PM是结构方程模型的偏最小二乘估计方式，与SEM相似的是PLS-PM同样会计算标准路径系数、R2值等回归分析指标。不同的是，对于样本量需求低一些（一般认为样本大于30个就能进行这个分析），通常此类路径分析模型设计元素总量较少，能够有效降低模型构建难度。PLS-PM一般采用GOF指数（Goodness-of-fit，GOF）判断模型整体拟合程度，GOF值越大说明模型拟合程度越高。

图4 文章中的PLS-PM模型[4]

图5 文章中的PLS-PM模型[5]

六、PLS-PM分析工具

R语言的plspm包、**art-PLS软件等工具可用于进行PLS-PM分析。

七、小结

1.SEM、PLS-PM这类路径模型在微生物领域常用于研究批量环境因子**对群落结构（物种丰度、多样性指数等）的影响，也可以用于研究环境对群落的影响引起群落对下游因素（如抗生素抗性基因丰度）的影响变化，还可以独立研究某个物种对于相关环境的影响继而引起下游的连锁反应。

2.此类路径分析可以帮助我们从宏观的角度分析环境因素对于下游微生物群落结构的影响。

3.路径模型研究的核心在于模型的构建，需要配合过往研究经验，当前已有数据等信息才能搭建起一个合适的路径模型。

八、文末福利

即日起，在OM商城下单满额，即送超多福利！（不与线下优惠共享）

福利一：好评多多、干货满满的生信培训班，转录组、微生物、10×单细胞生信培训班任al伪原创你挑选！

福利二：100多种绘图工具、用户数突破6万的OmicShare会员，提升发文速度的利器！

福利三：独家生信技术资料分享，专业人员撰写的原创书籍，快速全面提高组学研究的独门秘笈！

OM商城地址

参考文献

[1] McHugh TA, Compson Z, van Gestel N, et al. Climate controls prokaryotic community composition in desert soils of the southwestern United States. FEMS Microbiol Ecol. 2017;93(10):10.1093/femsec/fix116.

[2] Delgado-Baquerizo M, Eldridge DJ, Ochoa V, Gozalo B, Singh BK, Maestre FT. Soil microbial communities drive the resistance of ecosystem multifunctionality to global change in drylands across the globe. Ecol Lett. 2017;20(10):1295-1305.

[3] de Vries, F.T., Griffiths, R.I., Bailey, M. et al. Soil bacterial networks are less stable under drought than fungal networks. Nat Commun 9, 3033 (2018).

[4] Liao H, Lu X, Rensing C, et al. Hyperthermophilic Composting Accelerates the Removal of Antibiotic Resistance Genes and Mobile Genetic Elements in Sewage Sludge. Environ Sci Technol. 2018;52(1):266-276.

[5] Zhou L, Liu L, Chen WY, et al. Stochastic determination of the spatial variation of potentially pathogenic bacteria communities in a large subtropical river. Environ Pollut. 2020;264:114683.