樣本組間差異分析

Heatmap可以用顏色變化來反映二維矩陣或表格中的數(shù)據(jù)信息，它可以直觀地將數(shù)據(jù)值的大小以定義的顏色深淺表示出來。常根據(jù)需要將數(shù)據(jù)進行物種或樣品間豐度相似性聚類，將聚類后數(shù)據(jù)表示在heatmap 圖上，可將高豐度和低豐度的物種分塊聚集。

PCA 分析(Principal Component Analysis)，即主成分分析，是一種對數(shù)據(jù)進行簡化分析的技術，這種方法可以有效的找出數(shù)據(jù)中最“主要”的元素和結構，去除噪音和冗余，將原有的復雜數(shù)據(jù)降維，揭示隱藏在復雜數(shù)據(jù)背后的簡單結構。其優(yōu)點是簡單且無參數(shù)限制

PCoA（principal co-ordinates analysis）是一種研究數(shù)據(jù)相似性或差異性的可視化方法，通過一系列的特征值和特征向量進行排序后，選擇主要排在前幾位的特征值，PCoA 可以找到距離矩陣中最主要的坐標，結果是數(shù)據(jù)矩陣的一個旋轉，它沒有改變樣品點之間的相互位置關系，只是改變了坐標系統(tǒng)。

UniFrac的作用， beta 多樣性的評估分析的解釋或者定義，unweighted unifrac 的作用，unweighted unifrac分析的軟件及其算法；PCoA 分析的作用直觀顯示不同環(huán)境樣品中微生物進化上的相似性及差異性；Unifrac 分析得到的距離矩陣可用于多種分析方法

顯著性差異分析定義是根據(jù)得到的群落豐度數(shù)據(jù)，運用嚴格的統(tǒng)計學方法可以檢測兩組微生物群落中表現(xiàn)出豐度差異的分類，進行稀有頻率數(shù)據(jù)的多重假設檢驗和假發(fā)現(xiàn)率（FDR）分析可以評估觀察到的差異的顯著性。分析可選擇門、綱、目、科及屬等不同分類學水平。

非度量多維尺度法（NMDS）定義，非度量多維尺度法（NMDS）適用對象，非度量多維尺度法（NMDS）Qiime 計算beta 多樣性距離矩陣，R 語言vegan 軟件包作NMDS 分析和作圖。