基于R语言poppr包的AMOVA结果解读：Phi值与显著性测试疑问

我使用R语言的poppr包运行AMOVA（分子方差分析），实际数据集包含28个种群的280个样本，无亚种群结构。为模拟该场景，我基于poppr内置示例数据，仅以Pop_Subpop为分层单元运行AMOVA，代码及结果如下：

library(poppr)
# 加载测试数据并查看
data(Aeut)
Aeut

# 分配种群和亚种群分层
strata(Aeut) <- other(Aeut)$population_hierarchy
other(Aeut) <- other(Aeut)$population_hierarchy

# 转换为genclone对象
agc <- as.genclone(Aeut)
agc

# 第一次AMOVA（含亚种群分层）
amova.result <- poppr.amova(agc, ~Pop/Subpop)
amova.result

# 显著性检验
amova.test <- randtest(amova.result)
amova.test

# 第二次AMOVA（仅Pop_Subpop分层，模拟实际无亚群场景）
amova.result <- poppr.amova(agc, ~Pop_Subpop)
amova.result

# 第二次显著性检验
amova.test <- randtest(amova.result)
amova.test

疑问解答 #

1. Phi统计量的计算及Phi-samples-total的含义

Phi统计量本质是基于AMOVA方差组分的遗传分化系数，计算逻辑类似Fst：

• 公式：Phi = (总方差 - 目标层级下方的方差组分) / 总方差
• 在第二次以Pop_Subpop为分层的AMOVA中，Phi-samples-total = (总方差 - 样本内方差) / 总方差，代入数值为(10.612 - 3.411)/10.612 ≈ 0.678，和结果完全匹配。

这里的“Between samples”是poppr输出的命名习惯，实际对应你指定的分层单元（Pop_Subpop组，即不同种群），因此Phi-samples-total值0.678衡量的是种群间的遗传分化程度——意味着67.8%的遗传变异来自种群间差异，剩余32.2%来自种群内的样本间差异。

2. amova.test结果的对比逻辑

AMOVA的显著性检验通过置换样本的分组标签实现：随机打乱样本所属的种群分组，重复计算AMOVA的方差组分，最终比较观测到的方差组分与随机模拟结果的差异。

在第二次以Pop_Subpop为分层的检验中：

• 观测值是种群间的方差组分（7.201），p值0.01表示：随机置换分组后，得到如此大的种群间方差的概率仅为1%。
• 这说明种群间的遗传差异显著大于随机水平，即你的分组（种群）是具有真实遗传分化的，而非随机分组的结果。

额外建议 #

• 针对你的实际数据（无亚种群结构），无需使用Pop_Subpop，直接指定种群分层（如~pop）即可，结果解读会更直观。
• 运行AMOVA前确认使用的遗传距离适配你的标记类型：比如显性标记（如AFLP）常用Jaccard距离，共显性标记（如SSR）常用Nei's标准遗传距离，poppr会根据标记类型自动选择，但也可通过dist参数手动指定。

内容的提问来源于stack exchange，提问作者steve