維度分析 (Ordination plots)
Beta Diversity 強調的是組與組之間的量化數據，從範例檔案來看，每個樣本有約莫 100 種菌 (確切來說是 OTU/ASV)，如果想要繪製一個立體圖來表示每個樣本的位置，每一種菌都有一個對應的豐富度，兩種菌可以在 X-Y 平面圖 (2D) 中放置一個點代表該樣本，三種菌可以在 X-Y-Z 三維圖 (3D) 中放置一個點代表該樣本，四種…五種…一百種該怎麼辦呢?? 難不成要畫一個 100D 圖嗎?
降維(reduction of dimensionality) 就是很常見處理方式，將多維度資料透過投影 (Projection) 與旋轉 (Rotation) 留下主要特徵。
生態學菌相中的降維
在生態學角度，要比較組與組之間的差異考量的因素有三:
1. 投影與距離計算方式
必須將兩組或以上的多維度資料中找出差異大的數據，重新繪製於二維或三維座標系上，常見的方式包含 PCA, PCoA, NMDS 等 (可參考 Biotools 文章)。(可在 [第 16 篇] 檔案發現含有 pcoa 的名稱)
2. 權重 (weight)
有無加入權重 (weighted) 也是考量的因素之一，就像是國高中成績單總成績主科會加權個2倍 3倍 QQ，若存在一些菌佔了較高比例(如優勢菌等)，可以考慮使用 Weighted (Bray curtis、Weighted unifrac)，菌種分布平均或欲觀察整體分布，適合使用 Unweighted (Jaccard、Unweighted unifrac)，實務上就是兩者都拿出來看看，哪個符合預期目標。(可在 [第 16 篇]檔案發現含有 unweighted weighted 的名稱)
3. 親緣關係樹 (Phylogenetic tree)
與 [第 17 篇] 中所描述的 faith pd 概念類似，加入了親緣關係的因素。推薦參考 盛夏不等式 文章，(可在 [第 16 篇] 檔案發現含有 bray_curtis jaccard unifrac 的名稱)
Beta diversity 的視覺化
其實在 [第 16 篇] QIIME2 已經分析好了，
| 檔名 | 方法 |
|---|---|
| bray_curtis_* | Beta diversity |
| evenness_* | Alpha diversity |
| faith_pd_* | Alpha diversity |
| jaccard_* | Beta diversity |
| observed_features_* | Alpha diversity |
| shannon_* | Alpha diversity |
| unweighted_unifrac_* | Beta diversity |
| weighted_unifrac_* | Beta diversity |
只是需要轉換為 qzv ，並告訴軟體所想要比較的組別 (範例為 Sex): 範例: unweighted_unifrac_distance_matrix.qza
qiime diversity beta-group-significance \
--i-distance-matrix core-metrics-results/unweighted_unifrac_distance_matrix.qza \
--m-metadata-file sample-metadata.tsv \
--m-metadata-column Sex \
--o-visualization core-metrics-results/unweighted_unifrac_Sex_site_betasig.qzv \
--p-pairwise–i-distance-matrix : 可自行變換表格上所述不同量化方式的Beta diversity .qza
–m-metadata-column : 想要比較的組別 (進階學習)
–p-pairwise : 成對樣本檢定
完成後會顯示:
'
Saved Visualization to: core-metrics-results/unweighted_unifrac_Sex_site_betasig.qzv
'拖曳到 QIIME2 VIEW，根據檔名不同會有兩種的呈現方式:
1. 箱形圖 (帶有 betasig 名稱的.qzv)
範例: unweighted_unifrac_Sex_site_betasig.qzv
2. 3D Plot (帶有 emperor 名稱的.qzv)
範例: weighted_unifrac_emperor.qzv
本篇使用到的輸入/輸出檔案 :Input : sample-metadata.tsv、core-metrics-results/unweighted_unifrac_distance_matrix.qzaOutput: alpha-rarefaction.qzv、core-metrics-results (folder)
下回是微生物功能預測！
