环境微生物群落多样性分析
微生物多样性研究—α多样性分析
微生物多样性研究—α多样性分析微生物多样性研究是现代生物学中的一个重要分支，它关注微生物群落的组成、结构和功能。
α多样性分析是微生物多样性研究中的一个重要内容，用于描述单个样本中微生物的物种丰富度和个体数目的多样性情况。
本文将介绍α多样性分析的基本原理、应用方法和研究进展。
α多样性分析的基本原理是基于群落中不同物种的相对丰度，在一个样本中计算出各个物种的多样性指数，从而揭示样本内部的多样性情况。
常见的多样性指数包括Shannon指数、Simpson指数、Pielou指数等。
Shannon指数综合考虑了物种丰度和物种均匀度的信息，数值越大表示物种丰富度和均匀度越高；Simpson指数表示占据总个体数的比例，数值越小表示物种多样性越高；Pielou指数是在Shannon指数的基础上，用最大可能均匀度来对物种丰富度进行标准化。
通过计算不同多样性指数可以得到一个样本中微生物群落的α多样性。
α多样性分析可以应用于各种不同的研究领域。
在环境微生物学中，α多样性分析可以用于评估微生物群落结构与环境因子的关系，揭示微生物对环境变化的响应机制。
在人体微生物学中，α多样性分析可以用于比较不同部位的微生物群落多样性，研究微生物与人体健康之间的关系。
在农业科学中，α多样性分析可以用于评估农田土壤微生物多样性与农作物产量的关系，探索土壤微生物对农业生产的贡献。
近年来，α多样性分析在微生物多样性研究中的应用逐渐扩展。
传统的α多样性分析主要关注物种的多样性，而忽略了微生物的功能多样性。
因此，研究人员提出了基于功能基因和代谢组的α多样性分析方法，用于评估微生物功能多样性，并探索微生物群落的功能结构。
此外，α多样性分析还可以与其他多样性分析方法相结合，如β多样性分析和γ多样性分析，进一步揭示微生物多样性的空间分布和群落动态变化。
总之，α多样性分析是微生物多样性研究中的基本方法之一，它能够评估样本内微生物的物种多样性和个体丰度，有助于揭示微生物群落的结构和功能。
环境微生物多样性研究方法综述
环境微生物多样性研究方法综述【引言】在过去的几十年里，环境微生物学研究逐渐成为生态学、地球科学和环境科学领域的关键课题之一。
环境微生物多样性的研究对于认识生物地球化学循环、生物地理学分布、生态系统功能和生态系统稳定性具有重要意义。
在微生物学的研究中，多样性是一个关键概念。
本文将综述环境微生物多样性研究的各种方法。
【1. 克隆文库构建】克隆文库构建是一种常用的环境微生物多样性研究方法。
该方法基于利用PCR扩增环境样品中的16S rRNA基因，并将其克隆到合适的载体中，然后转化到宿主菌中培养，最后通过插入片段的测序来获得环境微生物的多样性信息。
克隆文库构建方法可以获取微生物群落中的绝大部分成员，并提供其丰度信息，但受限于转化效率等因素，可能存在一定的偏差。
【2. 高通量测序】高通量测序是一种快速高效的环境微生物多样性研究方法。
通过使用Illumina、454等高通量测序平台，可以直接测定环境样品中的16S rRNA基因序列。
高通量测序方法可以快速获得大量的序列信息，从而更全面地揭示微生物群落的多样性和组成。
此外，高通量测序还可以对代谢功能基因等进行测序，进一步揭示微生物在环境中的功能特征。
【3. 荧光原位杂交】荧光原位杂交（FISH）是一种基于比色团标记的环境微生物多样性研究方法。
通过使用荧光探针特异性地与微生物的16S rRNA序列互补结合，可以直接检测微生物在环境样品中的分布和数量。
FISH方法在直接观察微生物群落结构以及研究微生物在不同环境中的分布和适应性等方面有很大的应用潜力。
【4. 基于功能基因的分析】基于功能基因的分析是一种通过检测和分析特定功能基因在环境样品中的分布和多样性来研究微生物多样性的方法。
