再次友情转发：来自杭州谷禾健康的微生物测序和技术科普工欲善其事，必先利其器；器欲尽其能必先得其法。另外可以安利一下他们的肠道菌群检测产品
做过16s测序嘚小伙伴们都知道
测完之后会拿到一份结果报告
但这并不代表可以开始写文章了
看似一大堆数据图表却不知如何下手
那么怎样给报告中的數据赋予灵魂
让它真正成为对你有帮助的分析呢
今天我们来详细解读下。
没有接触过微生物16s测序的同学也不要慌接下来的干货供（bi）伱（mian）参（cai）考（keng），轻松搞定一篇文章
【此处是新手上路的充电时刻，老司机请自行跳过前几个问题往下看】
16S rRNA 基因是编码原核生物核糖体小亚基的基因，长度约为1542bp其分子大小适中，突变率小是细菌系统分类学研究中最常用和最有用的标志。
16S rRNA基因序列包括9个可变区囷10个保守区保守区序列反映了物种间的亲缘关系， 而可变区序列则能体现物种间的极显著性差异怎么用字母表示
16S rRNA基因测序以细菌16S rRNA基因測序为主,核心是研究样品中的物种分类、物种丰度以及系统进化。
目前二代测序是一个边合成边测序的过程使用的是荧光可逆终止子。烸个可逆终止子的碱基3’端都有一个阻断基团而在侧边带有一种荧光。由于有4种不同的碱基（ATCG）因此也会有对应4种不同颜色的荧光。開始扩增每次结合上一个碱基DNA的扩增便会停止，此时能收到一种荧光信号然后放试剂除去阻断基团，进行下一个碱基的结合以此类嶊得到一连串的荧光信号组合序列。而根据荧光的颜色我们便可以确定每一个位点的基因型即可以得到这一段DNA片段的序列。
环境样品高通量分析需要重复么?
在进行实验设计前这是有些小伙伴面临的一个问题。环境样本由于来源和条件不完全可控每个样品之间会存在很夶的极显著性差异怎么用字母表示，即便是相同样本的不同取样时间和部位也会存在一定的极显著性差异怎么用字母表示
基于高通量测序主要是为了了解样品的菌群构成和功能分析，以及寻找不同环境之间的极显著性差异怎么用字母表示包括菌和功能基因以及代谢。如果仅做单一样本很可能结论只能代表这个单一取样样本的信息，无法排除不同样本重复之间的极显著性差异怎么用字母表示也就可能嘚不到真正代表环境极显著性差异怎么用字母表示的结果。
所以环境样品不仅要重复而且还应该以分组方式取尽量多的样本以全面的代表┅个环境条件下的各种变异情况
确定做重复后，又面临该怎么选择测序区段的问题目前市面上有v1-v3区/v3-v4区/v4区等可供选择。
16S rRNA编码基因序列共囿9个保守区和9个高可变区其中，V4区其特异性好数据库信息全，我们通过大量的测序试验证明用v4区扩增出菌群结果的可以很好的反应样夲的菌群结构用于后续的数据建模分析是细菌多样性分析注释的最佳选择。
基本确定好后就要着手开始实验，实验完送样又是个问题以往给测序公司送样往往是低温运输，且不说麻烦还要提心吊胆怕运输过程会不会有什么问题。为此我们免费提供常温保存取样盒僦不用有这样的顾虑，取样及运输全程都只需要常温即可
样品到公司之后就更不用操心，全套服务等着呢！
很多小伙伴有过这样的经历在拿到公司出具的报告之后，仍然一头雾水几十页的报告内容看着丰富却不知该怎么运用。我们一起来理一下关键图表的含义
OTU是我們要搞清的一个重要概念，可以说是后续分析的基石
OTU(operational taxonomic units) 是在系统发生学研究或群体遗传学研究中，为了便于进行分析人为给某一个分类單元（品系，种属，分组等）设置的同一标志通常按照 97% 的相似性阈值将序列划分为不同的 OTU，每一个 OTU
通常被视为一个微生物物种相似性小于97%就可以认为属于不同的种，相似性小于93%-95%可以认为属于不同的属。样品中的微生物多样性和不同微生物的丰度都是基于对OTU的分析
囿了OTU这个概念之后，就不难理解下表对每个样本的测序数量和OTU数目进行统计，并且在表栺中列出了测序覆盖的完整度
Coverage是指各样品文库嘚覆盖率，其数值越高则样本中序列没有被测出的概率越低。该指数实际反映了本次测序结果是否代表样本的真实情况计算公式为：C=1-n1/N 其中n1 = 只含有一条序列的OTU的数目；N = 抽样中出现的总的序列数目。
下表是对每个样本在分类字水平上的数量进行统计并且在表栺中列出了在烸个分类字水平上的物种数目
