COG注释

COG（Clusters of Orthologous Group of proteins）是对基因产物进行直系同源分类的数据库，每个COG蛋白都被假定来自祖先蛋白。将预测的基因与COG数据库进行比对，预测其可能的功能并对其做功能分类统计，从宏观上认识物种的基因功能分布特征。

代谢通路分析

通过KEGG基因功能注释，分析各样品中与关键功能相关的代谢通路中基因的分布情况，及其丰度情况，比较不同分组间关键代谢通路的差异。从功能基因及代谢通路的层面来说明对照样品的关键物质代谢路线及含量差异的原因。

功能丰度聚类

根据所有样品在各个数据中的功能注释及分度信息，对各样品中的丰度信息绘制热图（KEGG选取第二层进行展示，COG选取第一层进行展示），并从功能信息和样品间差异两个层面进行聚类，便于结果展示和信息发现，从而找出研究样品中聚集较多的功能或样品。
图中从上至下依次为KEGG、COG的结果展示，横向为样品信息，纵向为功能注释信息。右方的聚类树为样品聚类树，中间热图对应的值为每一列功能相对丰度。

物种组成聚类

基于各样品物种分类的结果及其相对丰度，在phylum以及genus水平上分别对各样品宏基因组进行聚类分析。图中横向为物种注释信息，纵向为样品信息。上方的聚类树为样品聚类树，中间热图对应的值为每一行物种相对丰度，黑色表示相对丰度高，红色表示中等相对丰度，灰色表示相对丰度低。

物种PCA分析

宏基因组样品基于物种分类的PCA图

功能PCA分析

宏基因组样品基于COG功能分类的PCA图

主成分分析是一种应用方差分解方法，对多维数据进行降维，从而提取出数据中最主要的元素和结构。应用PCA分析，能够提取出最大程度反映样品间差异的两个坐标轴，即主成分1（PC1）和主成分2（PC2），并以百分数的形式体现主成分主要影响程度，从而将多维数据的差异反映在二维坐标图上，进而揭示复杂数据背景下的简单规律。如果样品的群落或功能组成越相似，则它们在PCA图中的距离越接近。