与16S rRNA基因相比，功能基因可以更好地反映微生物的代谢能力和功能特征。
此外，基于功能基因的分析还可以揭示微生物在环境适应性和对环境变化的响应等方面的信息。
【5. 稳定同位素示踪】稳定同位素示踪是一种通过测定环境样品中的稳定同位素比值来探究微生物群落结构和功能特征的方法。
环境微生物群落的多样性分析
环境微生物群落的多样性分析随着环境污染和生态系统破坏的日益严重，对环境微生物多样性的研究越来越重要。
环境微生物是指分布在土壤、水体、空气、植物、动物等各种生物环境中的微生物。
微生物虽然体积小，但数量极为庞大，且扮演着重要的生态角色。
微生物的多样性更是环境的基本性质之一，其研究不仅有助于揭示自然生态系统的物质循环、能量转化和污染治理等过程，还可以促进人类对微生物的生物技术应用和开发。
环境微生物群落指的是同一生态系统中或者同一环境中的所有微生物，它们在数量和种类上具有特定的分布和组成模式。
微生物群落的多样性通常指的是微生物物种的丰富度和均匀度等指标。
这些指标能够有效地反映微生物群落在环境中的稳定性、抗干扰能力、对污染物的适应能力以及生态功能的差异。
因此，对环境微生物群落多样性的研究有助于科学评估环境质量，指导环境保护和生态修复工作的实施。
微生物群落多样性的评估方法主要有两种：基于文化的传统方法和基于高通量测序的现代方法。
由于微生物群落数量庞大，许多微生物在实验室环境下无法被培养或成活。
因此，文化法只能分离到微生物群落的一小部分，并且很难反映生态系统的真实状况。
而现代高通量测序技术则能够快速、准确地揭示微生物群落的组成和多样性。
通过基于高通量测序技术的微生物群落多样性分析，我们可以在无需培养和纯化大量微生物的前提下，获得全面的微生物多样性信息，有效地提高了微生物群落的检测灵敏度、多样性鉴定能力和数据分析精度。
目前，高通量测序技术已经成为微生物群落多样性研究的主流技术之一。
对于微生物群落多样性的分析，主要包括群落参数、多样性指数和聚类分析等。
其中，群落参数指的是微生物群落的物种丰富度、物种均匀度、物种相对丰度、共存特异性等指标，可以客观反映微生物群落的基本特征。
多样性指数则是对群落多样性的综合评价指标，常用的有Shannon多样性指数、Simpson多样性指数、Evenness指数等，这些指标可以反映微生物群落的物种丰富度和均匀度等信息。
不同环境条件下细菌群落的多样性分析
不同环境条件下细菌群落的多样性分析随着科技的不断发展，人类对微生物的了解也越来越深入。
微生物，特别是细菌，在自然界中广泛分布，并在不同环境条件下形成不同种类的群落。
掌握细菌群落的多样性分析，有助于我们更好地理解自然界的生态环境和微生物的特性。
本文将从不同环境条件下细菌群落的多样性分析角度探讨细菌的多样性。
1.影响环境因素细菌群落的多样性与环境有密切关系。
环境条件对细菌的生长、繁殖、代谢等都有影响。
环境因素主要包括温度、湿度、营养、pH值、氧气含量等。
例如，土壤中细菌的多样性受土壤性质、pH值、温度、湿度等因素的影响。
在温度变化剧烈的气候条件下，土壤中的细菌群落会更加复杂多样，而温度稳定的气候条件下，土壤中的细菌群落相对单一。
2.基于高通量测序技术的分析随着高通量测序技术的不断发展，人们可以更加方便、准确地分析细菌群落的多样性。
高通量测序技术能够对细菌的基因组进行高效率的测序，支持大规模的基因组学研究。
通过高通量测序技术，可以快速、同时测定不同样品中的细菌数量和多样性。
例如，通过对大肠杆菌基因组的测序，可以对这种细菌的形态、代谢、分子生物学、遗传学特征和系统发育等做出更深入的了解。
3.实际案例在生态学研究中，细菌群落的多样性分析被广泛应用于不同的研究领域。
例如，通过对海洋样品中细菌的多样性分析，可以更加深入地了解海洋中的微生物多样性和海洋生态系统的运行机制。
