1. 宏基因组学与物种丰度概览
宏基因组学，说白了就是直接从环境样本里提取所有微生物的 DNA 进行测序，然后看看“都有谁、在干什么”。我刚开始接触这行的时候，总以为它跟传统微生物培养差不多——结果第一次跑完测序数据，看到几十万个序列文件，头皮都麻了。
后来做了几个项目才明白，物种丰度才是整个分析的起点。你想想看，我们拿到一堆测序数据，最想知道的不就是“这管泥土里到底是 变形菌门 多，还是 厚壁菌门 多”吗？丰度就是用来回答这个问题的。
1.1 宏基因组学到底在研究什么？
宏基因组学不再像传统方法那样，单独培养某一种细菌。它把整个样本中的所有微生物看作一个“群落”，一次性测序，然后通过比对数据库来鉴定物种。常见的应用场景包括：
- 人体微生物组——比如肠道菌群与疾病的关系
- 环境微生物组——土壤、海洋、废水处理
- 食品微生物组——发酵过程菌群动态
- 临床诊断——感染病原体快速鉴定
我前几年参与过一个土壤修复项目，当时客户要求看石油烃降解菌的丰度变化。如果只靠传统平板计数，根本数不清那些“不可培养”的菌——但宏基因组一跑，一目了然。
1.2 什么是物种丰度？
物种丰度简单讲，就是某一种微生物在整个群落中所占的“数量份额”。但这里有个容易踩的坑：
| 丰度类型 | 定义 | 常见用途 |
|---|---|---|
| 绝对丰度 | 样本中该物种的序列数量（或拷贝数） | 需结合内参或定量才能比较 |
| 相对丰度 | 该物种序列数 ÷ 总有效序列数 | 最常用，简单归一化，但成分性严重 |
| 归一化丰度 | 经过文库大小、GC含量等校正后的丰度 | 推荐用于跨样本比较 |
1.3 为什么要做可视化？
你想想看，一张几千行的丰度表格摆在你面前，你能看出什么规律？反正我读研时盯着 Excel 看了三天，眼睛都快瞎了。可视化就是为了把数字转成图形，让人一眼就抓住关键信息。
# 一个典型的丰度表格（前几行）
SampleID ASV_1 ASV_2 ASV_3 ...
S001 0.12 0.045 0.003 ...
S002 0.08 0.060 0.001 ...
S003 0.15 0.032 0.009 ...上面这串数字，如果画成堆叠柱状图、热图或网络图，马上能看出不同样本之间的群落结构差异。
1.4 可视化入门需要掌握哪些基础？
我个人习惯把这门课的知识点分成四大块：
- 数据基础——丰度矩阵、元数据、分类学注释
- 常用图表——堆叠柱状图、热图、Alpha/Beta 多样性图
- 工具实战——R 的 ggplot2/phyloseq、Python 的 matplotlib/scikit-bio
- 进阶技巧——交互式可视化、网络图、动态展示
下面这张图帮你理清整个知识体系的脉络：
1.5 你需要准备什么工具？
本教程我会用到的核心工具都列在下面。你不用一次全装好，每章我会手把手带你走一遍。
| 工具 | 用途 | 安装方法（简） |
|---|---|---|
| R / RStudio | 统计图表主力 | |
| Python (≥3.8) | 数据处理与机器学习 | |
| QIIME 2 | 定量微生物组分析 | 建议通过 conda 安装 |
| Vega / Vega-Lite | 交互式可视化语法 | 网页嵌入用，无需本地安装 |
小提示： 我个人推荐先装 R 和 ggplot2，因为宏基因组可视化领域大部分经典图（如堆叠柱状图、Alpha 多样性箱线图）都有现成的 R 包支持，上手最快。
1.6 第一个实战：从一张丰度表格开始
咱们别光扯概念，直接干点实事。你会拿到一个模拟的丰度数据（后面章节我会教你怎么从真实测序结果生成它）。现在先看看它长什么样：
# 模拟丰度矩阵（6个样本 × 4个门水平分类群）
Phylum S01 S02 S03 S04 S05 S06
Bacteroidetes 0.34 0.29 0.41 0.38 0.27 0.33
Firmicutes 0.45 0.51 0.38 0.42 0.55 0.48
Proteobacteria 0.15 0.13 0.17 0.14 0.12 0.15
Actinobacteria 0.06 0.07 0.04 0.06 0.06 0.04你可以试着手动算算每个样本的 相对丰度总和——是不是都等于 1？嗯，这是成分数据的典型特征。下一章我们会用这个数据画第一张堆叠柱状图。
1.7 本章小结
这一章我们只做了一件事：把宏基因组物种丰度可视化的来龙去脉捋清楚。你知道了：
- 什么叫宏基因组学，为什么它比传统培养强
- 物种丰度的三种形式：绝对、相对、归一化
- 可视化的核心价值——从数字到洞察
- 整个教程的知识体系结构（就是上面那张 SVG 图）
- 需要的工具和第一个数据样例