这里，我们分享了一篇土壤生态学领域的研究，我们浅薄的见解是这篇文献所涉及的分析手段广泛适用于各类生态学数据，具有较好的借鉴学习作用。因此，将全文要点整理如下，希望能够借此与大家沟通交流，译文添加了编者的个人理解，由于语言能力有限，偏颇之处敬请批评指正。 我们对于这篇文献的整理方式偏重于论文的整体结构，从研究假设起笔、直至作者的实验方案和数据处理手段、最后关注作者的部分重要发现。我们期望通过文献的梳理总结，能够发现一些普适性和可行性较强的借鉴之处，对于科学发现而言我们的编译工作是薄弱的。此外，编者个人浅评之处，仅代表个人思维逻辑。毕竟科研嘛，畅所欲言的交流，以集百家之长，皆为己之所用。 一位钟爱啰里啰嗦的编译Q，万望理解！！！ 如有侵权，请及时联系我们删除。 1 文献信息 题目：Long-term organic fertilizer substitution increases rice yield by improving soil properties and regulating soil bacteria （长期有机肥替代通过改善土壤性质和调节土壤细菌来提高水稻产量） 作者：Jiai Liu and Aiping Shu（第一作者），Zengbing Liu and Zheng Gao（通讯作者）；山东农业大学 来源：Geoderma；影响因子6.1分（月刊一区Top）；年文章数457篇；土壤科学领域；投稿周期约7个月 原文链接：https:///10.1016/j.geoderma.2021.115287 注（个人浅薄理解）：标题采用了直接展示重要发现的写作形式，扑面而来的是A事物对于B事物的影响。我们所说的影响有介导性的和直接性的，而本文标题是一个积极的介导性的影响。 思考：该如何可视化生物数据？如何可视化非生物数据？如何定性和定量刻画他们两者之间的关系？
2. 研究目的和假设 核心关键词：施肥方式（有机肥和无机肥）、改变土壤理化性质、土壤微生物群落的响应、对水稻产量的影响。 研究假设基于的先验知识：许多研究都证明了施肥对土壤微生物群落的影响以及土壤养分水平对水稻产量的影响。 研究不足：在长期施用有机肥和无机肥的情况下，土壤细菌群落和土壤理化性质的变化对水稻产量的影响尚不清楚。 研究目的： ① 施肥对水稻产量、土壤特性、土壤细菌群落分布和土壤微生物功能的影响； ② 施肥对微生物与环境因子相关性的影响； ③ 施肥处理、理化因子和微生物对水稻增产的贡献。 注（个人浅薄理解）：研究目的1对不同施肥方式下变量的描述性统计，涉及生物群落特征的数据排序或分类，目的2探究生物和环境因素的关系，目的3揭示施肥处理影响水稻产量的关键机理。 思考：为什么没有对照研究目的提出进一步的科学假设？如何设计实验？如何对照着在文中发现相关结果？如何辨析对于关键结果的讨论？ 3.实验方案 研究地点：江西省南昌市农业科学院水田土壤质量演变监测站。 实验设计：完全随机区组设计（原则）；5种施肥处理梯度，3个重复样地，2个样方，共计30个样品；无施肥（CK）、施氮磷钾化肥（NPK）、30%的化肥用有机肥替代（30M）、50M和70M。 采样方法：2018年11月晚稻收获后，采集0-20cm表层土；每个样方中采用五点法混合法采集6平行样本；过筛，冰鲜保存，一部分用于DNA测序，一部分测定理化因子和酶活性。 指标选择和测定： ① 土壤理化指标（pH、有机质、全磷、全氮、全钾、水解氮或速效氮、速效钾、阳离子交换能力）； ② 土壤酶活性（脲酶、过氧化氢酶、磷酸酶、葡萄糖苷酶）； ③ 土壤微生物（α多样性，Chao 1、Shannon、Simpson和Ace；β多样性）。 统计方法： ① SPSS进行正态性和方差齐次性检验，满足执行单因素方差分析HSD事后多重比较，不满足R中执行Kruskal-Wallis检验（针对所有指标）； ② CANOCO5中执行RDA分析针对生物数据和非生物数据，层次分割VPA在R中实现； ③ R中进行属水平的共线网络分析，Gephi中进行可视化； ④ R中计算微生物多样性和环境因子的Spearman相关性，TBtools中对相关性矩阵进行热图可视化； ⑤ AMOS软件中执行广义最小二乘分析，构建结构方程模型。 注（个人浅薄理解）：首先，我们试图去了解该实验设计产生的数据框结构。第一类数据框第一列应该是5个施肥梯度是有序的，第二列6个平行样品随机的，第三列以及之后依次为土壤养分的9个指标、土壤酶活性的4个指标、土壤微生物的群落多样性的4个指标。第二类数据框是土壤微生物在门纲目科属上的丰度和组成，当然在R测序完成后该数据一般是长数据格式，有的作者会将元数据传至相应的数据库里，对于土壤动物和植物群落丰度一般会整理成一张表作为附录。下面我们对文章所有图表谈谈自己的理解。 4 结果 采样点图
注（个人浅薄理解）：该样点图如果有一些实际的生境照片，将会更生动，但论文基于一个观测站，也可以没有。此外，辨析完全随时区组设计和随机区组设计，我们简单口语化的理解一下，完全随机区组就是将处理和重复数看成一个整体，例如文中的5个处理和3个地块重复，将有15个单元，进行随机排列，以此来尽可能保证控制实验的独立性。如上图所示，我们发现排列没有任何规律。随机区组是什么呢？大家在评论区讨论起来吧。 稀释（累积）曲线图