同时，这种多样性分析还有助于了解海洋微生物群落的生态功能，例如生物降解和食物链中的作用。
此外，对于湖泊水质监测，细菌群落的多样性分析也是非常关键的。
在水质分析中，可以通过分析水样品中的细菌群落，以确定水污染的类型和程度。
通过多样性分析，还可以找出致污物和生物降解详细信息，并了解水体内生态系统的运作情况。
4.细菌多样性分析在健康领域的应用人体内的细菌群落也是非常重要的。
我们的肠道内有数不清的不同类型的细菌，这些细菌群落对我们的健康有着重要的影响。
环境因素对菌群多样性的影响及其生态效应分析
环境因素对菌群多样性的影响及其生态效应分析随着环境污染和气候变化的不断加剧，生态系统中的微生物菌群多样性受到越来越严重的影响。
环境因素包括土地利用、水质、气候变化等等，这些因素通过改变菌群的生存条件，进而影响生物多样性、生态系统功能和人类健康等方面。
下面将从菌群多样性与环境因素的相互作用、不同环境因素对菌群多样性的影响和环境因素对菌群多样性的生态效应进行分析。
一、菌群多样性与环境因素的相互作用菌群多样性是指在不同的区域或环境中，微生物种类和数量的差异。
环境因素是指能够直接或间接影响生态系统的因素，包括降雨量、温度、光照、土地利用等。
环境因素对菌群多样性的影响可以分为直接影响和间接影响两种。
直接影响：环境因素直接影响微生物的生长和繁殖。
例如，土地利用和土壤pH值是影响土壤微生物菌群的主要环境因素。
研究表明，不同的土地利用方式（比如林地、草地和农田）会导致土壤pH值和氮磷等营养物质的变化，从而影响土壤微生物的物种组成和数量。
此外，气候变化也是影响微生物群落多样性的重要因素之一。
研究发现，全球变暖可能导致地球上某些地区的微生物群落组成发生变化，从而对环境产生深远影响。
间接影响：环境因素间接影响微生物的生长和繁殖。
例如，环境因素可通过对其他生物的影响而影响微生物菌群。
例如，水体污染会导致水中的有机质含量增加，从而促进细菌的生长和繁殖，同时减少其他微生物的数量。
在生态系统中，菌群多样性与其他生物的生存和发展紧密相关，因此环境因素通过影响其他生物的生存和发展来间接影响微生物菌群。
二、不同环境因素对菌群多样性的影响不同的环境因素通过不同的途径影响微生物菌群的多样性。
下面将对一些常见的环境因素对微生物菌群的影响进行简单介绍。
1、土地利用：土地利用对菌群多样性的影响非常显著。
林地和草地等类型可以维持更高的物种丰富度和微生物群落多样性，而农田、城市等类型则会导致微生物群落多样性下降。
这主要是由于人类活动导致土壤质量下降，从而导致土壤微生物的数量和物种减少。
环境微生物多样性分析
环境微生物多样性分析环境微生物多样性分析是研究环境中微生物群落组成和功能特征的重要手段之一、随着高通量测序技术的发展，环境微生物多样性研究取得了重大突破，也为我们深入了解微生物的生态角色和资源利用提供了更多的信息。
本文将从实验设计、样品采集、DNA提取、测序分析和数据解读等方面介绍环境微生物多样性分析的主要步骤。
实验设计是环境微生物多样性分析的关键步骤之一，它直接决定了后续实验的可靠性和结果的解释性。
在实验设计中，需要明确研究的目的、样品类型和数目、采样时间和地点等相关信息，以保证实验的可重复性。
样品采集是影响环境微生物多样性研究结果的重要因素之一、在样品采集过程中，应尽量避免或减少对微生物群落的人为干扰，采集合适的样品量以确保后续的实验需求。
DNA提取是环境微生物多样性研究的核心环节，它直接决定了后续测序分析的效果。
对于不同样品类型，可以选择适合的DNA提取方法，一般常用的有基于物理破碎、有机溶剂提取和商业试剂盒提取等方法。
测序分析是环境微生物多样性研究的重点步骤之一、目前常用的测序技术包括Sanger测序和高通量测序技术。
高通量测序技术可以同时快速获取大量微生物的DNA序列信息，如Illumina MiSeq和Ion Torrent PGM等。
