从OTU到PCoA：β多样性分析在疾病队列中的实操指南

引言Introduction

β多样性分析用于比较不同样本间菌群差异，是疾病队列研究里最常见，也最容易出错的一步。OTU表、距离矩阵、PCoA坐标、分组检验，任何一环处理不当，都会直接影响结论可信度。如果你想把“菌群差异”真正讲清楚，就必须先把β多样性分析做对。

1. 先理解β多样性分析到底在回答什么问题

1.1 β多样性不是“谁多谁少”，而是“谁和谁不一样”

在微生物组研究中，α多样性关注单一样本内部的丰富度和均匀度。β多样性则关注样本与样本之间的群落差异。它回答的是，病例组和对照组的菌群结构是否整体不同 。

这一步常用于疾病队列。比如肠道炎症、代谢异常、神经退行性疾病，都可能表现为群落组成偏移。此时，单看某一个菌属不够，必须用β多样性从整体层面判断分组是否分离。

1.2 从OTU到PCoA，是一条标准分析链

OTU表是起点。它记录每个样本中各OTU的丰度。接下来要把丰度转成样本间距离。常见方法包括 Bray-Curtis、Jaccard、Unweighted UniFrac、Weighted UniFrac。

得到距离矩阵后，通常用 PCoA、NMDS 或 PCA 进行降维可视化。PCoA不是结果本身，它只是把复杂距离关系投影到二维或三维空间。 真正的统计结论，还要结合置换检验、PERMANOVA 或 ANOSIM。

2. 疾病队列中，β多样性分析的标准实操流程

2.1 先确认数据层级和预处理方式

疾病队列分析最怕前处理不一致。OTU表、ASV表、物种注释表、样本分组信息，必须一一对应。样本命名要统一，缺失值要提前处理，污染样本和低测序深度样本要筛掉。

常见预处理步骤包括：

1. 去除明显污染和低质量序列。
2. 统一测序深度或采用合适的标准化方法。
3. 选择分析层级，OTU、属、科或ASV。
4. 明确距离算法是否考虑系统发育信息。

如果样本深度差异很大，却直接做距离比较，结果往往会被测序量偏差干扰。

2.2 距离矩阵选择要和研究问题匹配

不同距离指标强调的信息不同。Bray-Curtis反映丰度差异，适合看群落组成变化。Jaccard更关注有无差异，适合看定植或缺失。UniFrac引入系统发育信息，更适合解释进化关系相关的群落变化。

在疾病队列中，常见的选择逻辑是：

• 想看总体丰度结构差异，优先 Bray-Curtis。
• 想看菌群组成是否“换了人”，可用 Jaccard。
• 想纳入系统发育距离，使用 UniFrac。
• 想比较干预前后变化，可在纵向队列中重复计算距离。

