r语言rank降序_常见排序分析方法及R语言实现

常用排序分析方法

相信大家在做微生物多样性研究时经常听到PCA分析、PCoA分析，NMDS分析，CCA分析，RDA分析。它们对物种(或基因、功能)的分析具有重要作用，因而频频出现在16S测序及宏基因组测序中。以上分析本质上都属于排序分析(Ordination analysis)。

排序分析(ordination analysis)，最早是生态学(ecology)中研究群落(communities)的一大类多元分析手段，将某个地区调查的不同环境(site)以及所对应的物种组成(species)，按照相似度(similarity)或距离(distance)对site在排序轴上(ordination axes)进行排序，将其表示为沿一个或多个排序轴排列的点，从而分析各个site或species与环境因子之间的关系。其目的是把多维空间压缩到低维空间(如二维)，并且保证因维数降低而导致的信息量损失尽量少，实体(site或species)按其相似关系重新排列，提高其可理解性(interpretability)；同时，通过统计手段检验排序轴(ordination axes)是否能真正代表环境因子的梯度(gradient)1。

因此，排序分析的作用可以总结为两个方面：①降维；②探索性分析；

常用的排序方法如下2：

排序分析方法

Raw data based (线性模型)

Raw data based (单峰模型)

Distance based

间接排序法 (非限制性)

PCA

CA，DCA

PCoA，NMDS

直接排序法 (限制性)

RDA

CCA

dbRDA