QIIME 2 16S扩增子分析全流程：从DADA2到ANCOM避坑

简介：围绕微生物组16S rRNA基因扩增子分析展开的QIIME 2实操文档，面向微生物组研究入门者、缺乏生物信息学背景的实验人员及需要快速搭建分析流程的研究生。内容从Linux服务器、Windows 10子系统Ubuntu与Mac等安装环境选择讲起，覆盖数据导入、特征表生成、α与β多样性、物种组成、差异物种分析和可视化等标准环节，并对中间步骤与关键参数进行解读，帮助读者理解参数优化和结果解释。压缩包仅含1个docx文件，约578KB，篇幅集中、便于随查随用。文档还总结软件安装与使用中的常见问题及解决策略，并给出配套视频、分析代码、测序数据和预期结果线索，便于复现完整流程、对照排查报错并形成可重复的分析记录。已有2799人学习，适合作为QIIME 2上手与流程规范的参考材料。

1. 拿到一摞双端 fq 之后：QIIME 2 在 16S 扩增子流程里到底管哪几段

测序公司把一摞双端 fq 甩过来，很多人的第一反应是装个 QIIME 2 一路往下跑。真跑起来才发现，卡住的地方往往不是 16S rRNA 基因扩增子测序数据分析本身，而是环境、路径、格式这三件杂事：Windows 下装不上、manifest 少一列、分类器和实验引物对不上。这套 QIIME 2 流程把安装、数据导入、特征表生成、Alpha/Beta 多样性、物种注释到差异分析串成一条可复现的线，配套给了元数据模板、批处理脚本和示例数据。它适合两类人：一是没有生物信息背景、但要独立出微生物组结果的研究生；二是跑过 q2 但每次都在抽平阈值和分类器上凭感觉调的分析人员。下面按我实际复现的顺序拆，先环境后数据，最后落到参数和翻车点。

2. 装不上就别谈分析：四条部署路径的成本对比与 Conda 环境配置

2.1 为什么 Windows 直装必然失败：四条路的成本对比

QIIME 2 的 conda 包只发布 linux-64 和 osx-64 两个平台，没有 win-64。这不是文档写得含糊，是根本没编 Windows 版，所以任何在 Windows 命令提示符里敲conda install qiime2的尝试都会在解析依赖时失败。绕开的方式只有一条：给 Windows 借一个 Linux 环境。原文列了四条路，我把它们的实际成本摊开：

选择逻辑很简单：数据超过 10 GB、或者要跑多个项目，直接上 Linux 服务器；只是复现一次教学数据，Windows 子系统足够；虚拟机只在既没有服务器又不想动系统设置时用，跑 DADA2 的时候你会后悔。Mac 不是不能跑，是踩坑之后可参考的经验少，新手不建议。

提示：子系统里访问 Windows 盘符的路径是/mnt/c/...，QIIME 2 对路径里的中文和空格很敏感，工作目录一律用纯英文。

2.2 从 Miniconda 到 qiime2 环境的完整命令链

不建虚拟环境直接往 base 里装，是后面所有版本冲突的源头。QIIME 2 依赖的 Python 版本、numpy、biom 都是锁死的，跟其他生信软件共用一个环境，早晚会互相打架。正确做法是按官方发布的 yml 清单单独建一个环境，环境名里带上版本号，以后同时留两三个版本互不干扰。

# 1. 安装 Miniconda3，已经装过 conda 的跳过这一步 wget -c https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh # 把 conda 写进 shell 配置，执行完要重开一个终端才生效 ~/miniconda3/bin/conda init # 2. 下载 QIIME 2 2020.6 的环境清单，几十个包的版本都锁在里面 wget -c https://data.qiime2.org/distro/core/qiime2-2020.6-py36-linux-conda.yml # 3. 按清单建环境，名字带版本号，方便以后并存 conda env create -n qiime2-2020.6 --file qiime2-2020.6-py36-linux-conda.yml # 4. 每次开工先激活，提示符前面出现环境名才算成功 conda activate qiime2-2020.6 qiime --help

这几行里最容易被忽略的是conda init之后的重新登录。它只改了~/.bashrc，当前 shell 并不会立刻认识conda activate，所以紧接着敲激活命令会报 command not found，很多人以为装失败了，其实是没重开终端。另一个细节是环境名。写成qiime2-2020.6而不是笼统的qiime2，好处是半年后你想复现同一批结果，conda env list一眼能看出当时用的哪版，不会出现“我记得装过但不知道装的是哪年”的黑匣子。

网络慢是这条链上最常见的阻塞点。yml 里几十个包全部从默认通道拉，国内直连经常卡在 solving environment 或者下载到一半超时。我的习惯是先给 conda 配一个就近的通道镜像，再跑conda env create，能少等半小时；如果公司网络限制严格，就让能上网的机器把包缓存目录打包拷过来，用--offline建环境。这一步没有玄学，纯粹是网络问题，别怀疑 yml 损坏。