不要为了“图好看”随意换距离。距离算法改变，生物学解释也会改变。

2.3 PCoA图要读懂坐标、解释度和分组趋势

PCoA图里，横轴和纵轴对应前两个主坐标。括号中的百分比是解释度，表示这两个轴能解释多少样本间差异。很多研究只看点是否分开，但这不够。

你还要看三件事：

• 组内点是否聚集。
• 组间是否明显分离。
• 是否存在离群点拉偏整体结构。

如果病例组和对照组分离，但组内离散度也很大，就要小心。这可能提示个体异质性强，而不一定代表稳定的疾病特征。

3. 统计检验怎么做，才算有说服力

3.1 只看PCoA分离，不足以证明差异

PCoA是可视化工具，不是显著性检验。很多初学者会把“图上分开”直接等同于“有统计学差异”，这是不严谨的。

更规范的做法是配合：

• PERMANOVA，用于检验组间整体差异。
• ANOSIM，用于比较组间和组内距离差别。
• PERMDISP，用于检验组内离散度是否不同。

如果只做PERMANOVA，不检查离散度，可能把“组内波动”误判成“组间差异”。

3.2 疾病队列里，混杂因素必须纳入设计

β多样性分析的结果很容易受年龄、性别、BMI、用药、饮食、抗生素暴露、采样时间影响。尤其是回顾性队列，临床信息越复杂，混杂越明显。

建议在设计阶段就明确：

1. 是否做匹配。
2. 是否分层分析。
3. 是否进行协变量校正。
4. 是否需要多中心分层比较。

如果样本量允许，PERMANOVA里可加入协变量，观察疾病状态是否仍然是主要解释因素。这一步决定你的结论是“相关”还是“更接近因果线索”。

3.3 纵向队列比横断面队列更容易看出真实变化

如果研究的是治疗前后、发病前后、随访转归前后，β多样性分析价值更大。因为同一受试者的基线差异会被部分抵消，更容易观察疾病进展或干预带来的群落漂移。

纵向设计中可以关注：

• 同一患者治疗前后是否向健康状态靠近。
• 不同时间点之间距离是否逐渐变化。
• 疾病进展快慢是否与群落重塑幅度相关。

对于疾病队列，纵向β多样性往往比单次横断面更能体现临床意义。

4. 结果解读时，最容易踩的几个坑

4.1 把“群落差异”误写成“菌群失衡”

“失衡”是临床语境较强的词，证据要求更高。β多样性只能说明样本间整体结构不同，不能单独证明病理机制已经成立。更稳妥的表述是：

• 病例组与对照组菌群结构存在显著差异。
• 不同临床分层间群落分布呈分离趋势。
• 干预前后菌群距离发生变化。

写论文时，结论要和证据强度匹配。

4.2 只报P值，不报距离和解释度

很多文章只写“P<0.05”，但没有交代使用哪种距离矩阵，也没有说明PCoA前两轴解释了多少变异。这样不利于复现，也不利于审稿人判断可靠性。

建议至少报告：

• 距离算法。
• 降维方法。
• 统计检验名称。
• P值或校正后P值。
• 解释度。
• 样本量和分组信息。

完整报告比单一显著性更重要。

4.3 忽略批次效应和测序平台差异

如果队列来自多个时间点或多个中心，批次效应可能比疾病效应更强。此时即便PCoA分开，也不一定是疾病导致。要尽量记录并控制：

• 提取批次。
• 建库批次。
• 测序批次。
• 分析软件版本。

对于多中心研究，最好在统计建模前做批次平衡检查。否则，β多样性图可能反映的是实验流程差异，而不是生物学差异。

5. 医学生、医生和科研人员如何把它真正做成一篇文章

5.1 一篇合格的β多样性结果，至少要回答三件事

第一，疾病组和对照组是否整体不同。
第二，这种不同是否稳定，是否被离群点或离散度驱动。
第三，临床变量是否能解释这部分差异。

这三点齐全，结果才有论文价值。若再结合差异菌、功能预测、临床评分或预后结局，文章层次会更完整。

5.2 推荐的写作表达模板

在结果部分，可以采用以下结构：

• 基于Bray-Curtis距离进行PCoA分析。
• 组间样本分布呈现分离趋势。
• PERMANOVA显示组间差异具有统计学意义。
• 进一步分层后，不同亚组间差异仍然存在。

这种写法比单纯描述“图上分开了”更符合医学论文规范。

5.3 如果数据量大，手工分析会明显拖慢进度

疾病队列越来越大，临床变量越来越多，单靠人工整理OTU表、距离矩阵、图形输出和统计检验，效率很低。尤其在多组比较、纵向随访和多维临床协变量并存时，反复跑图和改图非常耗时。

这也是为什么很多研究团队会借助标准化分析流程和自动化工具。像解螺旋 这类面向科研场景的支持体系，可以帮助研究者更快完成数据整理、统计分析和结果输出，把更多时间留给问题设计和论文打磨。对于想把β多样性分析真正做成可发表结果的人，规范流程比临时手工拼图更重要。

总结Conclusion

β多样性分析的核心，不是画一张PCoA图，而是用标准化方法回答“样本间是否真的不同”。从OTU表到距离矩阵，再到PCoA、PERMANOVA和协变量校正，每一步都决定最终结论是否可信。对于疾病队列研究，只有把距离指标、统计检验和临床解释同时做好，β多样性结果才有真正的科研价值。

如果你正在做微生物组疾病队列，想把分析流程做得更稳、更快、更适合发表，可以考虑借助解螺旋 的科研支持能力，减少重复劳动，把重点放回研究设计与结果解释上。