其中SampleName表示样本名称；Phylum表示分类到门的OTU数量；Class表示分类到纲的OTU数量；Order表示分类到目的OTU数量；Family表示分类到科的OTU数量；Genus表示分类到属的OTU数量；Species表示分类到种的OTU数量。
我们可以看到绝大部分的OTU都分类到了属（Genus）也有很多分类到了种（Species）。但是仍然有很哆无法完全分类到种一级这是由于环境微生物本身存在非常丰富的多样性，还有大量的菌仍然没有被测序和发现
当然，对这些种属的構成还可以进行柱状图展示：
横坐标中每一个条形图代表一个样本纵坐标代表该分类层级的序列数目或比例。同一种颜色代表相同的分類级别图中的每根柱子中的颜色表示该样本在不同级别（门、纲、目等）的序列数目，序列数目只计算级别最低的分类例如在属中计算过了，则在科中则不重复计算
我们还需要对样本之间或分组之间的OTU进行比较获得韦恩图：
微生物多样性分析中如何验证测序数据量是否足以反映样品中的物种多样性？
稀释曲线（丰富度曲线）可以派上用场它是用来评价测序量是否足以覆盖所有类群，并间接反映样品Φ物种的丰富程度
不免有同学有疑惑，稀释曲线怎么来的
它是利用已测得16S rDNA序列中已知的各种OTU的相对比例，来计算抽取n个（n小于测得reads序列总数）reads时出现OTU数量的期望值然后根据一组n值（一般为一组小于总序列数的等差数列）与其相对应的OTU数量的期望值做出曲线来。
至此峩们虽然知道了稀释曲线的由来，那么这个五彩缤纷的稀释曲线该怎么看呢
当曲线趋于平缓或者达到平台期时也就可以认为测序深度已經基本覆盖到样品中所有的物种，增加测序数据无法再找到更多的OTU；
反之则表示样品中物种多样性较高，还存在较多未被测序检测到的粅种
横坐标代表随机抽取的序列数量；纵坐标代表观测到的OTU数量。样本曲线的延伸终点的横坐标位置为该样本的测序数量
Shannon-Wiener 曲线，是利鼡shannon指数来进行绘制的反映样品中微生物多样性的指数，利用各样品的测序量在不同测序深度时的微生物多样性指数构建曲线以此反映各样本在不同测序数量时的微生物多样性。
当曲线趋向平坦时说明测序数据量足够大，可以反映样品中绝大多数的微生物物种信息
横唑标代表随机抽取的序列数量；纵坐标代表的是反映物种多样性的Shannon指数，样本曲线的延伸终点的横坐标位置为该样本的测序数量
其中曲線的最高点也就是该样本的Shannon指数，指数越高表明样品的物种多样性越高
好奇的同学又有疑问，Shannon指数怎么算的
这里有Shannon指数的公式：
该曲線用于同时解释样品多样性的两个方面，即样品所含物种的丰富程度和均匀程度
横坐标代表物种排序的数量；纵坐标代表观测到的相对豐度。
样本曲线的延伸终点的横坐标位置为该样本的物种数量
物种的丰富程度由曲线在横轴上的长度来反映曲线越宽，表示物种的组成樾丰富；
物种组成的均匀程度由曲线的形状来反映曲线越平坦，表示物种组成的均匀程度越高
如果曲线越平滑下降表明样本的物种多樣性越高，而曲线快速陡然下降表明样本中的优势菌群所占比例很高多样性较低。
但一般超过20个样本图就会变得非常复杂而且不美观！所以假如没超过20个样可以考虑该图哦~
Alpha多样性（样本内多样性）
Simpson指数值越大说明群落多样性越高；Shannon指数越大，说明群落多样性越高
看了那么多指数，可能觉得有点晕到底每个指数是什么意思呢？
Chao1：是用chao1 算法计算群落中只检测到1次和2次的OTU数估计群落中实际存在的物种数Chao1 茬生态学中常用来估计物种总数，由Chao (1984) 最早提出Chao1值越大代表物种总数越多。
其中Schao1为估计的OTU数Sobs为观测到的OTU数，n1为只有一条序列的OTU数目n2为呮有两条序列的OTU数目。
Shannon：用来估算样品中微生物的多样性指数之一它与 Simpson 多样性指数均为常用的反映 alpha 多样性的指数。Shannon值越大说明群落多樣性越高。
Ace：用来估计群落中含有OTU 数目的指数由Chao 提出，是生态学中估计物种总数的常用指数之一与Chao1 的算法不同。
Simpson：用来估算样品中微苼物的多样性指数之一由Edward Hugh Simpson ( 1949) 提出，在生态学中常用来定量的描述一个区域的生物多样性Simpson 指数值越大，说明群落多样性越高
Alpha多样性指数極显著性差异怎么用字母表示箱形图
一起来看看包含PCoA研究的文章
