--- title: "Números de Hill: diversidad taxonómica, filogenética y funcional" output: rmarkdown::html_vignette: toc: true toc_depth: 3 fig_caption: true bibliography: references.bib link-citations: true vignette: > %\VignetteIndexEntry{Números de Hill: diversidad taxonómica, filogenética y funcional} %\VignetteEngine{knitr::rmarkdown} %\VignetteEncoding{UTF-8} --- ```{r setup, include=FALSE} knitr::opts_chunk$set( fig.align = "center", out.width = "100%", fig.width = 11, fig.height = 7, warning = FALSE, message = FALSE ) ``` `MicroBioMeta` calcula la diversidad y devuelve la figura lista para publicar. Este tutorial explica el marco de los números de Hill y cómo usarlo en las funciones que trabajan con él: `alpha_hill_plot()` y `alpha_diversity_plot()` para diversidad alfa, y `beta_ord_plot()` y `beta_test_table()` para diversidad beta. Los cálculos con árbol o con rasgos vienen de `hilldiv3` [@alberdi2019guide]. ## Por qué números de Hill Los números de Hill [@hill1973diversity; @jost2007partitioning] expresan la diversidad como un **número efectivo**: cuántos taxones igual de abundantes darían la misma diversidad que la muestra. Una muestra con valor 10 es el doble de diversa que una con valor 5, algo que no se cumple con los índices de Shannon o Simpson. El orden $q$ define cuánto peso reciben las abundancias: | Orden | Peso de los taxones | Equivale a | |---|---|---| | $q = 0$ | Todos cuentan igual | Riqueza | | $q = 1$ | Proporcional a su abundancia | Exponencial de Shannon | | $q = 2$ | Sobre todo los dominantes | Inverso de Simpson | La misma idea se extiende a otras dos dimensiones de la diversidad [@chao2014unifying]. Las tres son números efectivos, en equivalentes de especies o linajes [@chao2021measuring], pero cuentan cosas distintas: taxones, linajes o grupos funcionales. Di siempre cuál reportas. | `diversity` | Qué toma en cuenta | Qué necesitas | Unidad | |---|---|---|---| | `"taxonomic"` | Abundancias | La tabla | Número efectivo de features | | `"phylogenetic"` | Qué tan emparentados están los taxones [@chao2010phylogenetic] | Árbol enraizado | Número efectivo de linajes | | `"functional"` | Qué tan distintos son sus rasgos [@chao2019attribute] | Rasgos por taxón | Número efectivo de grupos funcionales | ## Preparar los datos Usamos el ejemplo 18S del paquete (eucariontes microscópicos, sobre todo hongos). ```{r data} library(MicroBioMeta) table_fungi <- read.delim( system.file("extdata", "table_fungi.txt", package = "MicroBioMeta"), row.names = 1, check.names = FALSE ) taxonomy_fungi <- read.delim( system.file("extdata", "taxonomy_fungi.txt", package = "MicroBioMeta"), check.names = FALSE ) metadata_fungi <- read.delim( system.file("extdata", "metadata_fungi.txt", package = "MicroBioMeta"), check.names = FALSE ) metadata_fungi <- metadata_fungi[metadata_fungi$SAMPLEID %in% colnames(table_fungi), ] table_fungi <- table_fungi[, metadata_fungi$SAMPLEID] table_fung <- merge_feature_taxonomy(table = table_fungi, taxonomy = taxonomy_fungi) ``` ### El árbol Las puntas del árbol deben ser los taxones de la tabla. Con QIIME 2 [@bolyen2019qiime2], el árbol sale de las secuencias representativas, y `exported-tree/tree.nwk` es lo que lees en R: ```{bash, eval=FALSE} qiime phylogeny align-to-tree-mafft-fasttree \ --i-sequences rep-seqs.qza \ --output-dir phylogeny qiime tools export --input-path phylogeny/rooted_tree.qza --output-path exported-tree ``` ```{r tree} tree_fungi <- ape::read.tree( system.file("extdata", "tree_fungi.nwk", package = "MicroBioMeta") ) ``` Revisa el árbol antes de usarlo: unas pocas secuencias espurias en una rama muy larga pueden aplanar $q = 1$ y $q = 2$, porque esa rama domina el árbol. En este ejemplo quitamos tres ASVs *Unassigned* (10 lecturas) por esa razón. ### Los rasgos `traits` es una tabla con taxones en filas y rasgos en columnas. Sirve cualquier rasgo medido. En comunidades microbianas, una fuente común es la tabla de familias de genes predichas por ASV con PICRUSt2 [@douglas2020picrust2], como `EC_predicted.tsv`. Son