2.3 数据库落地：GreenGenes 导入与分类器训练

环境好了，下一个必做项是物种分类数据库。QIIME 2 本身不带数据库，注释那一步靠的是一个训练好的 naive-bayes 分类器文件。训练分两步：先把参考序列和参考分类表导成 qza，再用fit-classifier-naive-bayes训练。原文用的是 GreenGenes 13_8 的 99% 聚类版本，这个库老是老（2013 年定版，很多新命名的属查不到），但格式规整、体积可控，仍然是流程默认。

# 下载并解压 GreenGenes 13_8，99% 聚类版本 wget -c ftp://greengenes.microbio.me/greengenes_release/gg_13_5/gg_13_8_otus.tar.gz tar -zxvf gg_13_8_otus.tar.gz # 参考序列导入，类型是 FeatureData[Sequence] qiime tools import \ --type 'FeatureData[Sequence]' \ --input-path gg_13_8_otus/rep_set/99_otus.fasta \ --output-path 99_otus.qza # 分类表导入，格式名必须写 HeaderlessTSVTaxonomyFormat qiime tools import \ --type 'FeatureData[Taxonomy]' \ --input-format HeaderlessTSVTaxonomyFormat \ --input-path gg_13_8_otus/taxonomy/99_otu_taxonomy.txt \ --output-path ref-taxonomy.qza # 全长通用分类器，参考序列多，耗时约半小时 time qiime feature-classifier fit-classifier-naive-bayes \ --i-reference-reads 99_otus.qza \ --i-reference-taxonomy ref-taxonomy.qza \ --o-classifier classifier_gg_13_8_99.qza

这里有个参数值得单独说：--input-format HeaderlessTSVTaxonomyFormat。GreenGenes 的 taxonomy 文件是两列纯文本，没有表头，第一列是 OTU ID，第二列是k__Bacteria; p__...这种分号串。不写这个格式名，QIIME 2 会按带表头的 TSV 去解析，第一行数据直接被当成列名吃掉，后面注释全错但不会报错，属于典型的静默失败。

全长分类器能覆盖所有 16S 区段，代价是参考序列全量参与训练，模型大、注释慢。如果实验只扩了某个可变区，可以再训一个区段特异的分类器：用extract-reads按实际引物把参考序列截取到目标区段，再用截取后的序列训练。原文示例用的是 V5-V7 区引物，正向AACMGGATTAGATACCCKG，反向ACGTCATCCCCACCTTCC，注意这里用的是 IUPAC 简并碱基，K 代表 G/T，M 代表 A/C。

# 按实验引物截取参考序列的目标区段，引物方向必须和测序一致 time qiime feature-classifier extract-reads \ --i-sequences 99_otus.qza \ --p-f-primer AACMGGATTAGATACCCKG \ --p-r-primer ACGTCATCCCCACCTTCC \ --o-reads ref-seqs.qza # 用截取后的序列再训练，文件小、注释更聚焦 time qiime feature-classifier fit-classifier-naive-bayes \ --i-reference-reads ref-seqs.qza \ --i-reference-taxonomy ref-taxonomy.qza \ --o-classifier classifier_gg_13_8_99_V5-V7.qza

两次训练的时间差得不多（原文全长约半小时，区段特异约 8 分钟），但产物大小和注释速度差很多。区段特异的分类器还有个隐性好处：参考序列和你的 reads 覆盖同一段区域，比对上的位点更集中，低置信度的注释会少一些。代价是引物必须和实验完全一致，写反一个碱基，截取出来的序列集可能就是空的，后面训练还能跑完，只是分类器里没什么东西，注释结果一片k__Bacteria。这个坑在第 5 章还会展开。

如果项目对注释精度要求高，GreenGenes 覆盖不到的新属可以考虑换 SILVA 或 GTDB，但换库不是改个路径那么简单：序列版本、分类层级（尤其 GTDB 的域级命名）和训练参数都要跟着改，换之前先用一小批数据对比两套注释结果，别在正式数据上试。

3. 从双端 fq 到特征表：manifest 三列、导入格式和 DADA2 的四个参数

3.1 元数据表与 manifest：两个最容易被写错的纯文本

QIIME 2 的整个流程靠两个纯文本串起来：元数据表和 manifest。元数据表描述样本，第一列必须是#SampleID，后面跟分组、批次这些列；manifest 描述文件位置，固定三列sample-id、forward-absolute-filepath、reverse-absolute-filepath。这两个文件写错，后面所有命令都会连锁失败，而且报错信息往往指向别处。

