如果你没有巨额的经费，手下也没有成群的小弟，那么想在科研江湖呼兴风作浪恐怕很难。但Meta分析，无疑给你向顶刊冲刺提供了一条可能的路径。尤其在生态学领域，Meta分析已成为冲击Nature, Science及其子刊的一款利器。只要你有足够好的想法，Meta分析几乎可以无坚不摧！这里就给大家推荐今年几篇采用Meta分析方法完成的两篇Science封面论文及NEE论文一篇。

首先是今年6月8日的Science封面文章，探讨了封锁对陆地大型哺乳动物行为的影响。

其分析以对数反应比为效应值，通篇采用贝叶斯Meta分析完成，比如，其求封锁的累计效应值的主模型结构如下：

mod1hD50Int<-brm(LRR_D50|se(LRR_var_D50, sigma = TRUE) ~ 1 + (1|GeneralID), data= dat1h,

             family=gaussian, iter=8000, warmup=1000, cores = 4, chains = 4, seed = 14,

             prior = c(prior(cauchy(0, 1), sd)),control = list(adapt_delta = 0.99))

求各种因子对效应值的影响的模型为：

mod1hD50Full<-brm(LRR_D50|se(LRR_var_D50, sigma = TRUE) ~ Body_Mass + RBrain_Size + HFI + SI + Diet + NDVI_Diff +

              (1|GeneralID) , data= dat1h, family=gaussian, iter=8000, warmup=1000, cores = 4, chains = 4, seed = 14,

              prior = c(prior(cauchy(0, 1), sd)),control = list(adapt_delta = 0.99))

可见其分析简单明了，模型各种参数设置本身并不复杂。

第二篇，则是上周，11月3号，复旦大学贺强老师联合多家单位公共完成的Science封面论文，该研究发现了植食过程对植被恢复的限制。该研究同样是采用meta分析完成的重磅佳作。

该研究同样以对数反应比对数反应比为效应值，对植食过程对植被恢复的限制和影响因素进行了深入分析。相对于前一个研究，该研究使用更为专业的Meta分析软件包metafor, 并应用多水平Meta分析模型完成了数据分析工作。砌模型结构也同样简单明了，如：

fitNat_Reg_p <- rma.mv(yi, vi, mods=~Treatment,

                       random = list(~1|Publication_ID/Experiment_ID, ~1|Study_duration), data=dataNat_Reg)

fitNat_Reg_p

同时该研究采用了多重比较等技术上的操作，值得大家借鉴。值得一提的是，鄙人Meta分析培训班的学员，也参与了这项研究，向他们致敬并表示热烈祝贺。

此外，本月6号，动物所刘萱老师团队也在NEE上发表了他们的meta分析大作，分析了本地种和非本地种动物对极端天气的影响。

该研究采用的是Hedges'd作为效应值，也采用metafor包下的rma.mv (这也是当今最为流行的meta分析专业工具)，开了多水平模型的meta分析，比如：

Inter.rma.fres1_physi <- rma.mv(yi,vi,mods = ~ factor(Native_status)-1, random = ~ 1 | updated_source_ID/Species_Family/native_sufferedECE/realm, method = 'ML', verbose = TRUE, control = list(rel.tol = 1e-9), data = allspec_effect_hab_physi)

该模型设置了多层嵌套的随机效应，相对前两个研究，模型稍显复杂，不过rma.mv也能轻松搞定。上述三篇论文，都提供了数据和代码，大家可以下载学习。可见，Meta分析已成为科研界一款利器，尤其在生态学领域，似乎成了人人都要掌握的一款工具。现在还有meta分析搞不定的顶刊么？我看是没有哈哈！

最后欢迎大家扫码关注鄙人的微信个人公众号：二傻统计