通过测序，可以获得微生物的16S rRNA或其他高保守性基因的序列信息，进而了解微生物的系统发育关系和功能潜能。
测序数据的解读是环境微生物多样性研究的重要任务之一、在测序数据的解读中，可以通过各种计算机软件对序列进行处理和分析，如去噪、序列比对、物种注释、功能注释等。
进一步可以采用多样性和功能分析等方法，比如Alpha多样性分析和Beta多样性分析，揭示微生物群落的多样性结构和组成变化。
环境微生物多样性分析的结果可以应用于生态学、环境保护、农业和医学等领域。
例如，通过研究微生物的群落结构和功能特征，可以了解环境中微生物的相互作用和物质转化过程；可以发现一些具有重要生态功能的微生物，如降解有机污染物的微生物，为污染物的治理提供理论依据；可以探索农业和医学上的微生物资源，利用微生物产生的酶和代谢产物等开发新型农药和抗生素。
微生物群落的多样性及生态功能
微生物群落的多样性及生态功能微生物是生命中最早出现的种类，它们在地球上充当着至关重要的角色。
每个生物体内都有自己的微生物群落，不同类型的微生物可以相互作用，这种作用对宿主生物的健康和生物系统的生态平衡有着重要的影响。
因此，微生物群落多样性以及它们的生态功能是一个备受关注的研究领域。
微生物群落的多样性微生物群落多样性是指在一个生态系统中，存在的微生物群落种类的数量和种群丰度的差异。
微生物群落的多样性是生态系统最基本的特征之一，这种多样性直接反映了微生物群落在生态系统中的重要性。
目前，在研究微生物群落多样性方面，主要采用的方法是高通量测序技术。
这种技术可以分析水样、土壤、根际等环境中微生物的群落结构，对于微生物群落的多样性评估提供了重要的数据。
通过高通量测序技术的运用，研究人员可以准确地分析和比较不同环境下的微生物群落多样性。
例如，对于同一类型的土壤，通过对微生物群落多样性进行比较，可以发现不同土地不同深度、不同土地的微生物群落组成也不一样。
微生物群落的生态功能微生物群落的生态功能是指微生物群落与所生存的环境之间的相互作用和影响，以及微生物群落对宿主的健康和生态平衡的贡献。
微生物群落的生态功能是微生物在自然界中的重要表现之一。
1. 模数微生物群落中存在各种各样的生物，它们之间的相互作用和影响也是微生物群落的重要组成部分。
微生物群落中有一种生物或一种物质的作用会影响到其它生物体，调节着微生物群落的数量和特性。
具体来说，模数在微生物群落中发挥着重要的作用。
模数可以促进微生物群落之间的相互作用，限制某些微生物的生长，避免生态系统退化。
这种模数在微生物群落的多样性和生态平衡中发挥着至关重要的作用。
2. 生态系统的调控微生物群落的种类和数量会影响到生态系统的平衡和稳定。
微生物群落中的某些种类能够控制害虫、减少土壤侵蚀，并使氮、碳等营养元素循环更加稳定。
另一方面，不同的微生物群落种类也能够对不同生态系统的干旱和气候多样性进行调节。
微生物群落多样性与稳定性分析
微生物群落多样性与稳定性分析微生物群落是由各种生物组成的群体，包括细菌、真菌、原生动物、病毒等。
微生物群落一般存在于土壤、水体、人体等不同环境中，是环境中生态系统的重要组成部分。
微生物群落多样性与稳定性是针对微生物群落而言的，是研究微生物群落演化、功能和生态系统稳定性的重要指标。
本文将从多样性与稳定性两个方面来阐述微生物群落的性质和研究方法。
一、微生物群落的多样性分析微生物群落多样性，即微生物群落内物种种类和数量的丰富程度。
在微生物群落研究中，多样性研究是基础性工作。
探究微生物群落多样性可以为后续的微生物群落功能和生态系统稳定性的研究奠定基础。
微生物群落的多样性可以从如下几个方面进行研究：1. 物种多样性分析物种多样性是微生物群落多样性的其中一个指标，它是指在一个生态系统中不同物种个体的数量和比例。
物种多样性的指标可以包括古马氏多样性指数、盖氏多样性指数等。