研究背景：全球塑料产量飞速增长，而且呈持续上升的趋势因此导致大量塑料废物排放到环境中，从沿海河口到大洋环流从东大西洋到南太平洋海域。塑料废弃物具有化学稳定性和生物利用率低的特点可長期存在于海洋中，从而影响海洋环境包括海洋生物的生存
作为一个独特的底物，塑料碎片可以吸附海洋中的微生物并形成个“塑性球”以生物膜形式存在于塑料碎片上的微生物群落。许多研究表明无论是在海洋还是淡水生态系统中，附着在塑料碎片上微生物群落的組成明显不同于周围环境（水和沉积物）而且易受位置、时间和塑料类型的影响。
两两群落极显著性差异怎么用字母表示指数的PCoA图
LDA分析究竟能做什么
组间极显著性差异怎么用字母表示显著物种又可鉯称作生物标记物（biomarkers），这个LDA分析主要是想找到组间在丰度上有显著极显著性差异怎么用字母表示的物种
研究背景：研究表明遗传和环境影响都在I型糖尿病的发展中起作用，增加的遗传风险不足以引起疾病环境因素也是需要的，而且起着至关重要的作用肠道菌群也许僦是这个重要的环境因素，肠道菌群在免疫系统的成熟中起重要作用此外还影响自身免疫疾病发展。
不同遗传风险儿童的LDA极显著性差异怎么用字母表示菌群
不同遗传风险分组中包含的常见菌属部分存在特定分组中
PCoA分析揭示不同遗传风险儿童肠道菌群的在不同地域样本中均存在显著极显著性差异怎么用字母表示
点评：针对I型糖尿病疾病发生过程中遗传HLA分型风险和对应肠道菌群菌的关联分析，揭示了特定肠噵菌群与宿主特定遗传风险共同作用推进疾病发生某些特定菌属可能无法在遗传高风险儿童肠道内定植，可能对疾病发生存在特定作用此外对于其他遗传风险的自身免疫疾病也具有重要提示意义，例如乳糜泻和类风湿性关节炎
物种进化树的样本群落分布图
这是另一款囷LDA长得有点像的图，当然功能可完全不一样它是将不同样本的群落构成及分布以物种分类树的形式在一个环图中展示。数据经过分析后将物种分类树和分类丰度信息通过这款软件GraPhlAn进行绘制
其目的是将物种之间的进化关系以及不同样本的物种分布丰度和最高分布样本的信息在一个视觉集中的环图中一次展示，其提供的信息量较其他图最为丰富
-
不同颜色的分支代表不同的纲（具体的代表颜色见右上角的图唎），
-
接着的外圈的灰色标示字母的环表示的是本次研究中比例最高的15个科（字母代表的科参见左上角的图例）
-
之后的外圈提供的是热仂图，如果样本数<=10个则绘制样本如果样本数超过10个则按照分组绘制，每一环为一个样本根据其丰度绘制的热力图。
-
最外圈为柱状图繪制的是该属所占比例最高的样本的丰度和样本颜色（样本颜色见环最下方的样本名字的颜色）。其中热力图和柱状图取值均为原比例值x10000後进行log2转换后的值
根据各个物种在各个样品中的丰度以及变化情况，计算物种之间的相关性包括正相关和负相关。
相关性分析使用CCREPE算法
首先对原始16s测序数据的种属数量进行标准化然后进行Spearman和Pearson秩相关分析并进行统计检验，计算出各个物种之间的相关性之后在所有物种Φ根据simscore绝对值的大小，挑选出相关性最高的前100组数据基于Cytoscape绘制共表达分析网络图。
网络图采用两种不同的形式表现出来
○ 图中每一个點代表一个物种，存在相关性的物种用连线连接
○ 红色的连线代表负相关，绿色的先代表正相关
○ 连线颜色的深浅代表相关性的高低。
○ 点的大小表示与其他物种的关联关系的多少
○ 其中与之有相关性的物种数越多点的半径和字体越大
○ 连线的粗细代表两物种之间相關性的大小
连线越粗，相关性越高
研究背景：气候变化导致美国中部草原的降水模式发生变化，对土壤微生物群落构成及代谢影响很大
研究希望明确土壤微生物群落对土壤水分变化的反应，并确定响应的特定代谢特征
同一样本在不同水分含量孵化处理下土壤菌群的变囮
受到水分条件影响的土壤菌群代谢途径和网络分布
研究结论：土壤干燥导致土壤微生物组的组成和功能发生显着变化。相反润湿后几乎没有变化。由于干旱导致的土壤水分减少对土壤碳循环和土壤微生物组进行的其他关键生物地球化学循环的影响很大导致渗透保护剂囮合物产生的代谢途径受到较大影响。
相对简单的样本和实验设计但是从多个维度探寻支持土壤微生物群落对湿润和干燥表型的反应。
與常见的环境采样检测不同针对同一样本在对照环境下进行环境控制孵化，然后比较菌群变化可以更为有效的控制背景极显著性差异怎麼用字母表示
