dbRDA

工具概述

db-RDA分析（distance-based redundancy analysis），和PCoA分析类似，但是一种加入了环境因子约束性的分析。可以研究解释变量矩阵（通常是环境因子）如何解释响应变量矩阵（通常是物种数据）。RDA分析是一种约束性对应分析方法，常采用欧式距离（Euclidean distances）进 行 分析。但是欧式距离并不适用于一些数据类型，采用db-RDA分析可以解决数据类型的限制，并用于分析物种或功能与环境因子之间的关系。

 db-RDA是一个五步分析过程：1）计算距离矩阵2）进行PCoA分析；3）创建虚拟变量矩阵；4）利用RDA分析主坐标（物种数据）与虚拟变量（模型数据）之间的关系；5）进行db-RDA分析。

操作方法

1.设置任务名：便于您查询后续的文件结果。

2.选择输入数据表：数据表必须包含行头和列头，首行为样本名，首列为物种/OTU/基因/功能/KO代谢物/蛋白质/等特征。数据表应为txt格式的纯文本文件。输入数据表文件数据与数据之间务必用制表符隔开（tab符），不能用空格。

以微生物多样性OTU表为例：

3.选择环境因子变量文件：文件应为txt格式，环境因子数据可以是临床、生理、理化性质指标数据。环境因子个数必须小于样本个数，并且环境因子表和数据表的共有样本数必须大于等于3个。数据表矩阵包含行头和列头，样本名在首列，环境因子名（如：代谢物、临床指标、理化因素）在首行，样本名和特征名应仅包含数字、字母、下划线。首行样本名需与输入数据表保持一致，但样本顺序不做限制。环境因子示例文件如下：

4. 选择分组文件：分组文件应为txt格式。分组文件中的样本与数据表中的样本需要保持一致。如果样本无分组，可以不选。分组文件示例如下：

5.选择距离算法：选择计算样本间距离的方法。

6.在db-RDA报告中，R平方，P值等参数具有以下含义：

R平方（R²）：这是一个统计学上的度量，表示解释变量对响应变量的解释程度。一个较高的R²值表示模型能够很好地解释数据的变异。

P值：P值用于检验模型是否显著。使用envfit函数来进行显著性检验，得到每个解释变量对响应变量的影响是否显著。一般来说，如果P值小于0.05，那么我们就认为这个效应是显著的。

结果解读

dbRDA图

注：图中不同颜色或形状的点表示不同环境或条件下的样本组；红色箭头表示数量型环境因子，环境因子箭头的长短可以代表环境因子对于物种数据的影响程度（解释量）的大小；环境因子箭头间的夹角代表正、负相关性（锐角：正相关；钝角：负相关；直角：无相关性）；从样品点向数量型环境因子的箭头做投影，投影点距离原点的距离代表环境因子对样本群落分布相对影响的大小，点与箭头的方向是否一致代表正、负相关性。

参考文献

Mack I, Cuntz U, Grämer C, et al. Weight gain in anorexia nervosa does not ameliorate the faecal microbiota, branched chain fatty acid profiles, and gastrointestinal complaints[J]. Scientific reports, 2016, 6: 26752.