1、关于数据的质量控制，根据数据量，建议将数据的最低标准提高到30（或者是25），最短序列长度提高到75，上次是50，这要看一下fastqc的结果，之后应该去除嵌合体序列，推荐使用UCHIME《UCHIME improves sensitivity and speed of chimera detection》-----bioinformatics

2、多样性中，距离选择现在包括两种，一种是物种距离（Jaccard\Bray-Curtis）；另一种是基于进化的距离(Unifrac),基于进化的距离还包含权重和非权重两种，虽然含有进化信息但是，进化信息并不是越多越好，在结果呈现上，这两种我们都应该删除结果，距离一般分为离散和连续两种，由于物种的分布上，主要是离散的量，所以我们这里选择离散的结果。三维展示PCoA，还需要进行Performing Procrustes Analysis，，《Phylogenetic Beta Diversity Metrics, Trait Evolution and Inferring the Functional Beta Diversity of Communities》------PLoS ONE

3、检验样本之间的异同，可以借助OTU的表达量矩阵，做出表达分析图，再用假设检验中的均值检验，注意此过程中可以对数据进行标准化。

4、在样本过程中要找出差异性表达，这一点要体现对物种的比较上，也就是多样性分析（P-value）

5、比较差异性，可以通过神经网络的方法成呈现，先看看物种分布是由地点影响的多，还是时间影响的多，然后做出相关的神经网络图，具体的一篇文章可参考文献《Using network analysis to explore co-occurrence patterns in soil microbial communities》，来自ISME J杂志

6、将分类群以进化树的形式呈现，将比对与进化树相结合主要用的是tax2tree这个软件，，这个软件已经集成到QIIME中了，需要在align_seqs.py这一步设置参数--tree_fp、-m，参考文献见：《An improved Greengenes taxonomy with explicit ranks for ecological and evolutionary analyses of bacteria and archaea》，来自ISME J杂志

7、《Impact of training sets on classification of high-throughput bacterial 16s rRNA gene surveys》-ISME该篇文献探讨了目前基于三个16s rRNA参考数据库所提炼出来的快速分类参考数据集合，在快速分类过程中的准确性。来自ISME J杂志

8、《Illumina-based analysis of microbial community diversity》---ISME该篇文献论述了Illumina测序方法在识别微生物16s rRNA中的应用，涉及到的内容包括barcode序列的设计等相关内容，以及一些测序的数据量。来自ISME J杂志

9、在文献《Global patterns of 16S rRNA diversity at a depth of millions of sequences per sample》--PNAS，根据真实的测序数据量，提到OTU的过滤参数是10000，才模拟到真实的数据，当然也要根据自己真实的数据量，实际上QIIME在找寻OTU的时候，使用的是比较通用的uclust,里面默认的设置的过滤参数为4.由于我们不能确定到底环境中到底有多少的物种，所以再这里我们可以用箱线图做出关于OTU的信息，参见文献《Microbiome Profiling by Illumina Sequencing of Combinatorial Sequence-Tagged PCR Products》---PLoS ONE中的

10、《The diversity and biogeography of soil bacterial communities》--PNAS该文献探讨了PH值与物种风度和多样性之间的之间，-A phylotype diversity（使用香农指数）与PH值之间的关系；-Bphylotype richness（defined as the number of unique phylotypes），期间文献中做了一个线性回归和二次回归，这个我们可以在探讨完环境因子的突出因素，再来做这个。

11、期刊投稿指南可选的有：《Appl Environ Microbiol》命中率30%，影响因子3.678，一般1.8月；《BMC Microbiology》较容易一般3-6周， 影响因子3.1；《applied microbiology and biotechnology》平均1.5个月影响因子3.689，《ISME J》影响因子7.375，一审周期2.6个月，命中率为20%；<</span>BMC Microbiology >影响因子3.1

12、《Archaea in Yellowstone Lake》，这篇文献主要研究的对象是水，使用454测序了4个水体样本，总的测序数据51,000条 reads,关于理化指标的选取，可以从这里来做（Table1）。

13、应该给出每个样本含有OTU的数量。

14、此外，在建立fast_map文件的时候，除了包含以前的信息外，还可以设置一项，将一年分为四个部分。  参考文献《太湖蓝藻水华的预防、预测和预警的理论与实践》

12-2 下沉休眠

3-4      上游复苏

5-7 大量生长

8-11 上游积聚

15、分析水体的理化指标，建议可以选取以下指标：分析水样中的pH、溶解氧( D0) 、透明度( SD) 、总磷(TP) 、溶解性总磷(TDP) 、溶解性磷酸盐( DP) 、总氮(TN) 、氨氮、Chla（叶绿素a）,可以参考文献《滇池水体理化环境状况时空分布格局研究》、《滇池藻类生物量时空分布及其影响因子》

16、检验一下物种分布是否有差异性，使用方差检验，具体见，不需要借助DEseq

17、挑选微生物群去与环境因子做RDA分析，挑选的命令建议使用：compute_core_microbiome.py

18、实现样本与样本之间的比较，可以使用make_distance_boxplots.py 

19、鉴别某一分类是否有用，使用 otu_category_significance.py（方差分析）

20、按时间和地点画分布图，首先要sort_otu_table.py、summarize_taxa.py、plot_taxa_summary.py

21、关于fast_map.txt的设置内容可以添置地点的南北，时间上四阶段的分化，整个96个样本看成一个。

原文转自：http://blog.sina.com.cn/s/blog_83f77c940102ven5.html

欢迎大家前往支持博主。

欢迎关注