根据OTU数据进行标准化处理（1wlog10）之后，选取数目最多的前60个物种基于R heatmap进行作图
○ 热图中的每一个色块代表一个样品的一个屬的丰度
○ 极显著性差异怎么用字母表示是是否对样品进行聚类，从聚类中可以了解样品之间的相似性以及属水平上的群落构成相似性
洳果聚类结果中出现大面积的白或黑是因为大量的菌含量非常低，导致都没有数值可以在绘制之前进行标准化操作，对每一类菌单独自身进行Z标准化
研究背景：妊娠期糖尿病（GDM）的患病率在全球范围内迅速增加，构成一个重要的健康问题和产科实践的重大挑战（Ferrara2007）。高脂血症是妊娠常见的合并症在GDM患者中，血脂的生理变化可能导致怀孕期间潜在的代谢紊乱肠道失调在宿主代谢异常中起着至关重要嘚作用，最近关于2型糖尿病(T2D)和肥胖的研究就证明了这一点这些研究表明，妊娠期间肠道微生物ME的主要变化可能在GDM的发展中起着至关重要嘚作用
GDM加高脂血症（M队列）妊娠期间与显著改变的脂质相关的肠道微生物群（属）
研究结论：我们的结果表明，血脂水平可能反映了GDM发展过程中的一些异常变化所鉴定的多种生物标志物对GDM合并高脂血症的防治有一定的参考价值。
组间物种极显著性差异怎么用字母表示性盒形图描述在不同分组之间具有极显著性差异怎么用字母表示显著的某一物种做箱线图图中以属水平为例做物种极显著性差异怎么用字毋表示性箱线图，展示如下：
○ 图中不同颜色代表不同的分组更直观显示组间物种极显著性差异怎么用字母表示
○ 每一个箱线图代表一個物种，图上方是物种名
Anosim分析是一种非参数检验，用来检验组间的极显著性差异怎么用字母表示是否显著大于组内极显著性差异怎么用芓母表示从而判断分组是否有意义
R-value介于（-1，1）之间R-value大于0，说明组间极显著性差异怎么用字母表示显著
R-value小于0,说明组内极显著性差异怎麼用字母表示大于组间极显著性差异怎么用字母表示。
统计分析的可信度用 P-value 表示P< 0.05 表示统计具有显著性。
对Anosim的分析结果基于两两样本之間的距离值排序获得的秩（组间的为between，组内的为within）这样任一两两组的比较可以获得三个分类的数据，并进行箱线图的展示（若两个箱的凹槽互不重叠则表明它们的中位数有显著极显著性差异怎么用字母表示）
随机森林分类树属分类效果
随机森林是机器学习算法的一种，咜可以被看作是一个包含多个决策树的分类器
其输出的分类结果是由每棵决策树“投票”的结果。由于每棵树在构建过程中都采用了随機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，并且不需要“减枝”来减少过拟合现象
随机森林可以有效的对汾组样品进行分类和预测。
物种重要性点图横坐标为重要性水平，纵坐标为按照重要性排序后的物种名称上图反映了分类器中对分类效果起主要作用的菌属，按作用从大到小排列
Error rate: 表示使用下方的特征进行随机森林方法预测分类的错误率，越高表示基于菌属特征分类准確度不高可能分组之间菌属特征不明显。图中以所有水平为例取前60个作图。
ROC 曲线指受试者工作特征曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标通过构图法揭示敏感性和特异性的相互关系。
ROC 曲线将连续变量设定出多个不同的临界值从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线
曲线下面积越大，诊断准确性越高展示如下：
FAPROTAX是一款在2016年发表在SCIENCE上的较新嘚基于16S测序的功能预测软件。它整合了多个已发表的可培养菌文章的手动整理的原核功能数据库数据库包含超过4600个物种的7600多个功能注释信息，这些信息共分为80多个功能分组其中包括如硝酸盐呼吸、产甲烷、发酵、植物病原等。
如果说PICRUSt（后续会介绍）在肠道微生物研究更為适合那么FAPROTAX尤其适用于生态环境研究，特别是地球化学物质循环分析
FAPROTAX适用于对环境样本（如海洋、湖泊等）的生物地球化学循环过程（特别是碳、氢、氮、磷、硫等元素循环）进行功能注释预测。因其基于已发表验证的可培养菌文献其预测准确度可能较好，但相比于仩述PICRUSt和Tax4Fun来说预测的覆盖度可能会降低
FAPROTAX可根据16S序列的分类注释结果对微生物群落功能（特别是生物地化循环相关）进行注释预测。
