在之前的分析步驟中，已經(jīng)將序列按照其自身的堿基組成的相似性，分歸到各OTU 中。在進(jìn)行分類學(xué)分析時，首先，將每一條優(yōu)質(zhì)序列都與SILVA 119數(shù)據(jù)庫進(jìn)行比對，找出其最相近且可信度達(dá)80%以上的種屬信息。之后，將每一個OTU 中的所有序列進(jìn)行類比，找出同一OTU 中的不同序列的最近祖先的種屬信息。最后，將得到的結(jié)果記錄在表格文件中。這樣做，可以在保留最可能多的信息量的情況下，確保得出信息的準(zhǔn)確性。
使用軟件：mothur 例表： OTU name 為OTU 編號；
　　第二列至OTUsize列的前一列為各樣本的序列在所有OTU 中的含有情況。例如，第二行第二列的數(shù)字代表樣品A中有多少序列被劃分入OTU1 中。
OTUsize 為該OTU 中所含序列的數(shù)量；
　　Taxonomy列為OTU 對應(yīng)的種屬信息。種屬信息按照分類學(xué)水平分為多列，我們將物種的門、綱、目、科、屬、種的信息進(jìn)行了分類分析，便于對數(shù)據(jù)的篩選提取。例如，需要提取所有含有屬信息的OTU 的相關(guān)信息，可在excel 中選取屬這一列，在工具欄的數(shù)據(jù)項中，點選篩選，查看該列第一行的單元格，在下拉菜單中的文本篩選項下方的區(qū)域內(nèi)，取消選擇“空白” ，點確定，即得到所有含有屬信息的OTU信息。
　　注：分類學(xué)數(shù)據(jù)庫中會出現(xiàn)一些分類學(xué)譜系中的中間等級沒有科學(xué)名稱，以norank 作為標(biāo)記。分類學(xué)比對后根據(jù)置信度閾值的篩選，會有某些分類譜系在某一分類級別分值較低，在統(tǒng)計時以Unclassified 標(biāo)記。
　　將OTU 綜合分類表中的信息按照門、綱、目、科、屬、種6 個水平分別提取信息，分別統(tǒng)計各樣品在不同分類水平上的菌群組成及豐度。
例表：

>群落結(jié)構(gòu)組成柱狀圖

根據(jù)分類學(xué)分析結(jié)果，可以得知一個或多個樣品在各分類水平上的分類學(xué)比對情況。在結(jié)果中，包含了兩個信息：
　　樣品中含有何種微生物；
　　樣品中各微生物的序列數(shù)，即各微生物的相對豐度。
　　因此，可以使用統(tǒng)計學(xué)的分析方法，觀測樣品在不同分類水平上的群落結(jié)構(gòu)。將多個樣品的群落結(jié)構(gòu)分析放在一起對比時，還可以觀測其變化情況。根據(jù)研究對象是單個或多個樣品，結(jié)果可能會以不同方式展示。通常使用較直觀的餅圖或柱狀圖等形式呈現(xiàn)。群落結(jié)構(gòu)的分析可在任一分類水平進(jìn)行。
軟件：基于物種分類信息的數(shù)據(jù)表，利用R 語言工具作圖或在EXCLE 中編輯作圖。
參考文獻(xiàn)：
Lisa Oberauner, Christin Zachow, Stefan Lackner, et al. The ignored diversity: complex bacterial communities in intensive care units revealed by 16S pyrosequencing. SCIENTIFIC REPORTS. 3 :1413 .DOI: 10.1038/srep01413.(2013)
例圖： 注：為保證視圖效果，建議作圖時可將豐度極低的部分合并為other 在圖中顯示

