Meta扩增子测序的生信分析首先对测序原始数据进行拼接、过滤、质控，得到有效数据。然后基于有效数据进行OTUs（Operational Taxonomic Units ）聚类和物种分类分析。根据OTUs聚类结果，一方面对每个OTU的代表序列做物种注释，得到对应的物种信息和基于物种的丰度分布情况。同时，对OTUs进行丰度、Alpha多样性计算等分析，以得到样本内物种丰富度和均匀度信息、不同样本或分组间的共有和特有OTUs信息等。另一方面，可以对OTUs进行不同样本或组别间群落结构差异的探究。同时，也可结合环境因素进行多样性指数与环境因子的相关性分析，得到显著影响组间群落变化的环境影响因子。
物种丰度柱形图
根据物种注释结果，选取每个样品在各分类水平（Phylum、Class、Order、Family、Genus）上最大丰度排名前10的物种，生成物种相对丰度柱形累加图，以便直观查看各样品在不同分类水平上，相对丰度较高的物种及其比例。
物种丰度聚类热图
根据所有样品在属水平的物种注释及丰度信息，选取丰度排名前35的属，根据其在每个样品中的丰度信息，从物种和样品两个层面进行聚类，绘制成热图，便于发现哪些物种在哪些样品中聚集较多或含量较低。
主成分分析
主成分分析（Principal Component Analysis，PCA）是一种应用方差分解方法，对多维数据进行降维，从而提取出数据中最主要的元素和结构。应用PCA分析，能够提取出最大程度反映样品间差异的两个坐标轴，从而将多维数据的差异反映在二维坐标图上，进而揭示复杂数据背景下的简单规律。如果样品的群落组成越相似，则它们在PCA图中的距离越接近。
LEfSe分析
LEfSe（LDA Effect Size）是一种用于发现高维生物标识和揭示基因组特征的软件，用于寻找组间差异显著的物种。包括基因，代谢和分类，用于区别两个或两个以上生物类群。该算法强调的是统计意义和生物相关性，让研究人员能够识别不同丰度的特征以及相关联的类别，以寻找具有统计学差异的Biomarker。
组间物种差异分析
针对有分组的项目，可以通过群落结构差异统计分析进行深入研究，为了寻找各分类水平（Phylum、Class、Order、Family、Genus、Species）下，组间的差异物种，做组间的T-test检验，找出差异显著（p值<0.05）的物种。
0571-83693553
cw@cwmda.com
浙江省 杭州市 萧山区 金二路617号 信息港六期10幢