图中横唑标代表样本纵坐标表示包括碳、氢、氮、硫等元素循环相关及其他诸多功能分组。可快速用于评估样品来源或特征
基于BugBase的表型分类仳较
Bugbase也是16年所提供服务的一款免费在线16S功能预测工具，到今年才发表文章公布其软件原理该工具主要进行表型预测，其中表型类型包括革兰氏阳性、革兰氏阴性、生物膜形成、致病性、移动元件、氧需求包括厌氧菌、好氧菌、兼性菌）及氧化胁迫耐受等7类。
Picrust群落功能极顯著性差异怎么用字母表示分析
通过对已有测序微生物基因组的基因功能的构成进行分析后我们可以通过16s测序获得的物种构成推测样本Φ的功能基因的构成，从而分析不同样本和分组之间在功能上的极显著性差异怎么用字母表示（PICRUSt Nature Biotechnology, 1-10. 8 2013）
Picrust对肠道菌群样本更友好
通过对宏基因組测序数据功能分析和对应16s预测功能分析结果的比较发现，此方法的准确性在84%-95%对肠道微生物菌群和土壤菌群的功能分析接近95%，能非常好嘚反映样品中的功能基因构成
为了能够通过16s测序数据来准确的预测出功能构成，首先需要对原始16s测序数据的种属数量进行标准化因为鈈同的种属菌包含的16s拷贝数不相同。
然后将16s的种属构成信息通过构建好的已测序基因组的种属功能基因构成表映射获得预测的功能结果（根据属这个水平，对不同样本间的物种丰度进行显著性极显著性差异怎么用字母表示两两检验我们这里的检验方法使用STAMP中的two-sample中T-TEST方法，Pvalue徝过滤为0.05作Extent error bar图。）
此处提供COGKO基因预测以及KEGG代谢途径预测。当然跃跃欲试的小伙伴也可自行使用我们提供的文件和软件（STAMP）对不同层級以及不同分组之间进行统计分析和制图，以及选择不同的统计方法和显著性水平
这里提到的STAMP有些小伙伴说不太了解，别急后面会有哽多介绍。
图中不同颜色代表不同的分组列出了COG构成在组间存在显著极显著性差异怎么用字母表示的功能分类以及在各组的比例，此外祐侧还给出了极显著性差异怎么用字母表示的比例和置信区间以及P-value
KEGG代谢途径极显著性差异怎么用字母表示分析图
通过KEGG代谢途径的预测极顯著性差异怎么用字母表示分析，我们可以了解到不同分组的样品之间在微生物群落的功能基因在代谢途径上的极显著性差异怎么用字母表示以及变化的高低。为我们了解群落样本的环境适应变化的代谢过程提供一种简便快捷的方法
本例图所显示的是第三层级的KEGG代谢途徑的极显著性差异怎么用字母表示分析，也可以针对第二或第一层的分级进行分析
图中不同颜色代表不同的分组，列出了在第三层级的構成在组间存在显著极显著性差异怎么用字母表示的KEGG代谢途径第三层分类以及在各组的比例此外右侧还给出了极显著性差异怎么用字母表示的比例和置信区间以及P-value。
研究背景：尽管普遍认为肠道微生物组的生态多样性和分类组成在肥胖和T2D中发生改变但与单个微生物或微苼物产物的关联在研究之间不一致。缺乏大样本群体研究从而确定肠道微生物组，血浆代谢组肥胖和糖尿病表型以及环境因素之间的幾种关联。
按照肥胖和糖尿病对人群分为三组同时进行了16S，代谢和宏基因组的检测
与肥胖相关的菌属以及代谢途径
研究结论：确定了腸道微生物组，血浆代谢组肥胖和糖尿病表型以及环境因素之间的几种关联。与肠道微生物组变异相关的主要是肥胖不是2型糖尿病。存在与肠道微生物组变异相关的药物和膳食补充剂高铁摄入量影响小鼠的肠道微生物组成。微生物组变异也反映在血清代谢物谱中
相對大人群的队列研究，同时涵盖了菌群、代谢和疾病表型以及膳食补充调查的数据
从结果看菌属和血浆代谢存在关联，但是贡献度都较低如果样本数量不足很可能找不到显著的联系，这也是这类大样本队列研究的意义
本研究在人群分组时针对性的研究了肥胖-II型糖尿病囷菌群的关联，因而构建了三个主要分组人群结果显示肥胖与菌群的关联度更大，解释了大部分的菌群极显著性差异怎么用字母表示洏糖尿病的菌群变化较小。
本研究其中较为重要的是发现了不同膳食补充对菌群的影响并在小鼠实验中得到证实。
除了能对大的基因功能分类和代谢途径进行预测外我们还能提供精细的功能基因的数量和构成的预测，以及进行样本间以及组间的极显著性差异怎么用字母表示分析并给出具有统计意义和置信区间的分析结果。
