生物信息学软件PRIMER方法介绍

PRIMER 7（Plymouth Routines In Multivariate Ecological Research）主要由一系列单变量、图形和多变量例程组成，用于分析群落生态学中的物种样本数据阵列。数据通常包括丰度、生物量、覆盖面积（或线）百分比、存在/不存在等，出现在对环境影响的生物监测和更基础的研究中，例如食物组成。物理值矩阵和化学浓度矩阵也适用，可单独分析或与生物组合数据同时分析，通过物理化学条件 "解释 "群落结构。本软件包的方法很少（如果有的话）对数据的形式做出假设（非度量排序和置换检验是该方法的基础），而是集中在可以直接解释的方法上。

这种稳健性使其具有广泛的适用性，从而提高了解释的可信度，其透明度也可能解释了为什么这些软件已在全球范围内被采用，尤其是在海洋科学领域，但也在陆地和淡水生态学、林业、土壤科学等领域被采用。

虽然生物组合数据的分析要求是主要点，但该软件包同样适用于（而且越来越多地应用于）其他多变量数据结构或可被视为多变量数据结构的数据。

其中包括：生态毒理学中的多种生物标志物及其与水或组织中化学污染物浓度的关系；地质学或材料科学中的基质成分；分类学中的形态测量；遗传学研究，特别是大量OTU的微生物分析；遥感中的多种波长信号；甚至环境经济学、复杂数学箱模型中的状态变量、 急症医学、流行病学等。

有时可以用多元方法更有效地处理的单变量测量包括水或沉积物样本的粒度分析，以及队列研究中生物体的大小频率分布（多元变量是离散的颗粒或生物体大小类别）。此外，还可以处理生物个体随时间变化的生长曲线集（重复测量，因此具有相关性）。其统一的特点是，所有数据集都简化为一个适当的三角形矩阵，代表每对样本在组合、生物标记物套件、粒度分布、生长曲线形状等方面的相似性。然后，聚类和排序技术就能显示样本之间的关系，而置换检验则提供了必要的假设检验结构。

软件包的例程包括 数据预处理（转换、分散和其他变量加权，通过阴影图进行评估）；约50种相似度测量方法（现在允许缺失数据）；通过标准聚类和新型分割及 "扁平 "技术对样本（或物种）进行分层聚类； 通过非度量（nMDS）和度量多维尺度（mMDS、tmMDS）以及主成分（PCA）进行排序，总结生物和非生物样本的模式；基于置换的假设检验（ANOSIM，也有新的有序形式），检验来自不同时间/地点/处理等的多元样本的先验分组结构；

现在关键强调物种模式（新颖的一致性曲线和阴影图）；将多变量生物模式与环境数 据套件或其他生物阵列联系起来（BEST、LINKTREE）；对模型结构的相似性进行比较（曼特尔式）检验（RELATE，包括新颖的双向形式）；  针对 "重复测量 "的第二阶段分析（2STAGE）和分析选择（分类水平、转换、相似系数）的比较；多样性指数、优势图、SAD曲线、物种累积估计器、分类汇总等套件；和基于物种分类学差异的生物多样性指数测试（TAXDTEST）；通过多元引导法对平均群落进行新的区域估算；以及 PRIMER 7中新增的多种其他数据处理和图表类型（柱状图、线图、均值图、方框图、散点图、曲面图、直方图和阴影图）。