【alpha多样性】—— 单个样本或生境内的生物多样性视角
在生态学、微生物组学以及众多需要评估生物群体组成的领域，了解一个特定区域或样本内物种的多样性至关重要。【alpha多样性】正是衡量这种“局部”或“样本内”多样性的核心概念。它关注的是一个指定区域（例如，一个特定的森林地块、一个土壤样本、一个个体的肠道）内物种的数量及其相对丰度。
什么是alpha多样性？
【alpha多样性】描述的是一个相对较小、均匀区域内的生物多样性。通俗地说，它回答的是“在这个特定的地方有多少种生物？”以及“这些生物的个体数量在不同种类之间分布得是否均匀？”。
构成alpha多样性的两个主要要素：
- 物种丰富度 (Species Richness): 这是最直观的组成部分，指代的是在一个特定区域或样本中存在的不同物种（或分类单元，如OTU/ASV）的总数量。简单计数即可获得。一个区域物种越多，其丰富度越高。
- 物种均匀度 (Species Evenness): 衡量的是不同物种的个体数量在其总个体数量中所占比例的分布情况。如果所有物种的个体数量都差不多，则均匀度高；如果少数物种个体数量很多，而大多数物种个体数量很少，则均匀度低。
仅仅知道物种数量（丰富度）并不完全代表多样性，因为一个区域可能有很多物种，但其中一个物种占据了绝大多数个体，这通常被认为多样性不如物种数量稍少但个体分布非常均匀的区域。因此，许多alpha多样性指标会同时考虑丰富度和均匀度。
为什么测量alpha多样性？
测量【alpha多样性】并非为了单纯地获得一个数字，而是为了获得关于特定生物群落状态和特征的关键信息。通过量化单个样本的多样性，我们可以：
- 比较不同样本或生境： 评估在不同环境条件（如污染程度、土壤类型、治疗前后）或不同处理（如施肥、抗生素使用）下，生物群落的多样性是否存在差异。例如，比较健康人和患病者肠道菌群的alpha多样性。
- 监测群落随时间的变化： 追踪一个群落在受到扰动、恢复或随季节变化时，其内部多样性如何演变。例如，观察生态系统恢复过程中植物或微生物多样性的变化。
- 评估生境或个体的“健康”或“稳定性”： 在许多生态系统和生物关联中，较高的alpha多样性常被认为与更强的抵抗力、恢复力和功能稳定性相关（尽管这并非普遍规律，需具体情况具体分析）。例如，多样性高的土壤微生物群落可能更具抵御病原菌侵袭的能力。
- 指导管理和保护策略： 通过了解哪些区域或条件具有更高的多样性，可以更有效地规划保护区、评估环境影响或制定生态修复方案。
如何量化和计算alpha多样性？
【alpha多样性】是一个概念，具体的量化需要借助各种数学指标。不同的指标对丰富度和均匀度的侧重不同，因此在分析时通常会计算多个指标以获得更全面的认识。
常用的alpha多样性指标：
以下是一些衡量alpha多样性的常用指标，它们从不同角度反映样本内的多样性：
-
仅基于丰富度的指标 (Richness-based Metrics):
- Observed Features (或 Observed OTUs/ASVs): 最简单的指标，直接计数样本中观察到的物种（或OTU/ASV）数量。易受测序深度影响。
- Chao1: 基于低丰度物种（单例和双例）数量来估计样本中实际存在的总物种数，包括那些未被采样到的。对稀有物种敏感，常用于估计微生物群落的物种库大小。
- ACE (Abundance-based Coverage Estimator): 类似于Chao1，也是基于低丰度物种信息来估计总物种数，但在计算上与Chao1略有不同。
-
同时考虑丰富度和均匀度的指标 (Combined Metrics):
- Shannon index (Shannon-Wiener index): 结合了物种丰富度和均匀度。它的值会随着物种数量的增加和物种间个体分布的更加均匀而增加。常用对数计算，没有直观单位，主要用于样本间的相对比较。
- Simpson index (Simpson’s Diversity Index / Simpson’s Reciprocal Index): 衡量的是随机抽取两个个体属于不同物种的概率。通常使用其倒数 (1/Simpson) 或 Gini-Simpson 指数 (1-Simpson) 来表示多样性，值越高代表多样性越高。Simpson指数对高丰度的常见物种更敏感。
-
基于系统发育的指标 (Phylogenetic Diversity Metrics):
- Faith’s Phylogenetic Diversity (Faith’s PD): 衡量的是样本中所有物种在系统发育树上所有分支长度的总和。这个指标不仅考虑了物种数量，还考虑了这些物种之间的进化距离。如果样本中的物种在进化上更分散（即系统发育树上的分支更长），则PD值更高。这提供了一个超越仅仅计数物种或考虑均匀度的多样性维度。
计算alpha多样性所需的输入数据：
进行【alpha多样性】计算通常需要一个“物种丰度表”或“特征表”。这张表通常是一个矩阵，行代表不同的样本，列代表不同的物种（或OTU/ASV），单元格中的数值表示该物种在对应样本中的个体数量或序列读取次数。
