weixin_46814750的博客

是生物信息学中常用的可视化工具，广泛应用于基因表达和差异表达分析。它通过。这种图形帮助研究人员快速识别在实验组与对照组之间有显著差异且变化较大的基因或特征。在生物学研究中，火山图常用于筛选等方面。包是R语言中的一个工具，基于库，简便地绘制火山图。它提供了多种自定义选项，如设置阈值、添加参考线和调整点的样式等，使用户能够根据具体数据需求优化图表，便于更好地展示差异表达分析的结果。

在关于NST的论文中作者提到，NST有多种变式，除了前文介绍的基于物种的taxonimic NST(tNST)外，还有基于系统发育零模型的phylogenetic NST(pNST)，以及经过算式调整的modified NST(MST)。这些指数也都出现在了Oklahoma的研究者论文当中。同时，有许多研究论文中都采用了这种方法。

microeco包是由福建农林大学姚敏杰教授团队开发的一个强大工具，专注于扩增子测序数据的集成分析。该包集成了扩增子测序下游分析的多种功能，包括群落组成、多样性分析、网络分析、零模型等多方面内容。通过几行简单的代码，研究者就能实现复杂的分析需求。因此，自microeco包发布以来便受到了学术界的广泛关注，截至推文发稿日期，引用次数已达718次，是该领域的高被引文章。 之前一期我们介绍了microeco包中微生物网络分析，有需要的可跳转至扩增子分析|基于R语言microeco包进行微生物群落网络分

用于的工具包括等。每个工具在网络构建和可视化上各具优势，例如MENA基于随机矩阵理论，具备良好的抗噪性能；WGCNA构建无尺度加权基因网络；SpiecEasi结合数据转换与图形模型推理框架。一些工具如Cytoscape、Gephi和R包（igraph、ggraph）提供可视化功能，但存在的问题。为解决这些局限，南京农业大学袁军和中科院刘永鑫团队开发了，该包于2022年发表在国内主办的微生物领域全球第一期刊上，截止推文发稿日期已经，广受微生物生态研究者关注和喜爱。特点包括、通过。

了解控制生物多样性模式的群落组装机制是生态学中的一个核心问题。确定性过程是基于生态位理论且不随机的，分为非生物和生物因素，非生物因素包括外界的环境因子(温度、天气、pH、盐度等等)，而生物因素指的是互作关系(包括竞争、互利、捕食等)。通俗来说，确定性过程其实就是选择过程。相比之下，随机性过程在一定程度上无法预测。这包括随机的出生、死亡、随机的迁入迁出(扩散、迁移)以及生态漂变(生物体丰度随机变化)。经过长期的争论，目前的观念认为，确定性过程和随机过程同时控制着群落的组装。

已成为微生物生态学研究的核心问题，评判微生物互作网络稳定性的方法很多，包括网络的复杂性（节点和连接数）、网络模块性、平均聚类距离等。此外，网络的内聚力指数也被用来评价微生物互作网络的稳定性。Cristina M Herren等人2017年在提出网络的内聚力之后，被和等多篇顶刊引用。现今已被研究者广泛接纳，并成为Nature系列文章用来评价微生物群落特征分析的重要组成部分。

R包ggClusterNet由南京农业大学袁军教授和中科院刘永鑫团队开发，并发布在iMeta上。该工具广受微生物生态学研究者的喜爱和关注。其主要特点包括：快速分析、通过少量代码即可完成网络分析，且具备高度的可重复性。尤其是ggClusterNet提供了多种微生物生态网络可视化工具，支持对网络特性的深度挖掘。图源：Wen,Tao, et al. 2022. iMeta 1, e32. 上期我们介绍ggClusterNet的绘图代码，重点展示其提供的多达十种网络布局选项，帮助研究者解决网络图布局不美

此外，相对丰度较低的类群可能还会带来更多的噪声。目前大家已经对基于系统发育β多样性的零模型都有比较完整的理解，但是iCAMP的算法基于了什么样的底层逻辑，这样的算法有什么理论基础和支持，参数是如何选择、优化的，在不同条件的表现性能怎么样，这些方面也应该得到较为详尽的解析，这样我们才能对iCAMP这一套核心的算法有更深层次的理解。首先我们进行binning，得到样本点中每个bin的相对丰度，之后我们进行样本点的成对比较，得到每个bin的系统发育指数即βNRI，之后可以得到每个bin在不同样本对中的主导过程。

包由凯斯西储大学张亮亮团队发布ggpicrust2是一个综合的 R 包，旨在为分析和解释PICRUSt2功能预测结果。它提供了多项功能，包括路径名称/描述注释、高级差异丰度（DA）分析方法，以及 DA 结果的可视化，帮助研究人员深入理解微生物群落的功能潜力。该方法自发布以来广受重视和使用。该包的独特功能之一是能够比较不同 DA 方法在同一数据集上的一致性和不一致性。允许用户在预测和测序特定样本的宏基因组时评估各种方法之间的一致性和差异性，评估结果的稳健性。

在文末只输出了一个.csv 表格。并没有提供绘图的方法，有小伙伴问如何在R中一键成图呢？还真可以！小伙伴建议绘制带显著性检验的箱线图以及柱状图，本文提供了后续相关代码。如下图所示，绘制出漂亮的箱线图和堆叠柱状图将为论文增色不少。

近年来，微生物群落中丰富物种和稀有物种的分类以及它们各自在微生物群落中发挥的重要功能被逐渐重视，生态学知名杂志ISME Journal, Microbiome，Nature Communictions，iMate等均有所提及。因此，对稀有物种和丰富物种的定义和分类计算就显得非常重要，其对解析群落中的丰富和稀有物种是非常关键的。

热图是一种非常有用的数据可视化工具，被广泛应用于生物信息学领域。它通过不同的颜色展示数据中的模式，比如基因在不同样本中的表达差异。你可以很直观地看到哪些基因在特定条件下的表达变化很大，也可以比较不同实验组的数据。热图还能通过聚类分析帮你找到数据中的相似性和差异，揭示潜在的生物学规律和疾病机制。总的来说，热图让复杂的生物数据变得更易于理解，是分析和解释数据时的一个重要工具。因此，受到广大研究者的追捧，如下所示，nature系列文章不乏各种漂亮的热图。