北京奥维森基因科技有限公司
分析结果
图2-5 每组样品内的Alpha 多样性。图中红色,黄色,蓝色线分别表示CA, HC, LK组的rarefaction
图2-6为组Alpha多样性盒形图，更直观显示组间Alpha多样性差异。盒形图可以显示5个统计量（最小值，第一个四分位数，中位数，第三个中位数和最大值，及由下到上的5条线），异常值以“o”标出。
北京奥维森基因科技有限公司
Alpha多样性的比较，以Shannon index为例可以看出多样性CA>LK>HC，其中CA/HC有明显差异(P=0.008, Student’s t test)，而CA/LK, HC/LK差异不显著
2.3.2 样品间复杂度比较分析
Beta多样性（Beta diversity）分析是用来比较一对样品在物种多样性方面存在的差异大小。
本分析中通过QIIME（v1.8.0）软件，采用迭代算法，分别在加权物种分类丰度信息和不加权物种分类丰度信息的情况下，随机抽取各样品中75% Reads单独进行差异计算，迭代100次之后综合统计得到最终的统计分析结果表及PCoA展示图。
Beta多样性热图使用R（v3.1.1）软件中的NMF包的aheatmap进行作图。
UniFrac是通过利用系统进化的信息来比较样品间的物种群落差异。其计算结果可以作为一种衡量beta diversity的指数，它考虑了物种间的进化距离，该指数越大表示样品间的差异越大。报告中给出的UniFrac结果分为加权UniFrac（weighted UniFrac）与非加权UniFirac（unweighted UniFrac）2种，其中weighted UniFrac考虑了序列的丰度，unweighted UniFrac不考虑序列丰度。
从下面盒形图看，CA组内的物种丰度最大。
Weighted Unifrac
Unweighted Unifrac
图2-7 Beta多样性的盒形图
北京奥维森基因科技有限公司
Unifrac距离的主坐标分析(PCoA)如下： Weighted Unifrac
Unweighted Unifrac
图2-8 Beta多样性的主坐标分析(PCoA)图。 如果两个样品距离越近，则表示这两个样品的组成越相似。不同处理或不同环境间的样品可能表现出分散和聚集的分布情况，从而可以判断相同条件的样品组成是否具有相似性。
图2-9 UniFrac距离分布heatmap。通过对UniFrac结果的聚类，具有相似beta多样性的样品聚类在一起，反应了样品间的相似性。
2.3.3 物种组成分析
本分析中分组后各水平的分类比较柱形图是用QIIME（v1.8.0）软件得到的，单个样品的群落分布柱形图和盒型图是根据QIIME（v1.8.0）软件计算的结果用R（v3.1.1）软件画的。
北京奥维森基因科技有限公司
样品的群落分布图，直观的反应各样品的群落组成。从门水平的群落分布图中可以看出，在这批样品中，占主要地位的门有 Firmicutes，Proteobacteria。
2.3.3.1 门(phylum)水平比较
图2-10 分组后门水平的分类比较。从左至右分别为CA,HC,LK的物种组成。
图2-11样品的门水平群落分布图
2.3.3.2 纲(class)水平比较
相关推荐：
loading