一、16S rRNA数据分析流程

原始测序数据 (FASTQ)
    ↓
质量控制 (FastQC, cutadapt)
    ↓
去接头、去低质量、去嵌合体 (DADA2/Deblur/QIIME2)
    ↓
生成ASV/OTU表
    ↓
物种注释 (SILVA/Greengenes/RDP数据库)
    ↓
多样性分析 (α, β)
    ↓
统计分析 (LEfSe, ANCOM, DESeq2)
    ↓
可视化 (phyloseq, ggplot2)

（1）DADA2去噪算法
DADA2（Divisive Amplicon Denoising Algorithm 2）通过以下步骤生成ASV：
1. 质控过滤：去除低质量和含N的reads
2. 去重复：将相同序列合并，记录丰度
3. 错误学习：从数据中估计测序错误模型
4. 去噪：将含错误的序列纠正回其真实序列
5. 去嵌合体：识别并去除PCR嵌合体
6. 合并双端reads
（2）OTU聚类 vs ASV
- OTU聚类以97%相似性为阈值，将序列分组。缺点：阈值是人为设定的；近缘种可能因高于阈值而无法区分；信息在聚类过程中丢失
- ASV保留了每个独特的真实序列，分辨率更高，且可重复性更好