Link: https://www.nature.com/articles/ismej2016139
摘要
类群间的相互作用是生态群落结构和动态变化的重要驱动因素,但传统的β多样性指数并未考虑这一因素。
本研究提出了一个新的指数家族,在类群相互作用网络的背景下量化群落相似性。
利用公开可用的数据集评估了类群相互作用调整指数(Taxa INteraction-Adjusted,TINA,基于类群共现网络)和系统发育相互作用调整指数(Phylogenetic INteraction-Adjusted,PINA,基于系统发育相似性)这两个特定指标的表现。
相互作用调整指数捕捉了传统方法范围之外的多样性的新方面,突出了生态网络在解释群落相似性方面的生物学意义。
背景
基于多样性的方法与基于网络的方法的主要区别在于分析范围:
后者在个体类群相互作用的水平上识别群落结构的驱动因素,而前者在群落水平上揭示组成模式。这两种方法都是有用的,但它们通常是独立进行的。
本研究建议用一套量化群落相似性(或β多样性)作为样本间平均类群相互作用强度的数学指标来弥补这一分析差距。虽然方法适用于多种类型的相互作用数据,但重点关注基于类群共现数据的Taxa相互作用调整指数(TINA)和基于系统发育相似性的系统发育相互作用调整指数(PINA)。
在对两个公开数据集的重新分析中,发现TINA和PINA比现有的指数更好地捕捉了已知的多样性格局,即使是在非常小的数据集上,它们也能揭示新颖和精细的生物解释。
本研究一共考察了11种相似度指数的效果:
图1 三种类型的相似度指数:基于数量的指数;基于系统发育的指数和基于相互作用的指数。
方法
考虑A和B两个群落,分别有Na和Nb个物种,和na与nb个个体。
矩阵Ic为物种间成对的相互作用关系。
Ic,i* 为物种i的行,Ic,j*为物种j的行。计算两者的pearson相关并做简单转化,得到:
Cij为转化后的共发生矩阵,具有以下几个性质:
基于这一转化后的相互作用矩阵,建议将群落A和B之间的相似性量化为A或B中观察到的所有类群之间的平均相互作用强度。
因此定义了一个基于发生率或非加权类群相互作用调整的群落相似性指数(unweight TINA, TU)和加权的指数(Weight TINA, TW)
对于两个完全相同的群落,TINA值为1,A和B中的所有类群都是完全关联的。
如果没有共享类群,那么类群相互作用是中性的(既不结合也不分离),那么TINA值趋向于0.5;
如果类群A和B之间的类群表现出强烈的分离信号,那么TINA值趋向于0。
对于任何类型的相互作用数据,都可以类似地定义类TINA指数,因为相互作用矩阵都可以进行于上述的变换。
对于系统发育也是如此。假设在给定系统中观察到的类群的系统发育树φ具有亲缘系统发育相似矩阵Iφ,该矩阵可以解释为系统发育关联网络(类似于Ic),并转换为关联矩阵F(类似于转化后的关联矩阵),则我们可以将unweighted PINA (PU)和weighted PINA (PW)定义为
结果
Fig.2 人体微生物中新方法得到的adonis F统计量是最高的。得到了最多的群落差异。
Fig. 7 海洋浮游生物群落组成,TINA方法同样得到了最大的F值和R2。
一个应用:
Logares, R., Deutschmann, I.M., Junger, P.C. et al. Disentangling the mechanisms shaping the surface ocean microbiota. Microbiome 8, 55 (2020). https://doi.org/10.1186/s40168-020-00827-8
Fig.2 海洋表层微生物群落差异。TINA捕捉到了不同温度条件下原核生物最大的群落变化。
代码:
https://github.com/defleury/Schmidt_et_al_2016_community_similarity
点分享
点点赞
点在看