物种丰度表概述：定义、应用场景与数据来源
到底什么是物种丰度表？
先问一个最基本的问题。我们在做微生物组分析时，经常听到「物种丰度表」这个词。它到底长什么样？我习惯用一个简单的比喻来解释：你手里有一张Excel表格，行是样本编号，列是物种名称，交叉点填的是这个物种在这个样本里有多少条序列。
说白了，这就是一张计数矩阵。我在刚入行时，有段时间总把它跟OTU表搞混。其实物种丰度表更广义一些，它可以是OTU级别的，也可以是属、科、甚至门级别的。
看一个最简单的例子：
样本ID Escherichia Bacteroides Lactobacillus
S01 1200 850 320
S02 980 1100 450
S03 1500 720 620这个结构清晰明了。每一行代表一个样本，每一列代表一个物种，单元格里的数字代表该物种在该样本中的序列量。注意，这里的数字可以是绝对计数，也可以是相对丰度，取决于你做了哪种标准化。
关键点：物种丰度表是下游所有分析的起点。Alpha多样性、Beta多样性、差异物种筛选、网络分析，全都离不开这张表。所以它的质量，直接决定了后续分析的可信度。
三个核心应用场景
你可能会好奇，这张表到底能用来做什么？我在多个项目中总结出三个最常用的场景：
- 群落结构可视化 —— 堆叠柱状图、热图、圈图，本质上都是拿丰度表做聚合和映射。你看一张门水平的堆叠图，就能大概知道某个样本里厚壁菌门多不多。
- 组间差异比较 —— 比如患病组和健康组。我们通过丰度表找出在两组间显著差异的物种。常用的工具有LEfSe、edgeR、DESeq2等。
- 关联分析与建模 —— 把物种丰度和环境因子做关联，或者用来构建分类模型预测表型。这部分对数据标准化的要求极高，否则模型学到的全是噪音。
一个小技巧：在进行差异分析之前，我个人习惯先看一眼样本的测序深度是否均匀。如果深度差异很大，记得一定要做标准化，否则那些高测序深度的样本容易产生大量假阳性。
数据来源有哪些？
我们手里的丰度表不是凭空产生的。它的生成链条大概是这样的：
原始测序数据→质控→序列聚类/比对→物种注释→丰度计数→丰度表
具体来说，数据来源常见三类：
| 数据来源 | 技术原理 | 常见工具 |
|---|---|---|
| 扩增子测序 | 16S rRNA / ITS / 18S 基因扩增 | QIIME2, Mothur, DADA2 |
| 宏基因组测序 | 全基因组鸟枪法测序 | Kraken2, MetaPhlan, HUMAnN |
| 宏转录组测序 | mRNA 富集后测序 | Kallisto, Salmon, Trinity |
每种来源都有它的坑。我记得有一次项目里用的是宏基因组数据，同事直接用Kraken2的默认数据库做注释，结果出来的丰度表里很多物种分类到属一级就断了。这是因为默认数据库覆盖度不够。后来换了PlusPFP数据库，分辨率明显提上来了。
注意：不同工具生成的丰度表格式可能差异很大。比如DADA2输出的是ASV表（Amplicon Sequence Variant），而QIIME2经典流程输出的是OTU表。在做合并前，一定要搞清楚它们的格式和元数据是否对齐。
一张图看懂本章知识体系
下面这张SVG图，把刚才讲的三个核心部分串起来了。你可以把它当作一张地图，后面再遇到任何丰度表问题，都能回到这个框架里来找答案。
一个现实的坑：元数据的对齐
说到这，我想分享一个真实经历。有一次我参与一个合作项目，对方提供了三个批次的16S数据。QIIME2跑完之后，我拿到三张独立的丰度表。第一件事是检查它们的列名是否一致。嗯，结果发现第一批次的SampleID前缀是"T1_"，第二批是"T2_"，第三批更乱，直接用了实验室内部编号。
这就是一个典型的元数据对齐问题。你如果直接合并，后面做差异分析时，程序根本不知道哪些样本是对照组，哪些是处理组。所以我建议，在拿到原始数据后，第一时间整理一个统一的元数据表，把样本ID、分组信息、批次信息全部列清楚。具体格式类似这样：
SampleID Group Batch SequencingDepth
T1_A01 Control Batch1 25342
T1_B01 Treat Batch1 31005
T2_A01 Control Batch2 28901
T2_B01 Treat Batch2 27560有了这张表，后续的合并和标准化就能按部就班地进行。我之前吃过不看元数据的亏，后来养成了一个习惯：只要拿到新数据，先花10分钟过一遍元数据。这个习惯帮我在很多项目里避免了回头返工的麻烦。
一个实战建议：在写分析管道时，我会在第一步就把元数据加载进来，和丰度表绑定在一起。这样后续的所有过滤、标准化、可视化代码，都可以直接引用元数据里的列，不容易出错。
好了，关于物种丰度表的定义、应用场景和数据来源，我们就聊到这里。内容不多，但都是基础中的基础。后面的章节会逐一深入每个环节，包括各种合并策略和标准化的数学原理。你可以先把这张知识框架图截图存下来，遇到问题时回来瞄一眼，思路会清晰很多。