通过这些指标的计算，可以得到样本内的物种多样性丰富度状况。
2. 丰度分析微生物群落多样性的研究还可以通过对微生物群落中各个物种的丰度进行分析。
在微生物群落中，一些物种的丰度高，而另一些物种的丰度低。
通过对微生物群落中不同物种的丰度分析，研究者可以了解到不同物种在群落中的贡献，进而对该微生物群落的结构进行深入了解。
3. 遗传多样性分析微生物群落的遗传多样性是指微生物群落内微生物的基因组进行分析所得到的多样性指标。
通过对微生物群落内不同微生物的遗传多样性进行分析，可以了解到微生物群落内在生物进化过程中的多样性。
4. 功能多样性分析在微生物群落中，各种微生物具有各自的功能，不同的微生物共同协作共同完成一些代谢过程或其他生物学特性。
对微生物群落功能多样性的分析可以进一步揭示出微生物之间的相互作用方式及其在生态系统中的作用。
二、微生物群落的稳定性分析微生物群落稳定性是指微生物群落内物种丰富度、物种多样性和种群数量等的变化概率。
微生物群落稳定性研究是研究微生物群落动态变化和生态系统稳定性的重要指标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
分析要求
单张分析图，样本分组至少两个，最多5 个。 Ø 默认设置为97% 相似度水平下以OTU 为单位进行分析作图。 6. Heatmap 图
用颜色变化来反映二维矩阵或表格中的数据信息，它可以直观地将数据值的大小以定义的颜色深浅表示出来。将高丰度和低丰度的物种分 块聚集，通过颜色梯度及相似程度来反映多个样品在各分类水平上群落组成的相似性和差异性。
DNA
浓度＞10ng/μL 总量＞500ng的DNA， OD260/280介于1.8-2.0之间并确保DNA无降解。
PCR产物
（仅限Roche 454平台） PCR产物浓度＞5ng/μL，总量＞100ng，OD260/280介于1.8-2.0之间并确保PCR产物无降解； PCR产物需经电泳切胶回收纯化； 送样管管口使用 Parafilm封口膜密封；
横轴和纵轴：以百分数的形式体现主成分主要影响程度。以图9为例，主成分1（PC1）和主成分2（PC2）是造成四组样品（红色，蓝色， 黄色和绿色）的两个最大差异特征，贡献率分别为41.1% 和27.1%。 十字交叉线：在图9中作为0 点基线存在，起到辅助分析的作用，本身没有意义。
图例解读：
Ø PCA 分析图是基于每个样品中所含有的全部OTU 完成的； Ø 图9中每个点代表了一个样本；颜色则代表不同的样品分组； Ø 两点之间在横、纵坐标上的距离，代表了样品受主成分（PC1 或 PC2）影响下的相似性距离； Ø 样本数量越多，该分析意义越大；反之样本数量过少，会产生个体差异，导致PCA分析成图后形成较大距离的分开，建议多组样品时， 每组不少于5个，不分组时样品不少于10个； Ø 图10中的圆圈为聚类分析结果，圆圈内的样品，其相似距离比较接近。 8. RDA/ CCA 分析图
横轴：从某个样品中随机抽取的测序条数；"Label 0.03" 表示该分析是基于OTU 序列差异水平在0.03，即相似度为97% 的水平上进行运算
的，客户可以选取其他不同的相似度水平。
纵轴：基于该测序条数能构建的OTU数量。
曲线解读：
Ø 图1中每条曲线代表一个样品，用不同颜色标记； Ø 随测序深度增加，被发现OTU 的数量增加。当曲线趋于平缓时表示此时的测序数据量较为合理。 2. Shannon-Wiener 曲线
专业、成熟、稳定的样本制备流程，严格控制PCR 循环数，客观还原样品本身的菌群结构及丰度比例。
痕量菌检测： 充分发挥高通量测序的大数据量优势，能检测出丰度低至万分之一的痕量菌。 服务流程
样本要求
环境样品
土壤：5-10g； 水体：2L水样或0.22μm滤膜过滤； 粪便：3பைடு நூலகம்；
