如何解决Richness和Chao计算的两个基本问题
今天给大家介绍一下如何解决Richness和Chao计算的两个基本问题。文章的内容小编觉得不错，现在给大家分享一下，觉得有需要的朋友可以了解一下，希望对大家有所帮助，下面跟着小编的思路一起来阅读吧。
1.Richness和Chao为啥不能取平均？
比如一个样方取了3个样本作为重复。在算richness和Chao的时候，很多人都是把这三个样本分开算，得到3个值，取个平均作为这个样方的richness和Chao。
但其实这样做是错误的!
正确的做法应该是这三个样本的OTU相加，得到的和再计算richness和Chao。这样结果才最接近真实值。正因为要求和，才不存在平均值，也就自然不存在误差线以及出现小数的情况。
但是在进行统计检验的时候，如两个样方每个三个样本，检验两个样方之间群落的物种数是否存在显著差异。事实上还是得3个样本分开算richness，这样才能做统计检验。
因此在计算richness和统计检验的时候，用的是两种不同的策略。
进一步外推，对于所有的alpha多样性指数，如shannon, simpson等，其实都会存在这个问题。
2. Chao也和测序深度相关，为啥Chao要用原始数据算而不用resample的数据算？
关于Chao也和测序深度相关，这里需要先挖一个坑，以后解答。
这样算是因为用原始数据得到的Chao更接近真实值。虽然原则上需要先进行resample，消除不同样本之间测序深度的差异再计算才有可比性。但是这样的结果离真实值差距更大。因此可能样本之间由于测序深度差异较大，得到的Chao差异也很大。
以上两个问题的核心都是如何计算得到的值更接近真实值。这样必然会在其他地方做出牺牲。
第一个问题在统计检验的时候会不准确，即原理上不能检验不同样方之间alpha多样性是否存在显著差异,因为检验之前按照样方内多个样本单独计算的alpha多样性就不准。
第二个问题在比较不同样本之间Chao的时候会存在错误的结果。Chao的高低可能是测序深度导致的，而不是群落本身。
以上就是如何解决Richness和Chao计算的两个基本问题的全部内容了，更多与如何解决Richness和Chao计算的两个基本问题相关的内容可以搜索之前的文章或者浏览下面的文章进行学习哈！相信小编会给大家增添更多知识,希望大家能够支持一下！
