近期騰訊公眾號推送規則改版，沒有標註星標的朋友將無法正常收到文章更新，為避免錯過優質文章資源，大家務必按照下圖教程將公眾號星標置頂。
近年來，微生物群落的組成和多樣性研究逐漸成為農業及醫學科研熱點，越來越多的研究者開始致力於微生物多樣性的研究。
因此，微生物多樣性的資料分析也被越來越多的研究者所關注和學習。但是，微生物多樣性分析用到的軟體眾多，對於初學者而言軟體安裝及配置分析環境是一件非常麻煩的事情，讓眾多學習者頭痛不已。
為助力廣大微生物領域的科研工作者，我們組學大講堂特錄製了
《微生物多樣性資料分析實操》
課程，我們的課程基於docker映象，內建了幾乎所有的微生物多樣性分析的相關軟體，解決了軟體安裝和環境配置的問題，方便初學者使用和學習。可謂是
docker在手，文章我有
。
下面我們一起詳細瞭解下本課程的優勢。
分析軟體更新到qiime2：
QIIME2是Rob Knight實驗室和Greg Caporaso實驗室（QIIME文章的第一作者，現在擁有獨立實驗室）共同開發的一款跨時代革命性的全新擴增子微生物組分析流程。QIIME2不是QIIME1的一個簡單升級，它是一次採用python3完全的重寫，不僅支援聚類方法生成OTUtable，還支援最新的降噪方法生成feature table。QIIME2是一個綜合的分析工具，它將是未來擴增子分析的絕對分析標準。
物種註釋資料庫
真菌：unite 更新到 8.2
。官網更新時間為2020年1月15日，主頁連結：https：//unite。ut。ee/。8。2版本包含了12 664條高質量ITS參考序列，相比於7。2版本增加了近4000條ITS參考序列，有利於提高樣本的物種註釋率。
細菌資料庫：更新到silva 138
。 最新更新時間為2020年4月10日，主頁連結：https：//www。arb-silva。de/。SILVA資料主要來源於EMBL-EBI/ENA，命名源自於EMBL的公佈編號（release number）。SILVA每年根據EMBL資料庫的更新頻率進行更新。Silva資料庫收錄全面、更新比較及時，是目前高通量測序常用的16S分析參考資料庫之一。
功能註釋
PICRUSt功能預測軟體於2013年出道，使得16S資料可以預測群落功能組成，在推出後受到廣大研究者的青睞。但是，PICRUSt1軟體的結果輸出依賴於Greengene資料庫，但該資料庫更新的遲緩度嚴重限制到PICRUSt的功能預測範圍，已無法滿足日益增長的研究需求。2018年，全新版本的PICRUSt即PICRUSt2出道接棒，成為功能預測的新利器。
1）更豐富的基因組資訊：
升級後用於預測的參考基因組資料庫擴大了10倍以上，使功能預測資訊更加全面，較大提高了預測精度。
2）更友善的輸入輸出設定：
PICRUSt2在輸入資料時支援任何16S原始序列（OTU/ASV序列）輸入，內建註釋方法，使註釋過程不再依賴於GreenGene資料庫；在輸出時，支援輸出MetaCyc本體預測，這將可與宏基因組學的結果進行比較。
3）更貼近實際環境的預測設定：
PICRUSt2透過將OTU/ASV序列輸入至16S參考序列進化樹中進行基因家族複製數預測，而參考序列進化樹可根據不同樣本型別（如腸道微生物、土壤微生物等）自定義特定環境的參考資料庫。
4）更嚴格的預測方法：
原理上，PICRUSt2採用MinPath（最小路徑集）進行功能丰度預測，確定基因家族存在的最小路徑。MinPath可在給定一組參考路徑和一組可對映到多個路徑的功能中找到解釋所有功能的最小數量的路徑，從而降低假陽性註釋；PICRUSt2還從castorR包中添加了隱藏狀態預測演算法，使預測過程更加嚴格。
發表級文章圖表
新穎美觀的圖表不僅能增添資料結果的可讀性，也對撰文投稿有加分作用。為滿足廣大研究者對“顏值”的追求，我們緊追最新擴增子分析文獻中圖表呈現的新趨勢，不斷嘗試新的繪圖R包和程式，生成了更炫並且資訊量更多的圖表，可以直接用於文章撰寫。
多角度多方法篩出關鍵物種
為準確篩選出與特定生物過程或是疾病相關的關鍵物種，除常規差異分析外，我們的課程包括隨機森林分析、LEfSe分析、SparCC相關性網路分析、RDA分析等多種分析方案，助您從多角度精準篩選出具有重要生物學功能的微生物物種。
《微生物多樣性資料分析實操》課程介紹
微生物多樣性測序的資料量較小，可以方便的在個人電腦上進行分析，本教程可以讓你完成全面、系統的微生物多樣性分析工作。
本課程包括
9個大章節，數十個小章節，總計近15個小時的乾貨影片
，是
全網最優質
的微生物多樣性資料分析實操課程。
本課程是基於docker系統，下載我們組學大講堂提供的映象進行相關分析，所有程式碼及軟體均已封裝，解決了軟體安裝、環境配置的煩惱問題，購買者直接執行我們提供的指令碼即可獲得分析結果，大大的提高了分析資料的效率。絕對是物超所值。
《微生物多樣性資料分析實操》課程優惠