黏膜：指甲大小；
植物内生菌：10-20g叶片；3-5g根系； 底泥：5-10g； 血液：10mL； 叶片：50-100g。
环境微生物群落多样性分析
微生物群落多样性的基本概念
环境中微生物的群落结构及多样性和微生物的功能及代谢机理是微生物生态学的研究热点。长期以来，由于受到技术限制，对微生物群落 结构和多样性的认识还不全面，对微生物功能及代谢机理方面了解的也很少。但随着高通量测序、基因芯片等新技术的不断更新，微生物
分子生态学的研究方法和研究途径也在不断变化。第二代高通量测序技术（尤其是Roche 454高通量测序技术）的成熟和普及，使我们能
样品间聚类关系树： 进化树表示在选用成图数据中，样本与样本间序列的进化关系（差异关系）。处于同一分支内的样品序列进化关系相近。
物种/OTU 丰度相似性树： 丰度相似性树表示选用成图的数据中样品与样品中的OTU 或序列在丰度上的相似程度。丰度最相近的会分配到同一分支上。 客户自定义分组：根据研究需求对菌群物种/OTU 研究样本进行二级分组 Ø 二级物种/OTU 分组：将下级分类学水平物种或OTU 分配到对应的上级分类学水平，以不同颜色区分； Ø 二级样品分组：根据研究需要，对样品进行人为的分组，以不同颜色区分。 7. 主成分分析 PCA (Principal Component Analysis)
在多元统计分析中，主成分分析是一种简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中对方差贡献最大的
特征，从而有效地找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。 通过分析不同样品的OTU 组成可以反映样品间的差异和距离，PCA 运用方差分解，将多组数据的差异反映在二维坐标图上，坐标轴为能够 最大程度反映方差的两个特征值。如样品组成越相似，反映在PCA图中的距离越近。
基于对应分析发展的一种排序方法，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因子之间的关系。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。
横轴和纵轴：RDA 和CCA 分析，模型不同，横纵坐标上的刻度为每个样品或者物种在与环境因子进行回归分析计算时产生的值，可以绘制
于二维图形中。 图例解读：
Ø 冗余分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；
Ø 箭头射线：图11中的箭头分别代表不同的环境因子（即图中的碳酸氢根离子HCO3-，醋酸根离子AC-等，图中的其它环境因子因研究不
同代表的意义不同，因此不再赘述）；
Ø 夹角：环境因子之间的夹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；
Ø 图11中不同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；
Ø 环境因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。 9. 单样品 / 多样品分类学系统组成树 根据NCBI 提供的已有微生物物种的分类学信息数据库，将测序得到的物种丰度信息回归至数据库的分类学系统关系树中，从整个分类系
在某一分类学水平上，不同菌群所占的相对丰度比例。不同颜色代表不同的物种。
5. 样品OTU 分布Venn 图 用于统计多个样品中共有或独有的OTU数目，可以比较直观地表现各环境样品之间的OTU 组成相似程度。 不同样品用不同颜色标记，各个数字代表了某个样品独有或几种样品共有的OTU 数量，对应的OTU编号会以EXCEL 表的形式在结题报告中
