Biolog ECO 和 DGGE 数据几种分析方法的比较研究

• 作者: 何霞红 李彬 毛如志 王文鹏
• 来源期刊: 土壤与作物
• 学科: 农学
• 关键词: Biolog ECO DGGE 数据 PCA PLS-DA PLS-EDA PLS OPLS
• 年，卷（期）: 2014,（2）
• 页码范围: 68-75
• 页数: 8页
• 分类号: S154.3
• 字数: 2802字
• 语种: 中文
• DOI: 10.11689/j.issn.2095-2961.2014.02.005

摘要

PCA （ Principal Component Analysis ）常用于Biolog ECO和DGGE数据分析，但是该方法无法正确区分不同环境微生物的多样性结构，也无法实现微生物标记的发现。为实现该功能，研究采用PCA、 PLS-DA （ partial least squares -discri-iminate analysis ）、 PLS-EDA （ partial least squares-discriiminate enhance analysis ）及PLS （ partial least squares ）、 OPLS （ or-thogonal to partial least squares ）方法对Biolog ECO和DGGE数据进行分析。结果表明：DGGE数据通过PLS-EDA分析方法能区分不同环境微生物多样性的结构（ PC1＝16.8％）；采用PLS-DA分析方法，发现两个环境样品中有1个样品重合（ PC1＝33％）； PCA分析方法分离效果最差（ PC1＝27.1％）。 Biolog ECO数据通过 PLS-EDA分析方法能区分不同环境微生物多样性的结构（ PC1＝25.5％）； PLS-DA分析方法有4个样品重合（ PC1＝36.3％）； PCA分析方法效果最差（ PC1＝35.1％）。 Biolog ECO和DGGE数据进行PLS和OPLS分析方法筛选后，发现多个潜在的碳源及物种，可作为不同环境条件下微生物标记物。可见， PLS-EDA优于PLS-DA及PCA，是微生物研究的重要方法； PLS和OPLS分析方法中VIP （ vari-able important value）≥1.00的条带和碳源可作为潜在的微生物标记。图7，表1，参24。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何霞红	云南农业大学农业生物多样性研究中心	51	310	11.0	15.0
2	毛如志	云南农业大学农业生物多样性研究中心	11	50	3.0	7.0
3	王文鹏	云南农业大学农业生物多样性研究中心	5	38	3.0	5.0