2025-06-12
宏(hong)基(ji)(ji)因(yin)組(zu)學(xue)(xue)(xue)研究可分為(wei)環(huan)境宏(hong)基(ji)(ji)因(yin)組(zu)學(xue)(xue)(xue)和醫(yi)學(xue)(xue)(xue)宏(hong)基(ji)(ji)因(yin)組(zu)學(xue)(xue)(xue)兩大(da)方向。本文聚焦宏(hong)基(ji)(ji)因(yin)組(zu)學(xue)(xue)(xue)數據分析(xi)，精選(xuan)了該領域最常用(yong)的幾種(zhong)可視化圖(tu)表，從以下三個維度進行(xing)系統解析(xi)：分別是(shi)圖(tu)表介紹、分析(xi)設置(zhi)、圖(tu)表調整。通(tong)過這種(zhong)方式，幫(bang)助老(lao)師(shi)們，準(zhun)確解讀宏(hong)基(ji)(ji)因(yin)組(zu)數據可視化結果(guo)，提(ti)升研究論(lun)文的圖(tu)表呈現質量。
一、高級熱(re)圖
通過聚類(lei)(lei)熱圖展示不同樣本中物(wu)種 / 功能豐度變(bian)(bian)化，顏色(se)深淺反映了物(wu)種/功能豐度高低。此(ci)外(wai)進行層次聚類(lei)(lei)，將更相似的微(wei)生物(wu) / 功能或分組(zu)聚到一起。能夠直觀地展示微(wei)生物(wu) / 功能在不同樣本中的趨勢(shi)變(bian)(bian)化以(yi)及(ji)它們之(zhi)間的聚類(lei)(lei)關系。
熱圖(tu)設置行 / 列聚類
行分(fen)塊(kuai)算法：Z_Score、Mean_Centering、Pareto_Scaling、None
行分(fen)塊算法：C-Means、K-Means、Cutree
行 / 列聚(ju)類算(suan)法：提(ti)供(gong)8種算(suan)法分別是Ward.D、Ward.D2、Single、Complete、Average等
行 / 列距離(li)算法：提供6種算法分別(bie)是Euclidean、Maximum、Manhattan、Canberra等
行(xing) / 列分塊數：自定義數目
微生(sheng)物數據物種(zhong) / 功能
物(wu)種分(fen)類水平、物(wu)種未注(zhu)釋(shi)處(chu)理、功(gong)能數據(ju)庫、功(gong)能水平
二、Alpha多(duo)樣性(xing)指數
alpha多(duo)樣性(xing)(xing)是指局部均(jun)勻生(sheng)境下的物種在豐富度(du)(richness)、多(duo)樣性(xing)(xing)(diversity)和均(jun)勻度(du)(evenness)等方面的指標，也被稱為生(sheng)境內多(duo)樣性(xing)(xing)(within-habitat diversity)。
指數(shu)選擇
Chao1；Good's_coverage；Simpson；Pielou_e；等
分析方法
分組數(shu)為2:Student's t-test；Welch's t-test等
分組數≥3：Kruskal-Wallis test；ANOVA
圖表類型
普通箱(xiang)線圖(tu)(tu)、散點箱(xiang)線圖(tu)(tu)、提琴箱(xiang)線圖(tu)(tu)、蜂群箱(xiang)線圖(tu)(tu)、柱狀圖(tu)(tu)
我們把靜態(tai)的Alpha多(duo)樣(yang)性指數圖(tu)表，研發升(sheng)級成交互式(shi)圖(tu)表。對于(yu)圖(tu)表調(diao)整部分，能幫(bang)助老(lao)師們快速(su)得到繪圖(tu)結果。
三、富(fu)集分析分面氣(qi)泡圖