根据分类学分析结果，可以得知一个或多个样品在各分类水平上的物种组成比例情况，反映样品在不同分类学水平上的群落结构。
柱状图（图5）
横轴：各样品的编号。 纵轴：相对丰度比例。 图标解读：
Ø 颜色对应此分类学水平下各物种名称，不同色块宽度表示不同物种相对丰度比例； Ø 可以在不同分类学水平下作图分析。 饼状图（图6）
相对丰度比例：
热图（图8）中每小格代表其所在样品中某个OTU 的相对丰度。以图8为例，红框高亮的小格所对应的信息为：样本（R11-1Z）中 OTU（OTU128）的相对丰度比例大概为0.2%。 丰度比例计算公式（Bray Curtis 算法）：
其中，
SA,i = 表示A样品中第i个OTU所含的序列数 SB,i = 表示B样品中第i个OTU所含的序列数
Shannon 指数计算公式：
其中，
Sobs= 实际测量出的OTU数目； ni= 含有i 条序列的OTU数目； N = 所有的序列数。
曲线解读：
Ø 图2每条曲线代表一个样品，用不同颜色标记，末端数字为实际测序条数； Ø 起初曲线直线上升，是由于测序条数远不足覆盖样品导致； Ø 数值升高直至平滑说明测序条数足以覆盖样品中的大部分微生物。 3.Rank-Abundance 曲线
样品保存期间切忌反复冻融，使用干冰运输。
生信分析 1. 稀释性曲线（Rarefaction Curve） 采用对测序序列进行随机抽样的方法，以抽到的序列数与它们所能代表OTU的数目构建曲线，即稀释性曲线。 当曲线趋于平坦时，说明测序数据量合理，更多的数据量对发现新OTU的边际贡献很小；反之则表明继续测序还可能产生较多新的OTU。
隆进行测序，此实验操作相对繁琐；此外，采用这种方法无法对样品中的微生物做到绝对定量。生物芯片是通过固定在芯片上的探针来获
得微生物多样性的信息，“只能验证已知，却无法探索未知”，此方法通过信号强弱判断微生物的丰度也不是非常的准确。 而近年来以454焦磷酸测序为代表的高通量测序技术凭借低成本、高通量、流程自动化的优势为研究微生物群落结构提供了新的技术平 台。Roche 454高通量测序技术能同时对样品中的优势物种、稀有物种及一些未知的物种进行检测，获得样品中的微生物群落组成，并将 其含量进行数字化。最近，美吉生物推出了新的测序平台———MiSeq。MiSeq高通量测序平台集中了Roche 454和Illumina HiSeq 2500的优
够对环境微生物进行深度测序，灵敏地探测出环境微生物群落结构随外界环境的改变而发生的极其微弱的变化，对于我们研究微生物与环 境的关系、环境治理和微生物资源的利用以及人类医疗健康有着重要的理论和现实意义。 在国内，微生物多样性的研究涉及农业、土壤、林业、海洋、矿井、人体医学等诸多领域。以在医疗领域的应用为例，通过比较正常和疾 病状态下或疾病不同进程中人体微生物群落的结构和功能变化，可以对正常人群与某些疾病患者体内的微生物群体多样性进行比较分析， 研究获得人体微生物群落变化同疾病之间的关系；通过深度测序还可以快速地发现和检测常见病原及新发传染病病原微生物。
研究方法进展
环境微生物多样性的研究方法很多，从国内外目前采用的方法来看大致上包括以下四类：传统的微生物平板纯培养方法、微平板分析方 法、磷脂脂肪酸法以及分子生物学方法等等。 近几年，随着分子生物学的发展，尤其是高通量测序技术的研发及应用，为微生物分子生态学的研究策略注入了新的力量。
目前用于研究微生物多样性的分子生物学技术主要包括:DGGE/TGGE/TTGE、T-RFLP、SSCP、FISH、印记杂交、定量PCR、基因芯片等。 DGGE等分子指纹图谱技术，在其实验结果中往往只含有数十条条带，只能反映出样品中少数优势菌的信息；另一方面，由于分辨率的误 差，部分电泳条带中可能包含不只一种16S rDNA序列，因此要获悉电泳图谱微生物的进化关系和丰度差异。