微生物研究中的“双零问题”

上文《微生物网络构建原理: SparCC, MENA, LSA, CoNet》提到了微生物数据由于存在双零问题，会使得相关性偏高。

《数量生态学》中有一小节专门介绍了双零效应：

0的存在其原因有很多：

可能这个地方不适合该物种生存；

可能适合生存，但物种还没有在这里定殖；

可能可以生存，但是存在一定生存压力；

可能该物种存在，但是分布不均匀，取样没有取到；

也可能在后续实验、数据处理阶段丢掉了该物种。

因此双零存在的原因可能不同，简单因为双零就得出物种组成相似是不准确的。

很多方法都需要考虑双零问题带来的效应，如网络。

另外PCA就默认双零是相似的。因此极端情况就会出现马蹄形效应(horseshoe effect),即本来距离最远的样本由于强梯度的存在，在空间中弯曲而离的很近。

因此如果数据位于生态梯度的两端，存在很多双零，这种现象就会很严重。

数据的Hellinger转化或弦(chord)转化可以部分解决这个问题。

typical horseshoe shape

2017年有文章专门讨论了微生物研究中的马蹄形效应，还是Rob Knight大神的作品：

这里不再赘述。

Reference：

Numerical Ecology with R

END