这个表通常是从高通量测序数据（如16S rRNA基因测序或宏基因组测序）经过生物信息学处理流程（包括序列质量控制、去嵌合体、聚类或降噪、比对到参考数据库或构建特征表）后生成的。
计算步骤概述：
计算【alpha多样性】通常涉及以下基本步骤：
- 原始数据获取： 获得测序仪生成的原始序列数据。
- 生物信息学预处理： 清理数据，去除低质量序列、引物、接头；对序列进行去噪或聚类，生成离散的分类单元（如ASV或OTU）。
- 构建特征表： 统计每个样本中各个分类单元的序列丰度，生成一个样本-特征（OTU/ASV）丰度矩阵。
- 标准化/抽样： 由于不同样本的总测序深度（总读取次数）可能差异很大，这会影响物种丰富度估计。因此，在计算丰富度类指标前，通常需要进行标准化或稀释抽样（rarefaction）到统一的深度，以保证样本间可比性。综合类或系统发育类指标可能需要不同的处理方式。
- 选择指标和工具： 根据研究目的选择合适的alpha多样性指标，并使用相应的生物信息学软件或编程库。
- 运行计算： 将准备好的丰度表输入选定的工具，计算得出每个样本的alpha多样性指数值。
常用计算工具：
计算【alpha多样性】有许多成熟的工具和软件包可用：
- QIIME 2: 一个广泛用于微生物组分析的集成平台，包含计算多种alpha多样性指标的功能，并能进行稀释曲线绘制等。
- R语言: 拥有强大的生态学分析库，如
phyloseq、vegan、microbiome等，可以非常灵活地计算几乎所有的alpha多样性指标。 - Mothur: 另一个经典的微生物组学分析软件，也提供了丰富的alpha多样性计算功能。
- Python: 使用
skbio等库也可以进行alpha多样性计算。
alpha多样性在哪里被应用？
【alpha多样性】是一个跨领域的概念，在许多生物学和环境科学的研究中都有广泛应用：
- 环境科学与生态学: 分析不同栖息地（森林、草原、河流、湖泊、土壤、海洋）的物种多样性，评估环境变化、污染、气候变暖等对局部生物群落的影响。
- 微生物组学: 研究人体不同部位（肠道、皮肤、口腔、呼吸道）或环境样本（土壤、水、室内空气）微生物群落的多样性，关联多样性水平与健康状态、疾病、环境功能等。
- 农业与土壤科学: 评估不同耕作方式、施肥、农药使用对土壤微生物多样性的影响，以及土壤微生物多样性与作物健康、土壤肥力之间的关系。
- 保护生物学: 评估不同保护区域或管理措施下的物种多样性水平，为保护决策提供依据。
- 生物医学: 除了人体微生物组，也可应用于研究肿瘤微环境、感染灶等特定区域的细胞多样性。
如何理解和解读alpha多样性结果？
解读【alpha多样性】结果需要结合具体的生物学背景和研究设计。
通常来说，一个更高的alpha多样性值（无论是物种丰富度、Shannon指数还是Faith’s PD等）表明该样本内的物种数量更多，或者物种间的个体分布更均匀，或者在系统发育上更分散。较低的值则反之。
然而，重要的是进行样本间的比较。例如，比较处理组和对照组、疾病组和健康组、污染区和未污染区之间的alpha多样性是否有统计学上的显著差异。这种比较往往能揭示环境变化、干预措施或生理状态对局部生物群落结构的影响。
不同的指标可能给出不完全一致的结论，这是正常的，因为它们侧重于多样性的不同方面。如果一个干预措施导致了物种总数（如Chao1）的下降，但幸存物种的丰度分布变得更均匀（Shannon指数变化不显著甚至略有上升），这提示了群落结构发生的特定类型变化。
深入探讨：不同指标的选择
选择哪个【alpha多样性】指标取决于研究的具体问题和数据特性。
- 如果主要关注样本中可能存在的物种总库大小，特别是稀有物种，那么Chao1或ACE可能更合适。
- 如果想综合考虑物种数量和它们的相对比例，Shannon或Simpson指数是标准选择。Shannon指数对稀有物种相对更敏感，而Simpson指数对常见高丰度物种更敏感。
- 如果研究对象的进化历史很重要，并且希望了解群落在系统发育上的多样性，Faith’s PD是不可替代的。
在很多研究中，研究者会计算并报告多个alpha多样性指标，以提供一个更全面的群落多样性画像。
测量alpha多样性的注意事项：
- 测序深度： 测序深度不足或样本间测序深度差异巨大是影响alpha多样性估计（尤其是丰富度指标）的常见问题。标准化或稀释抽样是处理这一问题的重要步骤。
- 抽样偏差： 样本采集方法、区域大小等都会影响测量到的alpha多样性。确保采样的一致性是进行有效比较的基础。
- 指标选择： 没有哪个指标是“最好的”，选择应基于研究问题和对指标特性的理解。
- 背景信息： alpha多样性值本身意义有限，必须结合样本的来源、环境、处理等背景信息进行解读。
总之，【alpha多样性】是理解生物群落局部多样性的基石。通过合理选择指标、规范计算流程并结合背景信息进行解读，我们可以从中获得关于特定样本或区域生物组成状态的宝贵洞察。
