DivNet：当群落中的分类群通过生态网络协同出现时，评估多样性的R包。

A.D.威利斯和B.D.马丁（2020）DivNet：评估网络社区的多样性.生物统计学。doi.org/10.1093/biostatistics/kxaa015

如果你知道一个群落的确切组成（例如生活在你皮肤上的所有微生物），你可以计算出群落的香农多样性，或者你的皮肤微生物和猫的毛皮微生物之间的布雷-柯蒂斯距离。然而，你只能从实验中观察到皮肤上的一小部分微生物，因此你必须根据数据估计这些多样性指数，理想情况下，你会得到这些多样性指标的置信区间。

几乎所有的生态学家都使用“插入式”多样性估计，这是通过将观察到的每个分类单元的相对丰度插入真实多样性的公式中而获得的。这是有问题的，原因有很多，包括可能存在未观察到的分类群，并且由于随机抽样，观察到的相对丰度可能并不完全等于真实的相对丰富度。此外，获得置信区间的典型方法假设所有分类群的行为都是独立的：如果分类群a在那里，这就不会告诉你分类群B是否也可能在那里。DivNet会处理所有这些问题，并为您提供一个包含所有这些挑战的置信区间。

请参见小插曲获取完整教程，以及报纸了解更多详细信息。

想要不同多样性指数的置信区间吗？通过发布问题!

DivNet公司目前可通过GitHub使用，可以按以下方式安装。请注意，您需要安装最新版本的脱离要安装DivNet公司; 这包括在以下命令中：

#install.packages（“remotes”）#如果尚未安装remotes，请运行此行
遥控器::安装_工具("adw96/分离")遥控器::安装_工具("adw96/DivNet公司")图书馆(DivNet公司)

默认情况下，远程：：install_github不会构建包含的小插曲。如果要在本地查看vignette，请使用以下命令安装包：

遥控器::安装_工具("adw96/分离",建筑标志（_V） = 真的)遥控器::安装_工具("adw96/DivNet公司",建筑标志（_V） = 真的)

让我们分析一下Lee等人。使用DivNet的数据集。我们可以在ASV级别进行分析，但为了简单起见，让我们分析门级别的多样性。

图书馆(品学兼优)数据(李)分叶 <-分公司（tax_glom(李,税务等级="门"),X（X） = "烧焦",ncores公司 = 4)分叶

为了测试α-多样性（默认情况下为Shannon）在协变量X的值之间是否相等，我们可以运行

测试多样性(分叶)

并绘制我们可以运行的DivNet对多样性的估计

图书馆(ggplot2)绘图(分叶)

DivNet的一个限制是，当你有许多分类单元（数千个及以上）时，它的速度很慢。幸运的是莱恩·摩尔在Rust中实现了更快版本的DivNet，名为divnet-rs.查看文档在这里.

不幸的是，StatDivLab没有divnet-rs，所以请直接提问divnet-rsRyan和divnet-rs团队(divnet-rs问题页面在这里).

DivNet与

• 品学兼优（用于可重复的微生物组分析）
• 脱离（用于假设检验）