1. 物种丰度分析概述

物种丰度分析，说白了就是搞清楚一个微生物群落里「谁多谁少」的问题。我刚入行那会儿，拿到OTU表第一反应就是看哪个菌最多，后来才发现这事远没那么简单。今天这一章，我就把丰度分析的核心概念、为什么要做、以及实际用在哪儿，跟你一次讲透。

1.1 什么是物种丰度

物种丰度，指的是在一个样本中，某个物种（或OTU、ASV）的「数量」有多大。这个数量可以是绝对的，也可以是相对的，两者含义完全不同。

• 绝对丰度：样本中该物种的实际序列条数或细胞数。比如「OTU_1 在样本A中有125条序列」，这就是绝对丰度。
• 相对丰度：该物种的序列数占样本总序列数的比例。比如「OTU_1 占样本A总序列的12.5%」，这就是相对丰度。

我在项目中遇到过这样的情况：两个样本的绝对丰度差了好几倍，但相对丰度看起来却差不多。为什么会这样？因为测序深度不同。一个样本测了5万条序列，另一个测了10万条，单纯比绝对数没有意义。所以实际分析中，我们多数时候用的是相对丰度。

这里给你看一个典型的OTU丰度表长什么样：

OTU_ID   Sample1   Sample2   Sample3
OTU_1    125       89        234
OTU_2    45        12        67
OTU_3    0         5         18
OTU_4    78        156       43

每一行是一个物种（或OTU），每一列是一个样本，单元格里的数字就是该物种在该样本中的序列计数。嗯，这就是最原始的丰度数据形态。

1.2 为什么做丰度分析

你想想看，我们做微生物组研究，最想知道的是什么？无非三个问题：「谁在？有多少？跟什么有关？」 丰度分析回答的正是第二个问题。

具体来说，做丰度分析有这几个核心目的：

1. 描述群落结构——每个物种占多大比例，优势菌是谁，稀有菌有哪些。
2. 比较组间差异——健康组vs疾病组，处理组vs对照组，哪些物种丰度发生了显著变化。
3. 关联环境因子——丰度变化跟pH、温度、药物剂量等变量是否相关。
4. 评估多样性——丰度分布直接影响Alpha多样性和Beta多样性的计算。

我曾经踩过一个坑——直接用原始OTU计数做差异分析，结果假阳性高得吓人。后来才意识到，测序深度差异、批次效应、以及稀有OTU的稀疏性问题，都会让丰度数据产生偏差。所以我建议，拿到数据后先做两步：一是查看测序深度分布，二是做丰度归一化（比如用CSS、TMM或RLE方法）。

1.3 应用场景

丰度分析不是实验室里的纸上谈兵，它在实际项目中用处很广。下面这张表总结了几个主要领域：

领域	典型应用	丰度分析目的
环境微生物	土壤/水体/空气微生物群落	评估环境健康、污染指示、生态修复效果
人体微生物组	肠道/口腔/皮肤微生物	疾病标志物发现、疗效预测、营养干预
农业生产	根际微生物、堆肥微生物	作物健康与产量、土壤改良、病害防控
工业发酵	酒曲、酸奶、酶制剂发酵过程	工艺优化、菌群稳定性监控、污染预警
生物制药	微生物活性产物筛选	高产菌株筛选、发酵条件优化

我印象很深的一个项目，是做肠道微生物与2型糖尿病的关联研究。当时我们比较了100多个患者的粪便样本，通过丰度分析发现了3个在疾病组显著富集的OTU，后来验证其中一个跟胰岛素抵抗的指标高度相关。这就是丰度分析在临床转化中的价值。

为了方便你理解整个物种丰度分析的知识体系，我把核心概念、分析目的和应用场景整理成了下面这张框架图：

从这张图你可以看到，物种丰度分析并不是一个孤立的步骤，它上接原始测序数据，下连统计建模和生物学解读。我个人习惯把丰度分析比作「给微生物群落拍合影」——你不仅要知道谁在场，还得知道谁多谁少，以及这个多和少意味着什么。