RDA/CCA分析

　　RDA 或者CCA是基于对应分析发展而来的一种排序方法，将对应分析与多元回归分析相结合，每一步计算均与环境因子进行回归，又称多元直接梯度分析。此分析是主要用来反映菌群与环境因子之间关系。RDA是基于线性模型，CCA 是基于单峰模型。分析可以检测环境因子、样品、菌群三者之间的关系或者两两之间的关系。
　　RDA 或CCA 模型的选择原则：先用species-sample 数据（97%相似性的样品OTU 表）做DCA 分析，看分析结果中Lengths of gradient 的第一轴的大小，如果大于4.0，就应该选CCA，如果3.0-4.0 之间，选RDA 和CCA均可，如果小于3.0，RDA 的结果要好于CCA。
软件：PC-ORD或是CANOCO软件作图。
参考文献：
　　Sheik CS, Mitchell TW, Rizvi FZ, Rehman Y, Faisal M, et al. (2012) Exposure of Soil Microbial
Communities to Chromium and Arsenic Alters Their Diversity and Structure. PLoS ONE 7(6): e40059.doi:10.1371/journal.pone.0040059.
例图：

基于OTU进行RDA /CCA分析

基于物种信息进行RDA /CCA分析

　　注：图中数字表示样品名，不同颜色或形状表示不同环境或条件下的样本组；箭头表示环境因子；图中蓝色上三角表示不同属的细菌；物种与环境因子之间的夹角代表物种与环境因子间的正、负相关关系（锐角：正相关；钝角：负相关；直角：无相关性）；由不同的样本向各环境因子做垂线，投影点越相近说明样本间该环境因子属性值越相似，即环境因子对样品的影响程度相当。