# 建工作目录并激活环境 mkdir -p qiime2 && cd qiime2 conda activate qiime2-2020.6 # 下载示例元数据，第一列 #SampleID，后面是 Group 等分组列 wget -c http://example.org/path/metadata.txt # 按元数据里的批次号和样本号批量下载双端数据并改名 mkdir -p seq awk '{system("wget -c ftp://download.example.org/gsa/"$5"/"$6"/"$6"_f1.fq.gz -O seq/"$1"_1.fq.gz")}' <(tail -n+2 metadata.txt) awk '{system("wget -c ftp://download.example.org/gsa/"$5"/"$6"/"$6"_r2.fq.gz -O seq/"$1"_2.fq.gz")}' <(tail -n+2 metadata.txt) # 检查文件大小，0 字节或明显偏小的要重下 ls -lsh seq # 生成 manifest，路径用 $PWD 拼成绝对路径 awk 'NR==1{print "sample-id\tforward-absolute-filepath\treverse-absolute-filepath"} \ NR>1{print $1"\t$PWD/seq/"$1"_1.fq.gz\t$PWD/seq/"$1"_2.fq.gz"}' \ metadata.txt > manifest

awk在这两段里干了三件事：NR>1跳过表头；$1、$5、$6取元数据表里的样本名、批次号、样本编号；system()把拼好的wget命令交给 shell 执行。<(tail -n+2 metadata.txt)是进程替换，等价于把去掉表头的内容喂给 awk，避免表头那一行也触发一次下载。

manifest 里的路径必须是绝对路径，这一点没有商量余地。QIIME 2 导入时会把这个路径解析成内部引用，如果你写的是seq/S1_1.fq.gz，在qiime2目录里导入能成功，换个目录再跑下游命令就找不到文件了。用$PWD拼是最省事的写法，不用手工敲几十行。

注意：样本名里不要出现下划线以外的特殊字符，也别用纯数字。QIIME 2 内部把样本名当字符串键用，1和01在某些环节会被当成不同样本，导入后对不上元数据。

3.2 导入格式选型：Phred33 与压缩格式的耗时差异

导入这一步的核心是选对--input-format。双端带质量值的数据用PairedEndFastqManifestPhred33V2，其中 Phred33 指质量值编码方式，老 454 数据才用 Phred64；末尾的 V2 对应新版 manifest 的列名，V1 的列名是forward-filepath那套，写错会直接报列不匹配。

# 双端带质量值导入，格式名末尾的 V2 对应新版 manifest 列名 qiime tools import \ --type 'SampleData[PairedEndSequencesWithQuality]' \ --input-path manifest \ --output-path demux.qza \ --input-format PairedEndFastqManifestPhred33V2

耗时差异值得单独提一句。原文实测，同样一批数据，未压缩的 fq 导入要 7 分钟，换成 fq.gz 只要 34 秒。原因不复杂：QIIME 2 内部本来就按压缩流读写 qza，未压缩的文本要先读进来再压一遍，等于多做一次全量 IO；而 gz 文件是边解压边读，解压发生在管道里，不落盘。所以测序公司给什么格式就用什么格式，不要为了“看起来清爽”先 gunzip 一遍，那是纯粹给自己加时间。

导入完成后，demux.qza里装的是所有样本的序列和质量信息。如果原始数据是混池测序没拆样本，QIIME 2 处理不了，得先让测序方提供拆分后的单样本 fastq，或者用早期 QIIME 的拆分脚本按 barcode 拆完再导入。这一步没有捷径，barcode 表错一个碱基，拆出来的样本就是错的。

3.3 DADA2 去噪：trim-left 与 trunc-len 怎么定

特征表由 DADA2 去噪产生，这一步的参数直接决定后面所有分析的质量。核心参数四个：两端各切掉多少（trim-left）、截断到哪（trunc-len）、线程数、最大期望错误数。

# 去噪，输出特征表、代表序列、每步去噪统计三件套 time qiime dada2 denoise-paired \ --i-demultiplexed-seqs demux.qza \ --p-n-threads 8 \ --p-trim-left-f 29 --p-trim-left-r 18 \ --p-trunc-len-f 0 --p-trunc-len-r 0 \ --o-table dada2-table.qza \ --o-representative-sequences dada2-rep-seqs.qza \ --o-denoising-stats denoising-stats.qza # 把 dada2 结果接进主流程，统一命名方便下游命令 cp dada2-table.qza table.qza cp dada2-rep-seqs.qza rep-seqs.qza

trim-left的依据是引物长度。正向引物 29 个碱基、反向 18 个，测序读长里包含这些人工序列，留着会干扰后续的比对和建树，所以整段切掉。注意这里是按固定长度切，如果你的引物长度和示例不同，必须换成自己的数字，照抄 29/18 等于把一部分真实序列也切没了。

trunc-len设 0 表示不截断，前提是 reads 3' 端质量足够好。如果质量曲线在某个位置之后明显下滑，就得设一个截断值，把低质量尾巴切掉；此时trunc-len必须大于trim-left，否则切完长度为负，DADA2 直接报错。判断依据是demux.qzv里的质量分布图，看中位数曲线从哪开始掉。

