环境功能基因组Functional Gene Arrays

RESULT DISPLAY结果展示

  • 物种相对丰度分布图

    根据探针对应的物种信息,选取每个样品在中相对丰度大于等于1%的物种,生成物种相对丰度分布图,以便直观查优势微生物类群在不同样品间的相对丰度变化情况。


  • 物种相对丰度热图

    对所有检测到的物种相对丰度进行计算,选取在各个样品中相对丰度大于等于1%的物种,进行物种和样品两个层面的聚类。对样品进行聚类(依据是不同样品中检测到的物种的荧光强度相近,即所含菌属数量越相近,样品间相似性越高),对聚类后各样品中不同菌属所对应的荧光强度相对丰度作heatmap图,能够反映出各样品菌落结构的相似性和差异性。


  • 样品共有特有基因数目统计

    基于每个样品检测到的阳性基因,统计样品间共有特有基因数目。

  • 功能类群相对代谢潜能热图

    热图是以颜色梯度来代表数据矩阵中数值的大小并能根据样品功能基因代谢潜能信息或样品间功能组成相似性进行聚类的一种图形展示方式,它可以直观地将数据值的大小以定义的颜色深浅表示出来。通过颜色的梯度及相似程度来反映数据的相似性和差异性。如对样品所含功能基因相对代谢潜能进行聚类分析(依据不同样品中各功能基因的信号强度越相近,即所含功能基因的代谢潜能越相近,样品间相似性越高),能够反映出各样品功能基因结构的相似性和差异性。分析如下图所示,纵向聚类表示样品聚类树;横向为功能基因聚类树。聚类采用样品功能基因类群的相对代谢强度进行。

  • 主成分分析(PCA,Principal Component Analysis)

    主成分分析是一种应用方差分解方法,对多维数据进行降维,从而提取出数据中最主要的元素和结构。应用PCA分析,能够提取出最大程度反映样品间差异的两个坐标轴,即主成分1(PC1)和主成分2(PC2),并以百分数的形式体现主成分主要影响程度,从而将多维数据的差异反映在二维坐标图上,进而揭示复杂数据背景下的简单规律。如果样品的群落组成越相似,则它们在PCA图中的距离越接近。


  • 组间功能基因代谢潜能对比(双尾配对t检验)

    选取关键的或关注的功能类群进行组间差异显著性检验,寻找在样品间丰度具有显著差异的基因。横轴表示各类碳降解基因。纵轴表示标准化信号强度,代表基因相对丰度差异。显著性检验采用双尾配对t检验,星号标示出在增温区与对照区丰度差异显著的基因(**p<0.01, *p<0.05)。

  • 功能基因构成与环境因素的典范对应分析(CCA)及方差分解分析(VPA)

    用于展现与功能基因构成有密切联系的主要环境因素及其重要程度。图a横纵轴为解释度最高的两个维度,坐标名称中的百分数代表解释度。环境因素包括土壤湿度(Soil M)、土壤温度(Soil T)、总初级生产量(GPP)。图b边角圆形中百分比代表某一个(或一类)环境因素排除其他因素影响后对功能基因构成差异的解释度,连线上百分比代表某两个(或两类)环境因素的交互作用排除其他影响后的解释度,中心圆形代表三类环境因素的共同交互作用排除其他影响后的解释度,而下部方形代表三类环境因素无法解释的比例。