¿Qué son exactamente las pruebas Adonis y ANOSIM?
Referencia para este artículo:
¿Qué es el análisis ANOSIM?
Adonis y ANOSIM pueden decir si soy hombre o mujer.
Adonis, análisis de varianza multivariado, también se puede llamar análisis de varianza multivariado no paramétrico. El principio es utilizar una matriz de distancia (como la basada en la distancia de Bray-Curtis, la distancia euclidiana) para descomponer la varianza total, analizar la explicación de las diferencias de muestra por diferentes factores de agrupación y utilizar la prueba de permutación para analizar su significación estadística.
Los resultados del análisis de Adonis suelen ser los siguientes:
Entre ellos, GroupFactor representa el método de agrupación en el experimento
Df representa el grado de libertad
SumsOfSqs representa el total La varianza es la suma de las desviaciones al cuadrado
MeanSqs representa el error cuadrático medio (SumsOfSeqs/Df)
F.Model representa el valor de prueba F p>
R2 representa el efecto de este método de agrupación en la muestra. Cuanto mayor es R2, mayor es la explicación de la diferencia según el esquema de agrupación.
Pr representa el valor P cuando. es inferior a 0,05, es significativo, lo que indica que la credibilidad de esta prueba es alta.
Entonces, ¿cómo utilizar Adonis específicamente?
En el análisis de microorganismos solemos combinar el análisis de Adonis y PCA. Después de realizar el análisis PCA, queremos probar si existen diferencias entre diferentes grupos y si las diferencias son significativas. En este momento, podemos usar la prueba de Adonis. Como se muestra en la siguiente figura, aunque podemos ver que los tres grupos están separados, ¿es realmente significativa esta separación? ¿Qué parte de las diferencias muestrales puede explicar esta agrupación? Entonces la prueba de Adonis de la derecha nos da una respuesta clara. Esta agrupación es significativa, R2=0,11.
En R, podemos usar la función adonis() o adonis2() en el paquete Vegan para realizar la prueba de adonis.
ANOSIM, el análisis de similitud es una prueba no paramétrica que se utiliza para probar la similitud entre datos de altas latitudes, comparar el tamaño de las diferencias entre grupos y dentro de los grupos y, por lo tanto, determinar si la agrupación es significativa. Se puede utilizar para probar las diferencias entre y dentro de dos grupos, y también se puede utilizar para varios grupos.
El principio de ANOSIM es el siguiente, tomando como ejemplo los dos grupos más básicos:
Ahora hay 6 muestras en un grupo, que se dividen en dos grupos según nuestra Plan experimental Grupo1 y Grupo2, cada grupo contiene 3 muestras.
1. Primero, calculamos la similitud dentro del grupo en función de la distancia entre muestras dentro del grupo.
2. Luego calculamos la similitud entre grupos en función de la distancia de muestras entre grupos.
Combinando dentro y entre grupos, obtenemos:
Luego calculamos el valor R según la fórmula:
Entre ellos,
r0= el rango medio de las diferencias entre grupos es el rango medio de las diferencias entre grupos
rw= el rango medio de las diferencias dentro del grupo es el rango medio de las diferencias dentro de los grupos
n=el el número de muestras es el número total de muestras
Por lo tanto, según la fórmula, podemos saber que el rango de valores de R es:
Cuando R tiende a 1, significa que la diferencia entre grupos es mayor que la diferencia dentro del grupo
Cuando R = 0, significa que no hay diferencia entre los grupos, es decir, la agrupación no es válida y no hay diferencia entre diferentes grupos.
Cuando R tiende a -1, significa que la diferencia entre grupos es menor que la diferencia dentro del grupo.
Cuando R es mayor que 0, necesitamos probar más a fondo si esta diferencia es significativa y creíble. El método de prueba en ANOSIM también utiliza la prueba de permutación, es decir, la prueba de permutación.
Cuando completamos análisis de reducción de dimensionalidad como PCoA y NMDS, también encontraremos el mismo problema. Los datos parecen estar separados, pero ¿son realmente significativas las diferencias entre diferentes grupos? También puede elegir ANOSIM para inspección en este momento.
El paquete Vegan en R también proporciona pruebas ANOSIM. Usemos el conjunto de datos de iris (iris) que viene con R como demostración:
En la figura anterior, podemos ver intuitivamente que la diferencia entre grupos es mayor que la diferencia dentro del grupo, y los tres Obviamente, se pueden separar grupos de muestras.
Luego utilizamos la prueba ANOSIM para verificar las conclusiones que obtuvimos de la figura.
En la figura anterior, podemos ver intuitivamente que la diferencia entre grupos es mayor que la diferencia dentro del grupo, R = 0,858, cerca de 1, y el valor P es 0,001, menor que 0,05, lo que indica que la diferencia entre los diferentes grupos sea obvia es significativa.