信息分析流程:采用Cutadapt软件 (V1.9.1, http://cutadapt.readthedocs.io/en/stable/) (Bolger
et al., 2014) 去除低质量、Barcode和引物序列后得到原始数据 (Raw reads)。原始数据再进行质控过滤,得到有效数据 (Clean Data)。以序列相似度97%为标准,从原始数据到OTU表主要采用UPARSE v10.0 (Edgar, 2013) 软件对所有有效序列进行可操作分类单元 (Operational taxonomic unit, OTU) 聚类分析。采用UCHIME (Edgar
et al., 2011) 检测并去除PCR扩增过程产生的嵌合体,采用Usearch_global方法分析各OTU丰度。之后,与参考数据库 (细菌和古菌可参考Greengenes或SLIVA数据库,真菌可参考UNITE数据库) 进行比对,采用QIIME软件 (
http://qiime.org/scripts/assign_taxonomy.html) 及RDP Classifier贝叶斯算法 (Version 2.2,
http://sourceforge.net/projects/rdp-classifier/) 对每个OTU中的所有序列进行分析和注释,在各分类水平统计样品的微生物群落组成。最后,在以上分析的基础上,可以进行基于OTUs和物种组成的聚类分析。用QIIME软件计算样品的α-多样性指数 (Shannon指数、覆盖率、OTU数和Chao1指数) ,并基于UniFrac距离分析样品的β-多样性。用R软件 (Version 4.0.1) ade4、vegan、WGCNA、ggplot2等软件包进行PCA,PCoA、NMDS、CCA和RAD分析,挖掘物种的组间差异,并结合环境因素 (如日粮结构、营养素、生产表型、健康表型、微生物代谢产物浓度等) 进行关联分析,并对结果进行可视化。