注（个人浅薄理解）：判断样本的取样大小是否合理，尾端逐渐趋向平坦即可，有时候会添加置信区间。Biying搜索一下即可发现相关R代码。 方差分析
注（个人浅薄理解）：针对这样一张铺满数据的表格，如何发现挑选出关注的点进行报道。首先，我们很容易理解，施肥相较于不施肥定然会增加土壤养分含量，对于对照组的选择使得这样。但我们更关注或者想了解那种施肥措施的效果更显著，即我们更想知道实验组之间的差别，因为这样的结论或许能够更好的指导我们的生产实践。带着这样的想法去剖析这份数据，或许将知道该报道关注那些数据。同时，对于这张表能够直观看到的数据信息太多了，在报道时候要简略。 土壤微生物多样性的方差分析、PcoA和NMDS分析
注（个人浅薄理解）：施肥处理对细菌α多样性变化均不显著，有机肥替代措施对细菌群落的β多样性有显著影响。c) Principal coordinate analysis (PCoA) based on the weighted UniFrac distance matrix; d) Non-metric multidimensional scaling (NMDS) based on the Euclidean distance matrix. 对于群落相似性一般来说我们看到很多文章使用的是Bray-Curtis距离，使用ANOSIM进行组间检验，相关结果在图上也是一目了然。此外，对于所有的群落数据都可以考虑这样进行可视化，但控制实验的结果往往更优秀。R去实现这些非约束性的排序分析，当然使用一些云平台亦可以得到不错的效果。此外，可以呼吁TBtools开发者陈老师团队考虑一下要不要添加一个插件。 土壤微生物优势类群可视化
注（个人浅薄理解）：a) Dominant bacteria (relative abundance> 1%) at the phylum level; b) dominant bacteria (relative abundance> 1%) at the genus level. The distribution model for the dominant phyla with different organic fertilizer proportions (P<0.05)。左边的图土壤细菌在门和属水平上的优势类群，堆积条形图可以用origin制作，容易美化。右边的图我很少见将优势类群进行线性模型分析，作者报道了R2和p值显著的5个细菌门，可以借鉴吧，作者是通过R实现的。关于生物标志物部分的分析，应该类似于指示物种，我不太懂，但动物群落的指示物种可以通过R语言的IndVal包实现。同样的关于生物群落组成分析，除了优势物种，很缺乏对于稀有物种重要性的报道。 RDA分析
注（个人浅薄理解）：221个核心OTUs的筛选的标准是什么？是否是优势属下面的OUTs，在上文中作者从门和属水平进行了讨论，姑且是这样吧。RDA分析最重要的部分向前选择，报道一些环境因子的解释率，但CANOCO5软件很多时候环境因子的解释率显示不出来，还是尽可能地用R，用层次分割，参考赖江山老师的书籍。 相关性热图
注（个人浅薄理解）：Pearson correlation和Spearman correlations两者原理不同。谈谈这张图的制作流程，前几天TBtools公众号更新了一个推文讲述了怎么做热图，其实B站也有很多博主在分享，编译已经多次利用其完成热图的绘制，很方便，尤其是对行或者列可以进行双向聚类分析，但对于聚类的方法很多人没有关注。TBtools是无法直接达到论文中的这种效果，你首先需要将相关性分析的数据和显著性矩阵在Excel中裁剪好，然后将数据复制在软件中，进行调整，对于显著性大小星号的标注，可以将图片导出后使用ppt在上面覆盖带显著性矩阵的表格，对于额外的信息需要你的想象力在AI中尽情施展。对于如何描述这张图，则需要详细阅读作者的说法作为参考。简言之，图很详细了，简略描述，自圆其说。 结构方程模型
注（个人浅薄理解）：首先你需要有先验概念模型，作者这个大多数是潜变量，方框准确的说应该是组成变量，在sci论文中大量出现结构方程模型，建议使用R语言的lavaan包做潜变量的，使用piecewise包做组成变量的，当然关于Partial least square path modeling 偏最小二乘法使用PLS-PM包做结构方程模型可以参考石亚飞公众号的分享。不论如何，模型的优化调整是最重要的，有机会还是要系统的学习。层次分割参考赖江山老师的rdacca.hp包。 5 结论与展望 ① 长期有机肥替代增加了土壤营养，减少了土壤酸化，为水稻增产做出了直接贡献。 ② 长期有机肥替代增加了有益土壤微生物的相对丰度，并通过土壤营养和酶活性间接促进了水稻产量的提高。 ③ 此外，有机肥替代调控了微生物与环境因子的相关性，进而影响土壤微生态。 ④ 我们建议根据农业生产中土壤和肥料的养分含量混合使用有机肥和无机肥，同时考虑到总养分和有效养分，以确保肥料养分的持久供应。 |
|
|