氣泡圖：可以(yi)按(an)照KEGG L1功能水平(ping)(ping)進行分面展示。氣泡大小為富集到(dao)(dao)這(zhe)條(tiao)通路(lu)的(de)差異(yi)基(ji)因個數(shu)(shu)。X軸(zhou)(zhou)可選Z_Score/RichFactor。默認Z_Score，表示上調(logFC>0)基(ji)因數(shu)(shu)和下調基(ji)因數(shu)(shu)的(de)差與注(zhu)釋到(dao)(dao)通路(lu)的(de)基(ji)因數(shu)(shu)平(ping)(ping)方根的(de)商。RichFactor表示差異(yi)表達基(ji)因的(de)數(shu)(shu)量與注(zhu)釋到(dao)(dao)該通路(lu)的(de)所有基(ji)因數(shu)(shu)量的(de)比值。Y軸(zhou)(zhou)為-log(adjPvalue/Pvalue)
富集分析設置
多重(zhong)檢驗校正(zheng)：Holm、Hochberg、Hommel、Bonferroni等
P值選(xuan)擇：Pvalue、adjPvalue
展(zhan)示變(bian)化類型(xing)：上(shang)調、下(xia)調、全(quan)部
圖表設置(zhi)
圖(tu)表寬(kuan)高(gao)：自(zi)定義(yi)百分比
圖表展示方(fang)式：常規氣泡圖、分面氣泡圖
展示(shi)面板(ban)：根據圖表展示(shi)面板(ban)、可拖動調換面板(ban)順(shun)序(xu)、可勾選面板(ban)進行展示(shi)
四、網絡分析Hub節點散點圖
Hub節(jie)(jie)(jie)點(dian)(dian)散點(dian)(dian)圖(tu)是網(wang)(wang)絡(luo)分析中用于識別關鍵(jian)節(jie)(jie)(jie)點(dian)(dian)（Hub）的(de)(de)一種可視化方法。它(ta)通常(chang)結合多個中心性(xing)指標（如度中心性(xing)、介數中心性(xing)、接(jie)近中心性(xing)等）來展示節(jie)(jie)(jie)點(dian)(dian)在網(wang)(wang)絡(luo)中的(de)(de)重要(yao)性(xing)，幫助(zhu)研(yan)究者快(kuai)速發現網(wang)(wang)絡(luo)中的(de)(de)核心節(jie)(jie)(jie)點(dian)(dian)、橋梁節(jie)(jie)(jie)點(dian)(dian)或異(yi)常(chang)節(jie)(jie)(jie)點(dian)(dian)。
網(wang)絡設置
是(shi)否邊(bian)剔除、自定義(yi)邊(bian)剔除閾值、是(shi)否刪(shan)除獨立節點
hubs節點設(she)置
Degree、Betweenness、Closeness等
圖表設置
自定(ding)義(yi)圖表(biao)寬高、圖表(biao)顏色、圖表(biao)添加虛線(xian)以及文(wen)字
典型Hub節點散點圖示例：
Module Hubs（模塊(kuai)樞(shu)紐）：在某個模塊(kuai)（社區）內部(bu)高(gao)度(du)連(lian)接(jie)的(de)節點，但在整個網絡中的(de)全(quan)局(ju)影響力較低。
Network Hubs（網絡樞紐）：在整(zheng)個(ge)網絡中具(ju)有全局(ju)影響(xiang)力(li)的(de)關鍵節點(dian)，通常(chang)連接多個(ge)模(mo)塊。
Connectors（連(lian)接器(qi) / 橋梁節(jie)點(dian)）：連(lian)接不(bu)同模塊的節(jie)點(dian)，但(dan)不(bu)一定是(shi)高度(du)連(lian)接的 Hub。
Peripherals（邊(bian)緣節點）：連接度低(di)，通(tong)常(chang)位(wei)于網絡的邊(bian)緣，對信(xin)息(xi)流動影(ying)響較小。
五、高級餅(bing)圖
圈圖從內(nei)到外依次代(dai)表域、門、綱、目、科、屬，種(zhong)七個(ge)分(fen)類水平(ping)（或(huo)其他(ta)指定分(fen)類水平(ping)），扇形的大小(xiao)反(fan)映了不同分(fen)類單元(yuan)的相對豐度(du)高(gao)低，并給出具(ju)體數(shu)值。在每個(ge)分(fen)類水平(ping)，各分(fen)類單元(yuan)以不同的顏(yan)色加以區分(fen)。
物(wu)種分(fen)類水(shui)平