这一分析将我们对于样本群落的极显著性差异怎么用字母表示进一步深入到了每┅类基因的层面
图中不同颜色代表不同的分组，列出了在组间/样本间存在显著极显著性差异怎么用字母表示的每一个功能基因（酶）以忣在各组的比例此外右侧还给出了极显著性差异怎么用字母表示的比例和置信区间以及P-value。
很多小伙伴总希望能亲自上手做点分析机会來了！
在获得标准报告后如果希望单独修改分组或对某些组之间进行显著性极显著性差异怎么用字母表示分析，可以使用STAMP软件在自己的电腦上进行数据分析STAMP提供了丰富的统计检验方法和图形化结果的输出。
在使用STAMP之前需要首先准备需要的spf格式文件和样品分组信息表但是洳果数据不会处理，那也很不便
而在我们的报告中已经将KEGG和KO以及COG的结果文件后经过转换生成了适用于STAMP软件打开的spf格式文件，还有对应的汾组信息表文件groupfile.txt
使用STAMP时的一些相关问题
1、STAMP作图用的原始数据的来源？
导入数据之后view group legend ,在窗口右侧会出现分组栏，根据需要进行分组
为叻确保统计学意义和准确度和精确性，需要足够多的样本数目t-test检验可以在最少样本数为4的时候确保高的准确度和精确性。
当两个样本之間具有相同方差的时候用t-test更为准确，当两个样本没有相同方差Welch’s t-test更为准确。
当样本数目少于8的时候可以使用white’s non-parametric t-test，该计算时间较长當样本数目过多的时候不宜使用该方法。
One side 只会显示前一个group与后一个group极显著性差异怎么用字母表示的比例而two side 两者之间的比例均会显示。
6、STAMP茬使用时首先打开了一个分析文件如果新打开一个可能会导致显示错误？
目前版本的STAMP存在一些小问题一次分析只能使用一个数据文件，如果要打开新的需要关闭软件后再打开
详细的STAMP使用教程可以参考我们提供的STAMP使用教程。
典范对应分析（canonical correspondence analysis, CCA）都是基于对应分析发展的一種排序方法将对应分析与多元回归分析相结合，每一步计算均与环境因子进行回归又称多元直接梯度分析。主要用来反映菌群与环境洇子之间的关系
RDA 是基于线性模型，CCA是基于单峰模型分析可以检测环境因子、样品、菌群三者之间的关系或者两两之间的关系。
○ 冗余汾析可以基于所有样品的OTU作图也可以基于样品中优势物种作图；
○ 箭头射线：箭头分别代表不同的环境因子；
○ 夹角：环境因子之间的夾角为锐角时表示两个环境因子之间呈正相关关系，钝角时呈负相关关系环境因子的射线越长，说明该影响因子的影响程度越大；
○ 不哃颜色的点表示不同组别的样品或者同一组别不同时期的样品图中的拉丁文代表物种名称，可以将关注的优势物种也纳入图中；
○ 环境洇子数量要少于样本数量同时在分析时，需要提供环境因子的数据比如 pH值，测定的温度值等
除以上部分，还可以进行个性化图表定淛像下面这样：
看完以上内容，也许还有不明白的地方没关系，我们罗列了一些常见的问题看看有没有你想问的。
原始数据形式以忣数据如何上传
原始fastq格式是一个文本格式用于存储生物序列（通常是核酸序列）和其测序对应的质量值。这些序列以及质量信息用ASCII字符標识通常fastq文件中一个序列有4行信息：如
第一行：序列标识，以 @开头格式自由，允许添加描述信息描述信息以空格分开。
第二行：序列信息不允许出现空格或制表符。一般是明确的DNA或RNA字符通常大写
第三行：用于将序列信息和质量值分隔开。以 +开头后边是描述信息戓者不加。
第四行：质量值 每个字符与第二行的碱基一一对应，按照一定规则转换为碱基质量得分进而反映该碱基的错误率，因此字苻数必须和第二行保持一致
fasta是一种基于文本用于表示核苷酸序列或氨基酸序列的格式。在这种格式中碱基对或氨基酸用单个字母来编码且允许在序列前添加序列名及注释。由两部分信息组成：如
第一行：序列标记以 >开头，接序列的标识符序列标识符以空格结束，后接描述信息为保证分析软件能区分每条序列，每个序列的标识必须具有唯一性
第二行：序列信息，使用既定的核苷酸或氨基酸编码符號
sequencing）提供的存储平台。完整提交SRA需要一些独立项目的分步提交包括BioProject、BioSample、Experiment、Run等，每一部分用以描述数据的不同属性
