从距离开始：如何理解数量生态学的多维度数据分析方法体系？

 生态学数据复杂的数据结构与环境条件是制约生态学理论发展的关键问题，高维度数据、多元环境变量是生态学数据分析中面临的主要问题。为解决这一问题，我们亟需拥有具有适应生态学数据结构特点的数据分析统计方法，数量生态学应运而生。经多年发展，数量生态学已逐渐形成较为完整和严谨的数据分析方法体系，对于初学者而言，如何充分理解数量生态学如何面对和解决现有生态环境统计问题，并发展出其特有的分析体系就显得尤为重要。作为科研人员手中最重要的工具，对数量生态学统计方法体系的理解，实质上就是对生态学问题与生态过程的理解。本次讲座从一个读者和学生的角度出发，从高维度数据最重要的距离开始，讲述数量生态学的起源、发展、演变和不同方法的本质，藉由此，希望能探讨在应对纷繁复杂的生态学问题中，如何借助数量生态学这一有力武器理解生态过程。

生态多元统计与多组学数据分析

同生态学数据多元分析一样，高通量测序数据也逐渐多元/多维/多组学化，需要从多元数据中识别生长或表达模式。成熟的生态学多元统计框架，如何启发二维矩阵数据在微生态和单细胞数据中的应用？本报告从作者结识《数量生态学-R语言的应用》讲起，结合农田小气候中生态学概念为刻画肿瘤微环境数据分析带来的启发。一探生态学与遗传学潜在的内在统一，在这个侧面上探讨生态统计概念的普适性。本讲座也将分享生态统计在新兴生物技术企业如宏基因组测序、单细胞测序中的实用价值。