一、多样性指数介绍
多样性指数：是指物种多样性测定。
主要有三个空间尺度：α多样性，β多样性，γ多样性。
每个空间尺度的环境不同测定的数据也不相同。
α多样性： 主要关注局域均匀生境下的物种数目，因此也被称为生境内的多样性（within-habitatdiversity）。
群落生态学中研究微
生物多样性，通过单样品的多样性分析（α[Alpha]多样性）可以反映微生物群落的
丰度和多样性，包括一系列统计学分析指数估计环境群落的物种丰度和多样性。
β多样性： 指沿环境梯度不同生境群落之间物种组成的的相异性或物种沿环境梯度的更替速率也被称为生境间的多样性（between-habitatdiversity），控制β多样性的主要生态因子有土壤、地貌及干扰等。
β多样性意义：
①它可以指示生境被物种隔离的程度；
②β多样性的测定值可以用来比较不同地段的生境多样性；
③β多样性与α多样性一起构成了总体多样性或一定地段的生物
异质性。
群落生态学中研究微生物多样性，β（Beta）多样性是对不同样品/不同组间样品的微生物群落构成进行比较分析。
γ多样性： 描述区域或大陆尺度的多样性，是指区域或大陆尺度的物种数量，也被称为区域多样性（regionaldiversity）。控制γ多样性的生态过程主要为水热动态，气候和物种形成及演化的历史。
群落生态学中研究微生物多样性，γ多样性分析是指α多样性与β多样性相结合的分析。
二、α多样性指数
1.计算菌群丰度（Community richness）的指数
a) Chao- the Chao1 estimator
Chao：是用chao1算法估计样品中所含OTU数目的指数，chao1在生态学中常用来估计物种总数，由Chao(1984) 最早提出。
利用chao指数评估一个样本中OTU数目多少，chao指数越大，OTU数目越多，说明该样本物种数比较多。
b）Ace - the ACE estimator
Ace：用来估计群落中OTU数目的指数，由Chao提出，是生态学中估计物种总数的常用指数之一，与Chao1的算法不同。
2. 计算菌群多样性（Communitydiversity）的指数
a) Shannon- the Shannon index
Shannon：用来估算样品中微生物多样性指数之一。它与Simpson多样性指数常用于反映alpha多样性指数。 Shannon值越大，说明群落多样性越高。
b）Simpson - the Simpson index
Simpson：用来估算样品中微生物多样性指数之一，由EdwardHugh Simpson ( 1949) 提出，在生态学中常用来定量描述一个区域的生物多样性。
3. 测序深度指数
a)Coverage- the Good’s coverage
Coverage：是指各样品（克隆）文库的覆盖率，其数值越高，则样品中序列被测出的概率越高，而没有被测出的概率越低。该指数反映本次测序结果是否代表了样品中微生物的真实情况。
三、与物种多样性相关的曲线
1.稀释性曲线（Rarefaction curve）
稀释曲线 是从样品中随机抽取一定数量的个体，统计这些个体所代表的物种数目，并以个体数与物种数来构建曲线。它可以用来比较测序数据量不同的样品中物种的丰富度，也可以用来说明样品的测序数据量是否合理。采用对序列进行随机抽样的方法，以抽到的序列数与它们所能代表OTU的数目构建rarefactioncurve，当曲线趋向平坦时，说明测序数据量合理，更多的数据量只会产生少量新的OTU，反之则表明继续测序还可能产生较多新的OTU。因此，通过作稀释性曲线，可得出样品的测序深度情况。
2. Shannon-Wiener曲线
Shannon-Wiener是反映样品中微生物多样性的指数，利用各样品的测序量在不同测序深度时的微生物多样性指数构建曲线，以此反映各样品在不同测序数量时的微生物多样性。当曲线趋向平坦时，说明测序数据量足够大，可以反映样品中绝大多数的微生物信息。
3. Rank-Abundance曲线
Rank-abundance曲线是分析多样性的一种方式。构建方法是统计单一样品中，每一个OTU所含的序列数，将OTUs按丰度（所含有的序列条数）由大到小等级排序，再以OTU等级为横坐标，以每个OTU中所含的序列数（也可用OTU中序列数的相对百分含量）为纵坐标做图。
Rank-abundance曲线可用来解释多样性的两个方面，即物种丰度和物种均匀度。在水平方向，物种的丰度由曲线的宽度来反映，物种的丰度越高，曲线在横轴上的范围越大；曲线的形状（平滑程度）反映了样品中物种的均度，曲线越平缓，物种分布越均匀。
4. Specaccum物种累积曲线
物种累积曲线( species accumulation curves)： 是用于描述随着样品量的加大物种增加的状况，是调查样品的物种组成和预测样品中物种丰度的有效工具，在生物多样性和群落调查中，被广泛用于样品量是否充分的判断以及物种丰富度(species richness) 的估计。因此，通过物种累积曲线不仅可以判断样品量是否充分，在样品量充分的前提下，运用物种累积曲线还可以对物种丰富度进行预测（默认在同类样品量大于10个分析）。
四、与物种组成相关的图表
1.优势物种相对丰度图
根据OTU注释结果分别在各个分类水平：domain（域），kingdom（界），phylum（门），class（纲），order（目），family（科），genus（属），species（种）统计各样品的物种相对丰度并作图。
在结果中，包含了两个信息：–样品中含有何种微生物；–样品中各微生物的序列数，即各微生物的相对丰度。
因此，可以使用统计学的分析方法，观测样品在不同分类水平上的群落结构。将多个样品的群落结构分析放在一起对比时，还可以观测其变化情况。根据研究对象是单个或多个样品，结果可能会以不同方式展示。通常使用较直观的饼图或
柱状图等形式呈现。群落结构的分析可在任一分类水平进行。
2. 优势物种Heatmap图
Heatmap可以用颜色变化来反映二维矩阵或表格中的数据信息，它可以直观地将数据值的大小以定义的颜色深浅表示出来。常根据需要将数据进行物种或样品间丰度相似性
聚类，将聚类后数据表示在heatmap图上，可将高丰度和低丰度的物种分块聚集，通过颜色梯度及相似程度来反映多个样品在各分类水平上群落组成的相似性和差异性。
3. OTU分布
Venn图 Venn 图可用于统计多个样品中所共有和独有的OTU数目，可以比较直观的表现环境样品的OTU数目组成相似性及重叠情况。
4. 单样品多级物种组成图
单样品多级物种组成图通过多个同心圆由内向外直观地展现出单个样品在域、门、纲、目、科等分类学水平的物种比例和分布。