基于加权相关网络的不同生境下根系微生物群落的分化

该方法可有效探究不同环境中多种微生物物种之间的相互作用关系或共现网络。本文详细介绍了如何利用WGCNA算法构建微生物群落的共现网络。此外，基于分析结果，该方法可评估不同微生物群落之间微生物关系及组成的差异性。

以下是该方法的基本流程。从NCBI数据库下载微生物群的组成和丰度数据，或使用您样本的测序数据。首先，打开RStudio软件并安装WGCNA包。

然后，加载数据并使用“好样本基因”功能检查数据的正确性。检查是否存在离群值，并保存符合我们要求的样本。当检查结果为真时，继续下一步。

保存结果。使用“剔除阈值”功能计算数据在不同幂值下的无标度指数 R 平方。可视化结果。

当无标度指数接近1时，网络结构更接近于无标度网络。当无标度指数R平方大于0.9时，选择该幂律值。最后，使用相同的方法分析其余的微生物组数据。

首先，使用邻接函数构建符号共现网络。此外，使用TOM相似性函数构建拓扑重叠网络。其次，使用Hclust函数进行层次聚类，并绘制所得的聚类树。

第三，使用 cutree 动态函数进行动态分支切割，并通过最小聚类大小参数设置最小模块尺寸。最小模块尺寸通常设为大于 30。第四，计算每个模块的微生物特征。

根据相关系数进行层次聚类，并将高度小于0.25的模块合并，以获得各模块的分布情况。第五步，使用plot dendro和colors函数可视化结果，得到共现网络模块的分配展示图。

然后，重命名模块颜色，并构建与这些颜色对应的数字标签。将它们保存下来，以供后续部分使用。最后，对其他数据集重复上述过程。

在此部分，比较并分析两组数据，并进行保存性测试。首先，加载之前步骤中保存的两个数据集的参数和结果。然后，将其中一个数据集的模块结果设为对照组，另一个设为测试组，并执行模块比较。

接下来，计算保守性值、统计参数、Z 汇总值和中位秩，以量化模块之间的保守性。最后，对结果进行可视化。确定同时满足 Z 汇总值小于 2 且中位秩值位于前列的网络模块。

该模块是两种微生物组数据中保守性最低的模块。对模块成员关系进行相关性分析。将两个网络的模块分配结果分别设为参考组和测试组。

设置需与保存性检验相同。首先，根据保存性检验的结果，在多个候选模块中计算每个OTU的KME值。以黄色模块为例。

计算两个黄色模块中KME值的相关系数，然后绘制模块内KME值的相关性分析图。最后，根据图中的相关系数判断该模块在两个数据集中的保守性，选择相关系数最小的模块。

首先，使用“导出网络至 Cytoscape”功能，将网络导出为 Cytoscape 可读的边和节点列表文件。然后，将该文件导入 Cytoscape。将阈值设置为 0.5，并根据需要调整其他参数。

最后，获得不同微生物的共现网络。本文采用WGCNA算法分析水稻根系三个生态位之间的差异。选择满足三个网络均接近无标度网络的幂值。

在内生层、根表层和根际微生物共现网络中，分别鉴定出23、22和21个模块。利用保守性检验和相关性分析，找出水稻根系各两个生态位之间极不保守的模块。使用不同颜色代表不同的微生物门，构建这三个模块的共现网络。

变形菌门、放线菌门、拟杆菌门、厚壁菌门和疣微菌门主导了这三个不同的微生物网络。此外，17个核心属主要调控这些网络。观看本视频后，您应能够充分理解如何执行一系列步骤，利用WGCNA算法分析因不同生态环境而在微生物群落中可能出现的不同共现网络。