本文转载自"生态学文献分享"，已获授权

To replicate, or not to replicate – that is the question: how to tackle nonlinear responses in ecological experiments

Juergen Kreyling, Andreas H.Schweiger, et al.

Ecology Letters, 2018

文章简介

再次提到生态学的基本概念：生态学是研究有机体（生物）与其周围环境相互关系的学科。既然如此，生态学的实验设计无外乎是要考虑如下问题：某（几）个环境因子的变化是否会影响生物？如果是，生物的响应曲线是啥样的？怎样设计科学、合理的实验予以验证？例如，现在比较火热的一个研究主题就是，气候变化对全球生物多样性的影响。基于此，以CO2为例，比较常规浓度和提高浓度下生物的响应过程与机理等，正进行的如火如荼。生物对环境的响应模式可能是线性的，也可能是非线性的。虽然现在的诸多统计方法是基于线性回归的，但实际上非线性的作用也非常多。实验设计本身，重复实验（experimental replicates）相对来说，可以得到更高的准确度和精确度，更适合线性模式的研究。而梯度实验（experimental gradients）可能更适合挖掘和研究非线性模式。这两种模式的结合现在也已经有所应用，但是仍然需要更多的数据来比较两种方法的优劣，尤其是，梯度实验是否能够更好地应用于非线性关系的研究？为此，本研究通过大量的实验模拟、数据模拟、数据分析等，比较了在同等条件下，梯度设计和重复设计的异同。结果表明，相对来说，梯度实验预测的成功率几乎总是高于重复实验的。也就说，一些情况下，梯度实验是更优势的策略。当然，具体情况也需要具体对待，在讨论部分有相关说明。

图表解读

图1. 重复设计和梯度设计的概念图

如图1所示，常用的两种设计概念分别是重复设计和梯度设计。重复设计，相对来说，梯度比较短，多用于比较某个因子“有-无”两个状态下生物的响应差异，每个状态下的生物重复比较多。梯度设计，则用于比较连续状态下生物的响应，相对来说，梯度较长，而每个梯度条件下对应的生物重复比较少，甚至没有重复（每个条件有且仅有一个样品/生物）。

图2. 数据模拟的结果

如图2所示，在同等条件下，梯度最大化的取样方式（或设计方式）预测的成功率高与重复最大化的取样方式（或设计方式）。上图中，蓝色线表示梯度设计；红色线表示重复比较多。

图3. 基于N2O和纤毛虫的模拟结果

如图3所示，当采用具有一定生物学意义的数据进行模拟时，得到同样的结果。梯度最大化的预测结果优于重复最大化。

风月杂谈

虽然文章的结论看上去不是特别复杂，理念也没有特别晦涩，但还是有点耳目一新的感觉。平时采样或者设计实验的时候，本文所研究和讨论的东西，虽有模糊的认知，并会考虑和关注，但是并没有用类似的方法做过模拟和验证。在本文的讨论部分，作者也提到，实际上真正要选择哪个方法，还是要具体考虑的。要清楚自己的实验目的，研究对象的特点，研究的范围等等。其实这些内容可以参考本公众号之前的一个文章，“生态学模型的转移性”，注意事项是相通的。本文终归是偏重于方法，并没有具体分析得到这个“完美统一结果“背后深层次的生态学意义。根据自己有限的认知，做了一些解释，不当之处，请各位批评指正。

这个文章，其实重点是比较了两个极端的情况。即，梯度足够长时，仅有一个样品也能很好地说明问题，更接近真实值；而梯度较短或者没有梯度时，盲目加大重复量是没有意义的，再大的量都不能很好地反映真实情况。并且，在梯度长度适合的情况下，适当的重复值，结果才是最好的。这跟实际情况的结果基本上是吻合的。

个人理解的生态学上的意义是，梯度反映的是生态幅或者胁迫压力；重复反映的则是生物的响应或者变异。梯度相当于环境效应，选择压力，驱动力；重复相当于生物能够提供的适应原材料（选择素材）。理想情况下，二者都是无穷无尽的：梯度可以足够长；响应也可以足够大。事实则是，环境梯度可以很长，但是生物响应相对较小。梯度变化在前，生物响应在后。原因是，生物依赖环境，而环境不依赖生物。所以，尽管生态学的定义是，生物与环境的相互作用。但是，仍然需要分两个层次来理解：环境对生物具有塑造、影响和驱动的作用。而生物对环境的作用，实际上是自身的调节和适应，远不足以影响和改观环境，即使有，也是微弱的，为了更好的生存而已；更谈不上“巨大的”反作用。人类的影响除外。

所以说白了，生命是渺小和脆弱的，而自然才是永恒而无尽的。庄子云，以有涯随无涯，殆矣。忽然小小的伤感。

猜你喜欢

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外2600+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”