冗余分析（redundancy analysis, RDA）或者典范对应分析（canonical correspondence analysis, CCA）是基于对应分析（correspondence analysis, CA）发展而来的一种排序方法，将对应分析与多元回归分析相结合，每一步计算均与环境因子进行回归，故又称多元直接梯度分析。此分析是主要用来反映菌群与环境因子之间的关系。接下来我们来尝试一下如何实现相应的绘图吧。
功能介绍
RDA是基于线性模型，CCA 是基于单峰模型。分析可以检测环境因子、样品、菌群三者之间的关系或者两两之间的关系。
文件要求
01
物种相对丰度文件
第一列为物种名称，其余每列均为样本名称，对应的数值为物种在该样本中的相对丰度。
图1 | 物种相对丰度文件格式示例图
02
环境因子信息文件
第一列为环境因子名称，其余每列均为样本名称，对应的数值为各样本的检测值。
图2 | 环境因子信息文件格式示例图
03
样本分组信息文件
第一列为样本名称，与物种丰度文件中的样本名称相对应；第二列为样本的分组名称，注意表头”Sample”和”Group”的大小写问题。
图3 | 样本分组信息文件格式示例图
参数调整
01
主要参数
图4 | 主要参数
02
常用参数
图5 | 常用参数
作图步骤
01
上传文件
请于主要参数中的样本物种丰度文件、环境因子数据、样本分组信息文件处上传您所要进行分析的文件，如果此处未上传文件，您将无法得出结果。上传成功后，将会于“选择文件”后显示您上传的文件名；
此处为上传成功示例：
图6 | 文件上传成功示例
02
调整其他参数
常用参数中的其他参数均为默认数值，您可根据自己的需求进行修改，
①挑选top的环境因子、挑选top的物种：默认分别为10、15，可接受默认设置或自定义输入；
②字体类型、字体样式：可接受默认设置或在下拉菜单中进行其他选择；
③分组颜色方案：可选32种色系，包括多种期刊配色供您选择，默认为默认配色，可在下拉菜单中选择其他配色方案；
④环境因子箭头颜色、物种箭头颜色：可使用调色盘自选颜色或选择不同的色彩码进行调色，默认分别为Tomato、RoyalBlue；
⑤图内点的大小、图内字体大小、横坐标轴放大缩小比例、纵坐标轴放大缩小比例、是否显示样本名称：可接受默认设置或自定义输入。
03
最终提交
所有参数设置成功后
如图所示区域：
图7 | 工具预估耗时提示处
结果分析
01
结果展示及下载
（图片展示情况为使用示例文件以及其他参数选择默认）
分析结果图将会在此处展示，您可以
图8 | 结果展示处
结果下载成功示例：
图9 | 结果下载成功示例
结果文件包含内容如下图所示：
图10 | 结果文件内容示例
02
结果说明
5.2.1、样本和环境因子之间的关系分析图
①图中不同颜色的点表示不同组别的样本，箭头代表环境因子；
②箭头所处的象限表示环境因子与排序轴间的正负相关性；
③箭头连线和排序轴的夹角代表着某个环境因子与排序轴(RDA1和RDA2)的相关性大小，夹角越小，相关性越高；
④环境因子箭头连线之间的夹角代表两个环境因子之间的正、负相关关系（锐角：正相关；钝角：负相关；直角：无相关性）；
⑤样本与环境因子箭头连线之间的夹角代表物种样本与环境因子之间的正、负相关关系（锐角：正相关；钝角：负相关；直角：无相关性）；
⑥从不同的样本向各环境因子箭头连线做垂线，根据垂足的位置判断该环境因子在样本中的检测值。垂足越靠近该环境因子向量的正方向，则表明所对应的样本中，该环境因子的检测值越大。
图11 | 结果图片示例
5.2.2、样本、环境因子以及微生物之间的关系分析图
①图中不同颜色的点表示不同组别的样本，红色箭头代表环境因子，蓝色箭头代表微生物物种；
②箭头所处的象限表示环境因子与排序轴间的正负相关性；
③红色箭头连线和排序轴的夹角代表着某个环境因子与排序轴(RDA1和RDA2)的相关性大小，夹角越小，相关性越高；
④蓝色箭头连线和排序轴的夹角代表着某个微生物物种与排序轴(RDA1和RDA2)的相关性大小，夹角越小，相关性越高；
⑤环境因子箭头连线之间的夹角代表两个环境因子之间的正、负相关关系（锐角：正相关；钝角：负相关；直角：无相关性）；
⑥微生物箭头连线之间的夹角代表两个微生物物种之间的正、负相关关系（锐角：正相关；钝角：负相关；直角：无相关性）；
⑦样本与环境因子箭头连线之间的夹角代表物种样本与环境因子之间的正、负相关关系（锐角：正相关；钝角：负相关；直角：无相关性）；
⑧样本与微生物箭头连线之间的夹角代表物种样本与微生物物种之间的正、负相关关系（锐角：正相关；钝角：负相关；直角：无相关性）；
⑨从不同的样本向各环境因子箭头连线做垂线，根据交叉点的位置判断该环境因子在样本中的检测值，交叉点越靠近该环境因子向量的正方向，则表明所对应的样本中，该环境因子的检测值越大；
⑩从不同的样本向各微生物箭头连线做垂线，根据交叉点的位置判断该微生物物种在样本中的丰度值，交叉点越靠近该微生物物种向量的正方向，则表明所对应的样本中，该微生物物种在样本中的丰度值越大。
图12 | 结果图片示例
5.2.3、DCA分析结果
如果DCA排序前4个轴的最大值（如图中0.28343）>3，选择单峰模型（CCA）进行排序分析，如果DCA排序前4个轴的最大值≤3，选择线性模型（RDA）进行排序分析。
图13 | DCA分析结果表示例
5.2.4、RDA.env.pvalue文件
RDA或者CCA排序分析后，与环境变量分析的pvalue值，值越大其表示的差异就越不显著。
图14 | RDA.env.pvalue文件示例
历史记录
图15 | 历史记录示例
以上就是CCA/RDA 分析小工具的介绍，如果欧易云平台在您的科研中有幸提供了些许帮助，期望您能向身边的伙伴多多推荐哦！
猜你想看
1、探“云”指南 | 科学与美观：欧易云花瓣图
2、探“云”指南 | 欧易云—物种累计柱状图获得方法
3、探“云”指南 | 欧易云免费快捷LEfSe在线分析小工具操作指南！
4、探“云”指南 | 欧易云交互式boxplot图——图都这么好看，该怎么选？
首页
