1. 数据来源文章
文章：
研究方法：
本实验研究对像为智利北部的阿塔卡马沙漠。 此地为世界上最干旱的地区之一，其中有些地方十年降水量不足1毫米。尽管这里极端干旱，但仍有微生物生活在这里。我们的采样地点为东部的Baquedano和西部的Yungay，发现土壤温度与降水量正相关。在这两个地点，我们挖坑，并在不同深度取三组样品。
软件版本：
qiime2-2018.4
2. 数据准备
source activate qiime2-2018.4
mkdir qiime2-atacama-tutorial
cd qiime2-atacama-tutorial
# 实验设计表
wget http://bailab.genetics.ac.cn/markdown/QIIME2/atacama-soils/sample-metadata.tsv
# 10%的原始数据，正向，反向，barcode
mkdir emp-paired-end-sequences
wget -O "emp-paired-end-sequences/forward.fastq.gz" "https://data.qiime2.org/2018.4/tutorials/atacama-soils/10p/forward.fastq.gz"
wget -O "emp-paired-end-sequences/reverse.fastq.gz" "https://data.qiime2.org/2018.4/tutorials/atacama-soils/10p/reverse.fastq.gz"
wget -O "emp-paired-end-sequences/barcodes.fastq.gz" "https://data.qiime2.org/2018.4/tutorials/atacama-soils/10p/barcodes.fastq.gz"3. 双端数据分析方法
# 双端数据导入，数据建库类型为EMP双端序列(本示例来自EMP项目)
qiime tools import \
--type EMPPairedEndSequences \
--input-path emp-paired-end-sequences \
--output-path emp-paired-end-sequences.qza
# 数据拆分
# 按Barcode进行样品：--m-barcodes-file为含有样品与barcode信息对应的实验设计，--m-barcodes-category指定含有barcode信息的列名称，--i-seqs输入文件，--o-per-sample-sequences输出文件， --p-rev-comp-mapping-barcodes为barcode方向，是用实验设计的barcode与测序文件比对确定方向，此分析中为反向互补
qiime demux emp-paired \
--m-barcodes-file sample-metadata.tsv \
--m-barcodes-category BarcodeSequence \
--i-seqs emp-paired-end-sequences.qza \
--o-per-sample-sequences demux \
--p-rev-comp-mapping-barcodes
# 对拆分样品的结果和质量进行统计
qiime demux summarize \
--i-data demux.qza \
--o-visualization demux.qzv
# 展示统计分析结果
qiime tools view demux.qzv4. 回答问题
1. 接下来OTU表标准化参数–p-sampling-depth应该选多少？有多少样品应该从实验中剔除？过滤后核心矩阵中有多少数据量？
2. 实验设计中的那种分级方式中微生物组成差异最大？采用那种距离计算方法分开更明显，是unweighted UniFrac还是Bray-Curtis？考虑尝试使3. 用qiime diversity beta-correlation and qiime diversity bioenv分析结果，可以使用--help查看详细帮助。
4. 使用qiime diversity alpha-correlation分析样品间的相关性，看看能得到什么结论？
5. 按组分析Alpha多样性，并比较是否有显著差异？
6. 在门水平查看不同温度下微生物组成？看那些种类与湿度相关？
7. 在有无植被的取样地点，什么菌门差异明显？