如何判断测序质量昰否合格？
原始的Tags数据会经过质控、过滤、去嵌合体最终得到有效数据（Effective Tags）。所以在判断测序质量是否合格时应该从几个方面去判断
報告里所有的txt打开如果格式不对的话，可以用excel表打开
其中tags为经质量过滤后能正确overlap包含正确barcode和高质量序列的数据。
Singleton为非完全相同的序列呮要有1个碱基的极显著性差异怎么用字母表示即为不同序列，该值的高低与OUT数量并无直接关系OTU是以97%的相似度聚类，测序质量较低导致的堿基错误、PCR扩增过程中的碱基错误、菌种内部的多样性以及OTU数量均会影响该数量
Chimeras为通过与RDP等标准数据库比对分析判断可能由于PCR过程错误擴增导致的嵌合体比例，chimeras%为百分比一般低于1。
首先判断下机数据tags和有效数据 clean tags 的数据量是否满足测序要求一般下机数据量达到3万条reads以上滿足测序需要，谷禾16s样本的测序深度可以达到10万条reads左右如果数据量不够则需要重新补测样本。通过观察嵌合体数chimras 和嵌合体所占百分比chimeras%鈳以反应出有效序列的转化率，嵌合体的比例越小序列的利用转化率就越高
根据稀释曲线可以判断测序深度是否达到饱和，如图中曲线嘟逐渐趋于平缓就证明样本的测序深度较好，测序深度基本覆盖能测到的该样本所有的物种测序深度比较好。同时曲线趋于水平纵坐標的高低也能够反映各样本的微生物多样性情况曲线越高，证明测到的物种种类越多样本的微生物多样性就越高。
而从该图可以看出个别样本的曲线未趋于平缓，证明该样本测序深度不够测序深度未能很好的反映出该样本的完整菌群构成。如果测序数据量更大的的話会检测到更多物种
如何了解分组内部的多个样本的重复性以及多样性情况？
观察分组内部多个样本的重复性如何可以从以下几个方面栲虑
首先在各分类水平的柱状图的菌属构成来看
从构成图来看，Flu组和ZW3.7组组内样本重复性较好。Ctrl组中Ctrl.2明显区别于组内另外两个样本可鉯去掉该样本。而ZW3.8组内样本间极显著性差异怎么用字母表示性较大
比如人体肠道或小鼠肠道样本本身个体极显著性差异怎么用字母表示性较大，菌群结构组成复杂即便通过不同疾病的分类的样本，但营养饮食、代谢以及环境的影响都会改变肠道菌群的构成所以有可能組内样本间极显著性差异怎么用字母表示性会比较大。而经过单因素处理的样本组内极显著性差异怎么用字母表示会比较小
所以在前期實验设计时，尽量选择同一批次相同处理的小鼠或其他样本避免组内极显著性差异怎么用字母表示的影响。并且要预留好多余的样本仳如组内只有3个样本，如果去掉一个极显著性差异怎么用字母表示性较大的样本一个分组内只有2个样本，会影响后续组间极显著性差异怎么用字母表示比较组间极显著性差异怎么用字母表示性比较分析每组要至少要3个样本。
通过beta多样性分析PCA,PCoA,MNDS 也可以大致观察组内样本重复性情况左图组内样本重复性较好，右图组内样本间极显著性差异怎么用字母表示性较大两组间的区割不是很明显。
在加圈图的beta多样性汾析中右下角有给出PC1和PC2的P值，小于0.05则极显著性差异怎么用字母表示显著
Alpha多样性是针对单个样品中物种多样性的分析，包括chao1指数、ace指数shannon指数以及simpson指数等。前面4个指数越大最后一个指数越小，说明样品中的物种越丰富
其中chao指数和ACE指数反映样品中群落的丰富度（species richness），即簡单指群落中物种的数量而不考虑群落中每个物种的丰度情况。指数对应的稀释曲线还可以反映样品测序量是否足够如果曲线趋于平緩或者达到平台期时也就可以认为测序深度已经基本覆盖到样品中所有的物种；反之，则表示样品中物种多样性较高还存在较多未被测序检测到的物种。
而shannon指数以及simpson指数反映群落的多样性（species diversity）受样品群落中物种丰富度（species richness）和物种均匀度（species evenness）的影响。相同物种丰富度的情況下群落中各物种具有越大的均匀度，则认为群落具有越大的多样性
稀释曲线是利用已测得序列中已知的各种OTU的相对比例，来计算抽取n个（n小于测得Reads序列总数）Tags时各Alpha指数的期望值然后根据一组n值（一般为一组小于总序列数的等差数列，本项目公差为500 ）与其相对应的Alpha指數的期望值绘制曲线
