weixin_46814750的博客

在关于NST的论文中作者提到，NST有多种变式，除了前文介绍的基于物种的taxonimic NST(tNST)外，还有基于系统发育零模型的phylogenetic NST(pNST)，以及经过算式调整的modified NST(MST)。这些指数也都出现在了Oklahoma的研究者论文当中。同时，有许多研究论文中都采用了这种方法。

microeco包是由福建农林大学姚敏杰教授团队开发的一个强大工具，专注于扩增子测序数据的集成分析。该包集成了扩增子测序下游分析的多种功能，包括群落组成、多样性分析、网络分析、零模型等多方面内容。通过几行简单的代码，研究者就能实现复杂的分析需求。因此，自microeco包发布以来便受到了学术界的广泛关注，截至推文发稿日期，引用次数已达718次，是该领域的高被引文章。 之前一期我们介绍了microeco包中微生物网络分析，有需要的可跳转至扩增子分析|基于R语言microeco包进行微生物群落网络分

了解控制生物多样性模式的群落组装机制是生态学中的一个核心问题。确定性过程是基于生态位理论且不随机的，分为非生物和生物因素，非生物因素包括外界的环境因子(温度、天气、pH、盐度等等)，而生物因素指的是互作关系(包括竞争、互利、捕食等)。通俗来说，确定性过程其实就是选择过程。相比之下，随机性过程在一定程度上无法预测。这包括随机的出生、死亡、随机的迁入迁出(扩散、迁移)以及生态漂变(生物体丰度随机变化)。经过长期的争论，目前的观念认为，确定性过程和随机过程同时控制着群落的组装。

此外，相对丰度较低的类群可能还会带来更多的噪声。目前大家已经对基于系统发育β多样性的零模型都有比较完整的理解，但是iCAMP的算法基于了什么样的底层逻辑，这样的算法有什么理论基础和支持，参数是如何选择、优化的，在不同条件的表现性能怎么样，这些方面也应该得到较为详尽的解析，这样我们才能对iCAMP这一套核心的算法有更深层次的理解。首先我们进行binning，得到样本点中每个bin的相对丰度，之后我们进行样本点的成对比较，得到每个bin的系统发育指数即βNRI，之后可以得到每个bin在不同样本对中的主导过程。

在文末只输出了一个.csv 表格。并没有提供绘图的方法，有小伙伴问如何在R中一键成图呢？还真可以！小伙伴建议绘制带显著性检验的箱线图以及柱状图，本文提供了后续相关代码。如下图所示，绘制出漂亮的箱线图和堆叠柱状图将为论文增色不少。

周集中教授团队多年在群落确定性和随机性过程深耕，于2017年总结出来下述图表中的计算路径，广受生态领域研究者的推崇。本文基于该计算路径，梳理了整理了邓晔老师组的代码，通过一个实例演示了计算过程和结果。

​虽然群落装配过程，确定性和随机性研究已经进入了新的阶段，开发了许多新的分析方法，比如零模型。但是sloan在2006提出中性模型理论因其具有计算方便、简化了复杂生态过程等特点被研究者广泛认同和接受，目前不少nature系列期刊采用该工具分析群落构建。