  >多樣品相似度樹與柱狀圖組合分析

左邊是樣品間基于群落組成的層次聚類分析（bray-curtis 算法），右邊是樣品的群落結(jié)構(gòu)柱狀圖。
參考文獻(xiàn)：
Srinivasan S, Hoffman NG, Morgan MT, Matsen FA, Fiedler TL, et al. (2012) Bacterial Communities in Women with Bacterial Vaginosis: High Resolution Phylogenetic Analyses Reveal Relationships of Microbiota to Clinical Criteria. PLoS ONE 7(6): e37818. doi:10.1371/journal.pone.0037818.
例圖：

微生物種屬鑒定及相關(guān)分析，首發(fā)于微基生物。

OTU群落聚類及相關(guān)分析，首發(fā)于微基生物。

計算菌群豐度（Community richness）的指數(shù)有：

　　(1)Chao – the Chao1 estimator (http://www.mothur.org/wiki/Chao)；是用chao1 算法估計樣品中所含OTU 數(shù)目的指數(shù)，chao1 在生態(tài)學(xué)中常用來估計物種總數(shù)，由Chao (1984) 最早提出；本次分析使用計算公式如下：

　　（2）Ace – the ACE estimator (http://www.mothur.org/wiki/Ace)；用來估計群落中OTU 數(shù)目的指數(shù)，由Chao 提出，是生態(tài)學(xué)中估計物種總數(shù)的常用指數(shù)之一，與Chao 1 的算法不同。本次分析使用計算公式如下：

計算菌群多樣性（Community diversity）的指數(shù)有：

　?。?）Shannon – the Shannon index (http://www.mothur.org/wiki/Shannon)；用來估算樣品中微生物多樣性指數(shù)之一。它與Simpson 多樣性指數(shù)常用于反映alpha 多樣性指數(shù)。Shannon 值越大，說明群落多樣性越高。

　?。?）Simpson – the Simpson index (http://www.mothur.org/wiki/Simpson)；用來估算樣品中微生物多樣性指數(shù)之一，由Edward Hugh Simpson ( 1949) 提出，在生態(tài)學(xué)中常用來定量描述一個區(qū)域的生物多樣性。Simpson 指數(shù)值越大，說明群落多樣性越低；

分析軟件： mothur [1] ( version v.1.30.1 http://www.mothur.org/ wiki/Schloss_SOP #Alpha_ diversity) 指數(shù)分析，用于指數(shù)評估的OTU 相似水平97% (0.97)

Table：Community richness estimator

Table ：Community diversity estimator

注：由于數(shù)據(jù)樣品較多，此處以圖例形式列出部分。

　　其中l(wèi)abel： 0.03 即相似水平；

　　ace\chao\ simpson\ simpson：分別代表各個指數(shù)；

　　*_lci\ *_hci ：分別表示統(tǒng)計學(xué)中的下限和上限值。

樣本信息及多樣性指數(shù)統(tǒng)計結(jié)果如下：

Table ：Estimators table

注：

　　Sample ID：樣品名稱；Reads：被分入所有OTU 中的總優(yōu)化序列數(shù)；

　　OTU：本次實驗中該樣品優(yōu)化序列劃分得到的OTU 數(shù)目；

　　Chao，Ace，Coverage，Shannon，Simpson：分別表示各個指數(shù)；

　　0.03：相似性水平為0.97。

參考文獻(xiàn)：

多樣性指數(shù)統(tǒng)計，首發(fā)于微基生物。

例圖：

香農(nóng)指數(shù)曲線，首發(fā)于微基生物。

　　軟件：使用97%相似度的OTU，利用mothur 做rarefaction 分析，利用perl 語言工具制作曲線圖。

參考文獻(xiàn)：

　　Katherine R Amato. et al. Habitat degradation impacts black howler monkey (Alouatta pigra) gastrointestinal microbiomes. The ISME Journal (2013) 7, 1344–1353; doi:10.1038/ismej.

例圖：

　　注：橫坐標(biāo)：隨機抽取的測序數(shù)據(jù)量；縱坐標(biāo)：觀測到的OTU 數(shù)量。

稀釋性曲線 rarefaction curve，首發(fā)于微基生物。