利用mothur对数据进行后续分析（基于OTU分析）

后面的分析中会持续用到shared文件，这个文件其实就是不带注释的otu表的倒置，本节中只进行数据分析，数据可视化留到后面。我们以以下文件为例：

1 稀释性曲线

rarefaction.single(shared=current)

生成的文件用喜欢的软件做plot图就可以，这里用libreOffice简单的看一下。

2 抽平样本（可选步骤）

count.groups(shared=current) #查看各组序列数
sub.sample(shared=current, size=最小序列数)

3 α多样性计算

summary.single(shared=current)

系统会默认计算出sobs, chao, ace, shannon和simpson值，数据导入熟悉的统计软件分析

4 β多样性计算

 dist.shared(shared=current, calc=thetayc-jclass-braycurtis) 

可用的描述组成相似性的距离算法有

• braycurtis - the Bray-Curtis similarity coefficient
• canberra
• gower
• hellinger
• jabund - the abundance-based Jaccard similarity coefficient
• manhattan
• morisitahorn - the Morisita-Horn similarity coefficient
• odum
• soergel
• sorabund - the abundance-based Sorenson similarity coefficient
• spearman
• speciesprofile
• structchi2
• structchord
• structeuclidean
• structkulczynski
• structpearson
• thetan - the Smith theta similarity coefficient
• thetayc - the Yue & Clayton theta similarity coefficient

pcoa(phylip=相应的dist文件)
nmds(phylip=相应的dist文件)

 同时，NMDS会给出stess值和R2,stress至少<0.2才能用NMDS，本例中的stress是0.35，不适合用NMDS分析。

我们想看下个OTU对主成分的共享度，用以下命令

corr.axes(axes=对应的axes文件, shared=current, method=spearman, numaxes=3)