Domain、Phylum、Class、Order、Family、Genus、Species
物種未注(zhu)釋(shi)處理
刪除未(wei)注釋、合(he)并未(wei)注釋、合(he)并入Others、不處(chu)理
功能數據庫
KEGG、GO、ARDB、BacMet、MCyc等(deng)
功能水平
L3、L2、L1等
六(liu)、RDA / CCA分析(xi)
在(zai)RDA / CCA分析結果圖(tu)中：點(dian)代表不同的樣本(ben)，箭頭代表不同的環境(jing)因子。
樣本點：
樣本點的(de)不同(tong)顏色表示(shi)屬(shu)于不同(tong)分組(zu)，兩(liang)點之間的(de)距離越(yue)(yue)接近，說明兩(liang)個樣本的(de)菌群組(zu)成/功能相似度越(yue)(yue)高(gao)。
樣本(ben)點到環(huan)境因子箭頭及其延長線的垂直距離表示環(huan)境因子對(dui)(dui)樣本(ben)的影響(xiang)強度，樣本(ben)點與箭頭距離越(yue)近，該(gai)環(huan)境因子對(dui)(dui)樣本(ben)的作用越(yue)強。
樣本點位于箭(jian)頭(tou)同方向(xiang)，表(biao)示(shi)環境因子(zi)與樣本物種群(qun)(qun)落(luo)的變化(hua)正(zheng)相(xiang)關，樣本位于箭(jian)頭(tou)的反方向(xiang)，表(biao)示(shi)環境因子(zi)與樣本物種群(qun)(qun)落(luo)的變化(hua)負相(xiang)關。
箭(jian)頭：箭頭的長度代(dai)表該環境因(yin)(yin)子(zi)對于物(wu)種組成的影響程度（解釋量）的大小，箭頭的長度越長，表示環境因(yin)(yin)子(zi)的影響越大。環境因(yin)(yin)子(zi)射線(xian)間的夾角代(dai)表環境因(yin)(yin)子(zi)間的正(zheng)、負(fu)相(xiang)關(guan)(guan)性（銳(rui)角：正(zheng)相(xiang)關(guan)(guan)；鈍(dun)角：負(fu)相(xiang)關(guan)(guan)；直角：無(wu)相(xiang)關(guan)(guan)性）。
分析方式
RDA、CCA、dbRDA
得(de)分縮放
None、Sites、Species、Symmetric
橢圓置信度
0.95、0.9、0.8、0.7
七、桑基圖
桑(sang)基(ji)圖(tu)展示數(shu)據(ju)的“流動”變化，分(fen)支(zhi)的寬度(du)(du)表示流量的大小，應用于不同層級物種豐度(du)(du)數(shu)據(ju)的可視化。桑(sang)基(ji)圖(tu)由于每個流向的數(shu)據(ju)不一(yi)樣，桑(sang)基(ji)圖(tu)中的流線(xian)也寬窄不一(yi)，邊的寬度(du)(du)與豐度(du)(du)成比例的顯示，邊越寬，豐度(du)(du)數(shu)值(zhi)越大。
豐度單位
Reads_Count、TPM、PPM、RPKM
未注(zhu)釋處(chu)理
刪(shan)除所有(you)水平(ping)、刪(shan)除最低(di)水平(ping)、不處理(li)
分類水平
Phylum、Class、Order、Family等
圖(tu)表設置
樣本(ben) / 節點顏色設置
百度搜索“派森諾基因云”，或直接訪問官方網站//www.genescloud.cn/home，點擊進入“云分析”，通過輸入“ 宏基因”關鍵詞，開啟您的個性化體驗之旅。溫馨提示：平臺現已正式接入DeepSeek-R1滿血版，您可以根據需求切換不同模型進行體驗。在繪圖過程中，如果遇到常見問題，建議先使用PAI繪圖小助(zhu)手進行自助解(jie)決；若有個(ge)性化需(xu)求或(huo)遇到無法解(jie)決的(de)問題，歡(huan)迎通過【工單中心】與(yu)平臺聯系，提出您(nin)的(de)需(xu)求或(huo)建議(yi)。派森諾基因云始(shi)終秉持“持續創新，不斷升級”的(de)理念，未(wei)來將推(tui)出更多精美的(de)可視化圖(tu)表與(yu)實(shi)用的(de)分析工具，期待您(nin)的(de)使用與(yu)反饋！