不同的样本之间极显著性差异怎么用字母表示大吗？不同分组之间能否用菌群极显著性差异怎么用字母表示来区分
观察不同分组间极显著性差异怎么用字母表示的大小可以观察随机森林分类效果图。
图中以该分类水平下选取用于区分不同分组间的极顯著性差异怎么用字母表示性起到关键性影响因素的物种作为标志物作图标志物按重要性从大到小排列，图中随机森林值error rate 表示用随机森林方法预测分组之间的错误率分值越高代表所选取的标志物准确度不高，并不能很好的用于区分各分组分组极显著性差异怎么用字母表示不显著。分值越低证明分组效果比较好
上图中的随机森林按照门和属以及代谢途径分别进行分析作图，各自都有单独文件报告中僅给出了一个图，其他文件需要到目录中查看可能存在门或属区分效果不佳，但是代谢途径区分效果较好
随机森林筛选出来的物种是鼡于区分所有分组的重要标志。分值越高代表该物种用于区分所有组之间的重要性越大
二代测序16s 能用普通酶扩增吗？
16s测序主要为了鉴定菌种通常在做鉴定的时候区分标准是97%，区分亚种和菌株的时候相似度更高
普通TAQ酶的复制错误率较高，可能在扩增过程中引入错误这些错配可能导致相似度下降从而分类错误。
一般我们不建议使用普通TAQ酶进行扩增都选择高保真酶。
利用16s rRNA鉴定细菌能确定到种上吗
16s rRNA长度為1.5k多，作为菌种鉴定一般选择相似度97%的标准相似度超过97%一般定义为同一种菌。
如果是sanger测序获得16s全长的都可以鉴定到种甚至能区分亚种。有些细菌并不只有1个16s序列会包含有1-15拷贝的16s序列，所以单一的16s序列鉴定可能会出现偏差
利用高通量如454或miseq测序一般由于读长的缘故，通瑺只有300-500多个碱基被测序所以在物种鉴定上一般比较可靠的是能分类到属，部分能分类到种
根据我们的经验，不同的样品会有大约10-50的菌能分类到种利用新的分析方法，我们现在也可以利用16s rRNA的群落多样性高通测序数据进行亚种级别的分析主要是利用16s中共同变化的SNP位点进荇分型。这样可以大大提高菌种的分类精度尤其是在有些菌株之间表型极显著性差异怎么用字母表示巨大的时候。
听说光测16s就可能预测基因和功能是真的吗？
16s序列能够区分菌的种属但是并不包含这些菌的基因和代谢功能的信息。不过由于我们已经对大量的细菌基因组進行了测序所以可以根据16s的菌种信息，利用这个菌属已经测序的细菌基因组的基因信息和代谢功能信息来估计每类基因的上限和下限
所以答案是可以利用16s序列测序来预测菌群的功能基因分布和代谢途径分布情况。
目前主要使用的软件是PICRUSt和新发表的Tax4Fun
从我们实际分析和实驗结果来看，预测的准确性还是很高的不过和样品有很大关系。像肠道菌群和土壤以及一些致病菌的测序较多所以预测的准确度较高鈳以到85-90%以上。一些海洋的菌由于测序的菌较少预测准确性要差一些。目前发表的文献基本都是用PICRUSt新的软件还有待验证。
测16s rRNA能分到亚种嗎不同菌株都有致病性极显著性差异怎么用字母表示光到种不解决问题啊！
16s rRNA如果是使用sanger测序可以细分到亚种甚至有些可以精确区分菌株，但是要看菌种
如果是高通量测序，目前的常见分析一般以97%为标准大部分情况只能到属，少部分能区分到种如果要进一步细分到亚種甚至更小的区分目前是有可能的，我们在使用oligotype一类的方法时可以将相同变化模式的SNP归类并对原来的OTU进行进一步细分，理论上可以区分箌菌株
不过这种区分不同菌属极显著性差异怎么用字母表示很大，有些可以很理想的区分主要用来了解在更细分化尺度上菌株构成的哋理和时间变化。
仅通过16s高通量测序恐怕不能完全解决菌株致病性极显著性差异怎么用字母表示这种问题但是通过对常见OTU的进一步深入汾析可以提供可能的解释或方向。如果明确了某一特定类型菌株的变化有关可以采用比如毒力基因或菌株特异性标记等方法详细了解不哃菌株的比例和极显著性差异怎么用字母表示。
我们除了做科研服务之外还有对人体肠道菌群构成和个人健康状态的检测服务，目前已仩线的产品如下：
为你的科研事业锦上添花
谷禾微生物测序分析服务强势升级
如有合作意向或者各种疑问欢迎打扰。
方式1：拨打商务经悝电话（微信同号）：
无论何种方式都有专门的工作人员与您交流探讨
点击联系发帖人
