437必赢官网资源与环境学院环境基因组团队近期以必赢437官方网站为第一单位和通讯单位在期刊《Nature Protocols》发表了题为”A workflow for statistical analysis and visualization of microbiome omics data using the R microeco package”的方法类文章。其综合了前期的方法类（FEMS Microbiol. Ecol. 2021, 97, fiaa255; iMeta 2023, 2, e71）和研究类（Geoderma 2022, 418, 115866; Plant Soil 2025, 507, 89–108）文章，并进行了大量的创新优化，提供了一个用于微生物多组学数据统计分析和可视化方法的可重复流程。该论文的第一作者为资源与环境学院2021级博士生刘驰（已毕业）。通讯作者为资源与环境学院李香真教授和姚敏杰教授。
随着微生物组领域实验设计的日益复杂、数据量的激增，以及组学数据类型的多样化，统计分析与可视化面临巨大挑战。本文提出了一套基于R 语言 microeco 包的分步式分析方案，系统阐述微生物组数据的统计分析和可视化流程。所涵盖的组学数据类型包括扩增子测序数据、宏基因组测序数据及非靶向代谢组数据。其中，扩增子测序数据分析涵盖数据预处理与标准化、核心物种识别、α多样性、β多样性、差异丰度检验及机器学习等关键步骤。我们在每一部分均设置多种数据分析场景，以展示该方案的全面性。需特别指出的是，针对不同步骤，作者们依据最佳实践，选取由不同方法生成的标准化数据用于后续分析。在差异丰度检验部分，引入参数化群落模拟，以评估各种检验方法的性能。对于宏基因组数据，重点介绍如何读取和预处理生物信息学分析结果，并指出其与扩增子测序数据在主要使用方式上的差异。针对代谢组数据，文章主要展示差异检验、机器学习及其与微生物丰度的关联分析。为应对复杂分析需求，本方案广泛整合多种方法类型，构建可扩展的分析流程。与现有方法相比，该方案更为全面且具备良好的可扩展性。
流程的总体框架
本研究得到国家自然科学基金（42077206、U22A20608、42477117）和国家重点研发计划（2018YFE0107000）的资助。
原文链接：https://www.nature.com/articles/s41596-025-01239-4