16S的OTU差异分析方法：PCoA,Lefse

1.分别比较正常组和疾病组的，每个样本在门纲目科属五个水平下OTU丰度差异。
用QIIME来得到结果：（你可以对疾病组和正常组分别做这个分析，在进行比较）
（1）将TXT的OTU丰度表转化成biom格式
biom convert -i OTU_Taxonomy_summary.txt -o OTU_Taxonomy_summary.biom --to-hdf5 --table-type="OTU table" --process-obs-metadata taxonomy
（2）summarize_taxa_through_plots.py -o taxa_summary -i OTU_Taxonomy_summary.biom
这步你可以得到如下结果：（部分截图）

2.用qiime对两组数据进行PCoA分析：
（1）分析beta多样性

beta_diversity.py -i OTU_Taxonomy_summary.biom -m euclidean -o beta_div

（2）

principal_coordinates.py -i beta_div/euclidean_OTU_Taxonomy_summary.txt -o PcoA/beta_div_coords.txt

（3）

make_prefs_file.py -m mapping_file.txt -k white -o prefs_file.txt

这里mapping_file.txt文件是样本分别属于哪个组。
比如我的：#SampleID Group两列

（3）2d的PCoA图

make_2d_plots.py -i PCoA/beta_div_coords.txt -p prefs_file.txt -o PCoA/2d_plots/ -m mapping_file.txt

（4）3d的PCoA图

make_emperor.py -i PCoA/beta_div_coords.txt -m mapping_file.txt -o emperor_output

3.LEFSE
（1）先用QIIME做如下处理：

summarize_taxa.py -i OTU_Taxonomy_summary.biom -o summarize_taxa_L6 -m mapping_file.txt --delimiter '|'

（2）打开在线网站:https://huttenhower.sph.harvard.edu/galaxy/
你可以在线进行处理：
第一步：上传生成的summarize_taxa_L6文件夹中mapping_file_L6.txt，上传之前你可以改成这种格式：

特别注意，你的文件必须是tab分隔的，上传时：

而且你要注意：

第二步：

第三步：

依次完成如下步骤即可。