predicciones, no mediciones, así que repórtalas como tales. ```{r traits} traits_fungi <- read.delim( system.file("extdata", "traits_fungi.txt", package = "MicroBioMeta"), row.names = 1, check.names = FALSE ) ``` Los taxones que están en la tabla pero no en el árbol o en los rasgos se descartan con un aviso que dice cuántos son. Aquí pasa con los tres ASVs de arriba. ## Diversidad alfa con números de Hill `alpha_hill_plot()` usa la misma llamada para los tres tipos. Solo cambian `diversity` y su insumo, y el título del eje y sigue la unidad de cada tipo. ```{r alpha-tax} alpha_hill_plot( table = table_fung, metadata = metadata_fungi, x_col = "Type_of_soil", fill_col = "Type_of_soil", facet_by = "Treatment", x_axis_title = "Type of soil", show_legend = FALSE, stat = "kruskal.test" ) ``` ```{r alpha-phylo, fig.height=10} alpha_hill_plot( table = table_fung, metadata = metadata_fungi, x_col = "Type_of_soil", fill_col = "Type_of_soil", facet_by = "Treatment", x_axis_title = "Type of soil", show_legend = FALSE, stat = "kruskal.test", diversity = "phylogenetic", tree = tree_fungi ) ``` ```{r alpha-func, fig.height=10} alpha_hill_plot( table = table_fung, metadata = metadata_fungi, x_col = "Type_of_soil", fill_col = "Type_of_soil", facet_by = "Treatment", x_axis_title = "Type of soil", show_legend = FALSE, stat = "kruskal.test", diversity = "functional", traits = traits_fungi ) ``` Dos detalles de estos valores: - Los valores filogenéticos se leen a una misma profundidad, la profundidad media del árbol en las muestras [@chiu2014phylogenetic], para que las muestras sean comparables. Por eso una muestra puede quedar apenas por debajo de 1. `iNEXT.3D` usa en cambio la edad de la raíz, así que sus valores no son iguales. - Los valores funcionales dependen de un umbral $\tau$: los taxones a esa distancia o más cuentan como grupos funcionales distintos. Por defecto es la distancia media entre dos lecturas de las muestras juntas [@chao2019attribute], y puedes cambiarlo con `tau`. ## Índices clásicos `alpha_diversity_plot()` muestra los índices clásicos, también con `diversity`: | `diversity` | Índice | Significado | Unidad | |---|---|---|---| | `"taxonomic"` | Chao1, Shannon, Simpson | Riqueza y equitatividad | Distinta en cada índice | | `"phylogenetic"` | PD de Faith [@faith1992conservation] | Suma de longitudes de rama hasta la raíz | Longitud de rama | | `"functional"` | Q de Rao [@rao1982diversity] | Distancia media entre dos lecturas al azar | Distancia (Gower) | ```{r classic-phylo, fig.width=4.5, fig.height=4.5, out.width="50%"} alpha_diversity_plot( table = table_fung, metadata = metadata_fungi, x_col = "Type_of_soil", fill_col = "Type_of_soil", x_axis_title = "Type of soil", show_legend = FALSE, stat = "kruskal.test", diversity = "phylogenetic", tree = tree_fungi ) ``` ```{r classic-func, fig.width=4.5, fig.height=4.5, out.width="50%"} alpha_diversity_plot( table = table_fung, metadata = metadata_fungi, x_col = "Type_of_soil", fill_col = "Type_of_soil", x_axis_title = "Type of soil", show_legend = FALSE, stat = "kruskal.test", diversity = "functional", traits = traits_fungi ) ``` Estos índices se relacionan con los números de Hill, pero no son la misma cantidad. El PD de Faith es el $q = 0$ filogenético antes de dividir entre la profundidad del árbol, y la Q de Rao da el $q = 2$ funcional mediante $1 / (1 - Q / \tau)$ cuando $\tau$ es la mayor distancia entre dos taxones. Elige el índice clásico si necesitas comparar con estudios que lo reportan, y el número de Hill si quieres todos los tipos en un mismo marco. ## Diversidad beta ### Las métricas `hilldiv3::hillpair()` convierte los números de Hill en disimilitudes entre muestras [@jost2007partitioning; @chiu2014phylogenetic; @chao2023rarefaction]. En `MicroBioMeta` son una opción más de `distance`, junto a `"jaccard"` o `"aitchison"`, con el orden definido por `q`. Van de 0 (muestras idénticas) a 1 (nada compartido), así que no tienen problema de unidades. | `distance` | Tipo | Taxonómica: $q = 0$, $1$, $2$ | Filogenética: $q = 0$, $1$, $2$ | |---|---|---|---| | `"U"` | Tipo Jaccard | Jaccard, Horn, solapamiento regional | Phylo-Jaccard (UniFrac no ponderado), phylo-Horn, phylo-regional-overlap | | `"C"` | Tipo Sørensen | Sørensen, Horn, Morisita-Horn | Phylo-Sørensen (PhyloSor), phylo-Horn, phylo-Morisita-Horn | | `"S"` | Recambio tipo Jaccard | Jaccard, sin nombre, Morisita-Horn | Phylo-Jaccard, sin nombre, phylo-Morisita-Horn | | `"V"` | Recambio tipo Sørensen | Sørensen, sin nombre, sin nombre | Phylo-Sørensen, sin nombre, sin nombre | Los nombres filogenéticos vienen de @chiu2014phylogenetic, y PhyloSor de @bryant2008microbes; UniFrac es de @lozupone2005unifrac. Las versiones funcionales no tienen nombres propios: @chao2019attribute las llama medidas funcionales tipo Sørensen y tipo Jaccard, así que repórtalas así, con $q$ y $\tau$. En $q = 1$, `"U"` es phylo-Horn, no el UniFrac ponderado. Estas métricas describen las diferencias en términos de números de Hill; no son composicionales. Si tu análisis principal usa CLR/Aitchison, mantenlo y usa estas como complemento. ### Ordenación Las métricas de Hill funcionan con `ordination = "PCoA"` o `"NMDS"`, igual que cualquier distancia que no sea `"compositional"`. `beta_ord_plot()` mantiene la misma escala en los dos ejes, así que la gráfica se achata cuando el primer eje explica casi toda la variación. En el ejemplo funcional agregamos `ggplot2::coord_cartesian()` para llenar la figura; ten en cuenta que los ejes ya no comparten escala. ```{r ord-tax, fig.height=5} beta_ord_plot( table = table_fung, metadata = metadata_fungi, distance = "U", q = 1, ordination = "PCoA", group_col = "Type_of_soil", legend_title = "Type of soil" ) ``` ```{r ord-phylo, fig.height=5} beta_ord_plot( table = table_fung, metadata = metadata_fungi, distance = "U", q = 1, ordination = "PCoA", group_col = "Type_of_soil", legend_title = "Type of soil", diversity = "phylogenetic", tree = tree_fungi ) ``` ```{r ord-func, fig.width=7.5, fig.height=6.5, out.width="75%"} beta_ord_plot( table = table_fung, metadata = metadata_fungi, distance = "U", q = 1, ordination = "PCoA", group_col = "Type_of_soil", legend_title = "Type of soil", diversity = "functional", traits = traits_fungi ) + ggplot2::coord_cartesian() ``` ### PERMANOVA y betadisper `beta_test_table()` recibe los mismos argumentos. Un PERMANOVA [@anderson2001permanova] prueba si los grupos difieren, y betadisper [@anderson2006distance] si difiere su dispersión. Reporta ambos: un PERMANOVA significativo con dispersiones desiguales puede reflejar diferencias de dispersión, no de posición. Usamos $q = 1$ y el mismo modelo para los tres tipos. En ese orden el suelo y el tratamiento difieren en todos, y la interacción solo en el filogenético. Taxonómica: ```{r permanova-tax, fig.width=6.5, fig.height=2, out.width="65%"} beta_test_table( table = table_fung, metadata = metadata_fungi, formula_str = "Type_of_soil * Treatment", distance = "U", q = 1 ) ``` Filogenética: ```{r permanova-phylo, fig.width=6.5, fig.height=2, out.width="65%"} beta_test_table( table = table_fung, metadata = metadata_fungi, formula_str = "Type_of_soil * Treatment", distance = "U", q = 1, diversity = "phylogenetic", tree = tree_fungi ) ``` Funcional: ```{r permanova-func, fig.width=6.5, fig.height=2, out.width="65%"} beta_test_table( table = table_fung, metadata = metadata_fungi, formula_str = "Type_of_soil * Treatment", distance = "U", q = 1, diversity = "functional", traits = traits_fungi ) ``` `test = "betadisper"` funciona igual para los tres tipos. Aquí está el filogenético. En $q = 1$ las dispersiones difieren entre tipos de suelo en los tres, así que lee el PERMANOVA de `Type_of_soil` con eso en mente. ```{r betadisper, fig.width=6.5, fig.height=1.2, out.width="65%"} beta_test_table( table = table_fung, metadata = metadata_fungi, formula_str = "Type_of_soil", distance = "U", q = 1, test = "betadisper", diversity = "phylogenetic", tree = tree_fungi ) ``` ## Referencias
## Información de la sesión ```{r session} sessionInfo() ```