Statistical analysisPrincipal compo

Statistical analysis
Principal component analysis (PCA) was used to measure the overall
functional gene structure. Bray–Curtis distance was used to obtain
dissimilarity matrices in the adonis algorithm of the dissimilarity test
for comparing GeoChip data of four elevations. The similarity test,
Mantel test, Canonical correspondence analysis (CCA) and Variation
partitioning analysis (VPA) were used to evaluate the linkages between
microbial gene compositions and environmental attributes. In the
similarity test, Euclidean distance was used to calculate the distance
between samples, followed by calculation of Pearson correlation coeffi-
cient. To select attributes in CCA modeling, we used variation inflation
factors (VIF) to examine whether the variance of canonical coefficients
was inflated by the presence of correlations with other attributes. If an
attribute had a variation inflation factor value larger than 20, we
deemed it to depend on other attributes and consequently removed it
from the CCA modeling. Correlation coefficients (r) were calculated
using Pearson's correlation. The normalized total gene abundance for
each functional gene was the average of the total gene abundance
from all the replicates and all data are presented as mean ± s.e. The
least significant difference (LSD) test was used to compare the signifi-
cance of differences in relative abundance among four elevations. All
of the analyses were performed with the Vegan package (v.1.15-1)
using R, version 2.8.1 (R Foundation for Statistical Computing, Vienna,
Austria).

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ทางสถิติวิเคราะห์ส่วนประกอบหลัก (PCA) ถูกใช้เพื่อวัดโดยรวมโครงสร้างของยีนที่ทำงาน ใช้ระยะทาง bray – เคอร์ทิสรับdissimilarity เมทริกซ์ในอโดนิสอัลกอริทึมของการทดสอบ dissimilarityการเปรียบเทียบข้อมูลใน GeoChip ของ elevations สี่ ทดสอบคล้ายคลึงทดสอบหิ้ง วิเคราะห์ติดต่อมาตรฐาน (CCA) และการเปลี่ยนแปลงพาร์ทิชันวิเคราะห์ (VPA) ใช้ในการประเมินความเชื่อมโยงระหว่างองค์ยีนจุลินทรีย์และคุณลักษณะสิ่งแวดล้อม ในทดสอบคล้ายคลึง ยุคลิดใช้คำนวณระยะห่างระหว่างตัวอย่าง ตามการคำนวณ coeffi สหสัมพันธ์เพียร์สัน-cient การเลือกแอททริบิวต์ในโมเดล CCA เราใช้การเปลี่ยนแปลงอัตราเงินเฟ้อปัจจัย (VIF) เพื่อตรวจสอบว่าความแปรปรวนของค่าสัมประสิทธิ์มาตรฐานไม่สูงเกินจริง โดยสถานะของความสัมพันธ์กับคุณลักษณะอื่น ๆ ถ้ามีแอตทริบิวต์มีการเปลี่ยนแปลงเงินเฟ้อปัจจัยมูลค่ามากกว่า 20 เราว่ามันขึ้นอยู่กับคุณลักษณะอื่น ๆ และจึง เอาออกจากโมเดล CCA ค่าสัมประสิทธิ์สหสัมพันธ์ (r) มีคำนวณใช้สหสัมพันธ์ของเพียร์สัน ความอุดมสมบูรณ์ของยีนรวมมาตรฐานสำหรับยีนแต่ละงานมีค่าเฉลี่ยของยีนทั้งหมดอุดมสมบูรณ์จากทั้งหมดคัดลอกตัวเองและข้อมูลทั้งหมดจะแสดงเป็นเฉลี่ย± s.e.ใช้ทดสอบความแตกต่าง (LSD) อย่างมีนัยสำคัญน้อยที่สุดเพื่อเปรียบเทียบความ-cance ของความแตกต่างในความสัมพันธ์ระหว่างสี่ elevations ทั้งหมดของการวิเคราะห์ได้ดำเนินการกับแพคเกจพัฒน์ (v.1.15-1)ใช้ R รุ่น 2.8.1 (มูลนิธิ R สำหรับการคำนวณทางสถิติ เวียนนาออสเตรีย)

