1. 簡介

物種豐富度指數(Species richness)為群落中豐度大于0的物種數之和，一般用Observed OTU(observed species)表示，但只有物種種類信息，沒有豐度信息，數值范圍一般為幾百至幾千不等，范圍很大，與研究對象有關；

香農指數(Shannon index)或稱香農熵指數(Shannon entropy index)、香農-威納指數(Shannon-Wiener index)，大家最常用的Shannon index 數值為1-10左右的小數，是綜合物種數量和豐度兩個層面的結果。如果群落僅由單一物種組成(種群)，那么我們確信隨機選擇的個體必定為那個唯一的物種，此時不確定性就為零；否則，我們將無法得知隨機被選擇的個體究竟屬于什么物種，并且不確定性也會隨著群落物種種類數的增多而增加。

辛普森指數(Simpson index)同樣考慮了物種豐富度以及均勻度，但與Shannon指數相比，它更受均勻度的影響(Simpson，1949))。經典Simpson指數代表了在群落中兩個隨機選擇的個體屬于同一物種的概率，當群落物種豐富度增加時，這種概率降低，即Simpson指數隨著物種豐富度的增加而降低。由于經典Simpson指數與物種豐富度相反的趨勢不直觀，如今常用演變而來的Gini-Simpson指數表示Simpson指數，即用1減去經典Simpson指數數值后得到，此時Simpson指數隨著豐富度的增加而增加(二者保持一致的趨勢)。

特別注意：通常情況下為保持物種豐度指數與Simpson指數的趨勢一致，直接將“Gini-Simpson”定義為“Simpson”，即絕大多數情況下，我們在文獻中看到的Simpson指數或者軟件直接給出的Simpson指數結果，其實是Gini-Simpson指數，而并非經典Simpson指數。

均勻度(Evenness)用于度量群落中相對物種豐富度，Shannon均勻度(Shannon’s evenness)，又稱Pielou均勻度(Pielou’s evenness)，為群落實際的Shannon指數與具有相同物種豐富度的群落中能夠獲得的最大Shannon指數的比值。如果所有物種具有相同的相對豐度，則該值為1。

Chao1是根據出現1/2次的OTU來估算總體；還有PD whole tree是考慮物種進化關系權重，認為分類學上非常上近的物種存在一定相關性；

物種豐富度指數(Species richness)為群落中豐度大于0的物種數之和，值越大表明群落中物種種類越豐富。

ACE指數在生態學中同樣作為度量物種豐富度的指標(Chao and Yang，1993),其值越高代表群落物種越豐富。

goods_coverage常用在微生物16S/18S/ITS測序中，作為反映測序深度的指標。其值越接近于1，說明測序深度越合理，測序深度已經基本覆蓋到樣品中所有的物種；反之，測序深度不高，許多物種僅被測到了一次，暗示著很多低豐度物種可能尚未被測序測到。

數據樣式：每一行為一個樣本，每一列為一種OTU，交接位置為相應豐度計數。

2. alpha多樣性指數計算

library(picante)

library(ggplot2)

otu

dimnames = list(row_names = paste0("OTU",seq(1:100)),

col_names = paste0("sample",seq(1:12))))

head(otu)

# 樣本的OTU豐度/ 該樣本OTU總豐度 = 相對豐度

otu

# 如果計算無誤，每個sample的相對豐度和為1

apply(otu, 2, sum)

# 轉制 - 變成行代表樣品，列代表OTU，交叉區域為豐值度

otu

# 物種豐富度 Richness 指數(observed species)

richness 0)

#

shannon_index

#每個樣本的Shannon 多樣性

shannon_diversity

# Shannon 均勻度(Pielou 均勻度)

pielou

# 轉換組成數據集

shannon_diversity

shannon_diversity$sample

# 加入分組信息

group_data

sample = paste0("sample",seq(1:12)),

group = rep(LETTERS[1:4], each = 3),

sites = rep(c("soil", "root"), each = 6),

stringsAsFactors = FALSE)

# 根據sample 合并

shannon_diversity

group_data, by = "sample")

str(shannon_diversity)

# 箱線圖展示

ggplot(data = shannon_diversity) + geom_boxplot(aes(x = group,

y = shannon_diversity,

fill = sites))

其他包括：Simpson指數(Gini-Simpson指數)、Pielou均勻度、Chao1指數、ACE指數、goods_coverage等可以換index進行計算，或者用estimateR()計算常見幾種；譜系多樣性指數需要引入進化樹，用pd(){picante}計算。

如果用qiime2 分析平臺，則可以用一句命令計算所有多樣性指數。16S rRNA 流程目錄 - qiime2

打包進function中，避免太多重復代碼

library(vegan)

library(picante)

otu

otu

# 大多數alpha多樣性計算

# 公式的對數底數均設使用 e(exp(1))

# 給出的simpson 指數是Gini-Simpson 指數值與物種豐富度趨勢一致

Alpha_diversity_index

est

Obs

Shannon

Simpson

Pielou

goods_coverage

result

Pielou, goods_coverage)

# 如果檢測到樹文件，將添加Pd指數計算

if (!is.null(tree)) {

# Pd 同時計算譜系多樣性(PD)和物種豐富度(SR)

# 如果此處刪除[1], 最終結果有兩個我中豐富度值

Pd

Pd

result

}

result

}

alpha.png

3. 批量箱線圖

# 讀入實驗設計和Alpha多樣性值

alpha_file

simple_site

alpha_diversity

theme

# 顯示x平行網格線

panel.grid.major.y = element_line(colour = "black"),

# 顯示x軸坐標

axis.line.x = element_line(colour = "black"),

axis.line.y = element_line(colour = "black"),

axis.title.x = element_blank()

)

# 按Sample_name

data

# Grouped boxplot --------------------------------------------

p

for (i in colnames(alpha_diversity)[2:8]){

p[[i]]

y = i)) +

geom_jitter(aes(color = Group1)) +

geom_boxplot(aes(fill = Group1), width = .2, position = position_nudge(x = - 0.01),

fill = "white", size = 0.8) +

theme

}

plot = wrap_plots(p, nrow = 2) + plot_annotation(tag_levels = 'a')

file_save

ggsave(filename = paste0(file_save, "ABCD_alpha_diversity.tiff"),

plot = plot )

棒棒糖圖

當發現箱形圖非常丑，如：箱體很長，離群值的點非常多，可以采用棒棒糖圖直接可視化每個樣點的多樣性指數。

4. 統計組間是否顯著差異

anova對指數與分組統計

使用TukeyHSD對組間進行檢驗，效正pvalue

總結

以上是生活随笔為你收集整理的可视化指标计算公式_基于OTU的alpha多样性指数计算和可视化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。