微生物多样性测序是基于二代高通量技术对 16S rRNA 基因序列进行测序，能同时对样品中的优势物种、稀有物种以及一些未知的物种进行检测，获得样品中的微生物群落组成以及它们之间的相对丰度。
探讨微生物多样性对于研究微生物与环境的关系、环境治理和微生物资源的利用有着重要的理论和现实意义。
那么相关的数据需要如何分析呢，重点掌握以下六项，让数据分析无死角：
样本与物种共线性关系图是描述样本与物种之间对应关系的可视化圈图，不仅能反映每个样本中优势物种的组成比例，同时也可以展示各优势物种在不同样本中的分布情况。
图片说明：圈图左侧代表物种，右侧代表样本，不同颜色代表不同的分类学门类和样本分组。从左往右看，内圈同一颜色线条的粗细代表该物种在不同样本中的相对丰度；从右往左看，内圈同一颜色线条的粗细代表该样本中不同物种的组成占比。
Ternary Plot 是用一个等边三角形描述三个变量的不同属性的比率关系，可以直观的展示出不同物种在不同样本（组）中的比重和关系。
图片说明：三角形的 3 个角分别代表 3 个不同样本（组），不同颜色的圆点代表不同的分类学门类，圆点的大小代表 3 个样本（组）中该物种的平均相对丰度，圆点与 3 个角之间的距离反应该物种在 3 个样本（组）中的相对丰度大小。
Corrplot 图可以用圆点的大小和颜色变化来反映二维矩阵或表格中的数据信息，它可以将数据值的大小以定义的圆点大小和颜色深浅进行展示。常用来展示物种与物种或物种与环境因子之间的相关性。
图片说明：红色表示负相关，蓝色表示正相关，颜色越深、圆点越大则表示相关性越强。
指标性物种是指一定区域范围内能指示生长环境或某些环境条件的生物种、属或群落，而 Indicator 分析常被用来筛选各个样本组中的指标性物种。
图片说明：左侧的柱状图表示不同 OTU 的丰度信息，右侧的气泡图横坐标表示样本分组信息，气泡的大小表示每个物种在样本组中的 indicator 值大小，即该物种在该分组中的指示性大小。
随机森林是一个包含多个决策树的集成学习方法，其输出的分类结果是由每棵决策树「投票」产生的结果。由于每棵树在构建过程中都采用了随机变量和随机抽样的方法，因此随机森林的分类结果具有较高的准确度。在微生物多样性的研究中随机森林常被用来筛选潜在的生物标记物（Biomarker）。
图片说明：横坐标为物种重要性衡量标准值，纵坐标为按物种重要性排序后的物种名称。
在分子进化研究中，通过推断物种间系统发生情况来揭示生物进化过程的顺序，了解生物进化历史和机制。选取某一分类水平上优势物种，利用其代表序列间碱基的差异构建进化树，并结合 heatmap 直观地展示物种分类关系和丰度信息。
图片说明：左侧表示进化树，不同颜色的树枝表示不同的分类学门类；右侧为 heatmap 图，图中某一格子的颜色越红表示该物种在对应样本中丰度越高，格子的颜色越绿表示该物种在对应样本中丰度越低。
没经验自学又太难，欧易 16S 微生物多样性产品来帮你解决，不仅以上重点全覆盖，更有以下优点：
① 分析架构调整，行业流行分析全面覆盖
九大分析模块，45 项标准分析配置，分析架构即文章写作架构，七个分析学水平，五种常规距离算法，数据分析面面俱到，无死角。
② 结果呈图美化，发表级 Figure 唾手可得
多项分析结果呈图优化，注重数据展示的同时，兼顾主流 SCI 期刊配色要求，征服审稿人就是这么简单。
部分合作客户发表文章结果展示
文章来源：欧易
联系客服