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ทางสถิติ
การวิเคราะห์องค์ประกอบหลัก (PCA) ถูกนำมาใช้ในการวัดโดยรวม
โครงสร้างการทำงานของยีน ระยะ Bray-Curtis ถูกใช้ในการได้รับ
การฝึกอบรมความแตกต่างกันในขั้นตอนวิธีอิเหนาของการทดสอบความแตกต่างกัน
สำหรับการเปรียบเทียบข้อมูล GeoChip สี่เอนไซม์ การทดสอบความคล้ายคลึงกัน
ทดสอบหิ้งวิเคราะห์จดหมายยอมรับ (CCA) และการเปลี่ยนแปลง
การวิเคราะห์แบ่งพาร์ติชัน (VPA) ถูกนำมาใช้ในการประเมินความเชื่อมโยงระหว่าง
องค์ประกอบของยีนของเชื้อจุลินทรีย์และคุณลักษณะด้านสิ่งแวดล้อม ใน
การทดสอบความคล้ายคลึงกันระยะทางยุคลิดถูกใช้ในการคำนวณระยะทาง
ระหว่างตัวอย่างตามการคำนวณของเพียร์สัน coeffi- ความสัมพันธ์
เพียงพอ ในการเลือกคุณลักษณะในการสร้างแบบจำลอง CCA เราใช้อัตราเงินเฟ้อการเปลี่ยนแปลง
ปัจจัย (VIF) เพื่อตรวจสอบว่าค่าสัมประสิทธิ์ของความแปรปรวนที่ยอมรับ
ได้รับผลกระทบจากตัวเลขการปรากฏตัวของความสัมพันธ์กับคุณลักษณะอื่น ๆ ถ้า
แอตทริบิวต์มีค่าปัจจัยเงินเฟ้อการเปลี่ยนแปลงขนาดใหญ่กว่า 20 เรา
ถือว่ามันขึ้นอยู่กับคุณลักษณะอื่น ๆ และลบออกดังนั้นมัน
จากการสร้างแบบจำลอง CCA ค่าสัมประสิทธิ์สหสัมพันธ์ (R) จะถูกคำนวณ
โดยใช้ความสัมพันธ์ของเพียร์สัน ความอุดมสมบูรณ์ของยีนทั้งหมดปกติ
แต่ละยีนทำงานเป็นค่าเฉลี่ยของความอุดมสมบูรณ์ของยีนทั้งหมด
จากซ้ำทั้งหมดและข้อมูลทั้งหมดจะแสดงเป็นค่าเฉลี่ย± SE
น้อยแตกต่างกันอย่างมีนัยสำคัญ (LSD) การทดสอบถูกใช้ในการเปรียบเทียบทางสถิติ
นัยของความแตกต่างในญาติ ความอุดมสมบูรณ์ในหมู่สี่เอนไซม์ ทั้งหมด
ของการวิเคราะห์ได้ดำเนินการกับแพคเกจมังสวิรัติ (v.1.15-1)
โดยใช้ R, รุ่น 2.8.1 (R มูลนิธิสถิติ Computing, เวียนนา,
ออสเตรีย)

ผลลัพธ์ (ไทย) 3:

สถิติการวิเคราะห์องค์ประกอบหลัก ( PCA ) เป็นเครื่องมือวัดโดยรวม
โครงสร้างของยีนในการทํางาน เบรย์ - เคอร์ติส ระยะทางที่เคยได้รับการฝึกอบรมในอิเหนา
ความแตกต่างเพื่อจะทดสอบ
สำหรับข้อมูลเปรียบเทียบ geochip สี่ระดับ . ความเหมือนของแบบทดสอบ Mantel
, การวิเคราะห์ทาง Canonical ( CCA ) และการเปลี่ยนแปลง
การแยกวิเคราะห์ ( วีพีเอ ) ใช้เพื่อประเมินความเชื่อมโยงระหว่างองค์ประกอบของยีนของเชื้อจุลินทรีย์และ
คุณลักษณะด้านสิ่งแวดล้อม ใน
ความเหมือนทดสอบระยะทางแบบยุคลิดถูกใช้ในการคำนวณระยะทาง
ระหว่างตัวอย่าง ตามการคำนวณของค่าสัมประสิทธิ์สหสัมพันธ์ coeffi -
cient . เลือกคุณลักษณะใน CCA โมเดลลิ่ง เราใช้รูปแบบ
ภาวะเงินเฟ้อปัจจัย ( VIF ) เพื่อตรวจสอบว่าค่าความแปรปรวนของ Canonical
คือพองโดยมีความสัมพันธ์กับคุณลักษณะอื่น ๆ หากมีการเปลี่ยนแปลงปัจจัยเงินเฟ้อ
คุณลักษณะมูลค่ากว่า 20 เรา
ถือว่ามันขึ้นอยู่กับคุณสมบัติอื่น ๆและจากนั้นเอาออก
จากมะเร็งแบบ ค่าสัมประสิทธิ์สหสัมพันธ์ ( r )
) คำนวณโดยใช้ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สันมาตรฐานรวมยีนแต่ละยีนมากมายสำหรับ
การทำงานเฉลี่ย
ยีนมากมายรวมจากทุกแบบและข้อมูลทั้งหมดจะถูกนำเสนอเป็นค่าเฉลี่ย± S.E .
อย่างมีนัยสำคัญน้อยที่สุด ( LSD ) เป็นแบบทดสอบที่ใช้เพื่อเปรียบเทียบ signifi -
แคนส์ความแตกต่างของประชากรพืชใน 4 ระดับ . ทั้งหมด
จากการวิเคราะห์แสดงกับมังสวิรัติแพคเกจ ( v.1.15-1 )
โดยใช้ R ,รุ่น 2.8.1 ( R สำหรับการคำนวณทางสถิติ ออสเตรีย เวียนนา ,
)