线程数的加速不是线性的。原文实测：96 线程 34 分钟、24 线程 44 分钟、8 线程 77 分钟、1 线程 462 分钟。从 1 线程到 8 线程省了六倍时间，从 24 到 96 只省了十分钟。所以给 8 到 16 线程是性价比最高的区间，剩下的核留给系统和其他任务，没必要为了快十分钟把机器跑满。

提示：denoising-stats.qza要单独看一眼，里面记录了每个样本输入多少条、过滤后剩多少条、非嵌合占比多少。某个样本过滤后只剩个位数，八成是 trim/trunc 参数和它的读长不匹配，别急着往下跑。

3.4 特征表统计与抽平阈值的第一次决策

特征表出来先别急着做多样性，第一步是汇总，看清每个样本到底剩多少序列。抽平阈值这个数字一旦定错，后面的 Alpha/Beta 全是白算，而它只能从汇总结果里读出来。

# 汇总特征表：每样本测序量、特征数、分位数都在这张表里 qiime feature-table summarize \ --i-table table.qza \ --o-visualization table.qzv \ --m-sample-metadata-file metadata.txt # 代表序列一览，每条序列可点开跳 BLAST qiime feature-table tabulate-seqs \ --i-data rep-seqs.qza \ --o-visualization rep-seqs.qzv

qza 和 qzv 本质上都是 zip 包，qza 里是数据，qzv 里是一个网页报告加图表资源。不想装浏览器插件的话，直接unzip table.qzv也能看到里面的 html。所有 qzv 都丢到 view.qiime2.org 这个在线查看器里看，交互式的分位数表、柱状图、稀释曲线都在网页里。

抽平阈值从table.qzv的分位数表读。原文示例的最小值 27060、第一分位 28581.75、中位 30867、最大 34663，分布很均匀，所以直接取最小值。规则可以记成这样：最小值离第一分位不远，取最小值，保留全部样本；最小值明显低于第一分位（比如差出一倍），就在两者之间取一个数，宁可丢掉一两个测序量特别低的样本，也别让整体深度被拉到很低。阈值太低会丢掉大量序列信息，太高会把样本砍到组内重复不够。

顺便说个老标准的问题。抽平阈值下限 1000 是 454 测序时代留下的，那时候一个样本几千条序列就算不错。Illumina 通量高一个量级，现在最小值一般不低于 5000，推荐 1 万以上，在样本量允许的前提下越大越好。还在用 1000 当阈值，等于主动扔掉九成数据。

4. 多样性与物种组成：建树、抽平、显著性检验的先后顺序不能乱

4.1 建树为什么必须排在多样性之前

Alpha 多样性里的 faith_pd、Beta 多样性里的 unifrac 系列，都依赖一棵系统发育树。树没建好，这两个指数算出来没有意义。所以顺序是固定的：先建树，再算多样性，不能颠倒。

# MAFFT 比对 + fasttree 建树，一次输出对齐、屏蔽对齐、无根树、有根树 qiime phylogeny align-to-tree-mafft-fasttree \ --i-sequences rep-seqs.qza \ --o-alignment aligned-rep-seqs.qza \ --o-masked-alignment masked-aligned-rep-seqs.qza \ --o-tree unrooted-tree.qza \ --o-rooted-tree rooted-tree.qza

这条命令内部做了两件事：MAFFT 做多序列比对，fasttree 用近似最大似然建树。输出四个文件里，masked-aligned-rep-seqs.qza是把高变区屏蔽之后的比对结果，建树用的是它，因为高变区比对不可靠，留着会把树带偏；rooted-tree.qza是定了根的有根树，下游core-metrics-phylogenetic要的就是这个。

fasttree 是近似算法，不是精确最大似然，换来的是速度。几万条代表序列，分钟级能出树；换成 RAxML 跑精确解，同一个数据量可能要几小时。对 16S 扩增子这个精度要求，fasttree 够用，别在这上面纠结。

4.2 core-metrics 一次产出四类距离矩阵

多样性计算这一步，QIIME 2 把它打包成一条命令，一次产出四类 Beta 距离矩阵和四个 Alpha 指数，省得你挨个跑。

# 系统发育多样性一次算完，四种距离矩阵和四个 alpha 指数都在输出目录 qiime diversity core-metrics-phylogenetic \ --i-phylogeny rooted-tree.qza \ --i-table table.qza \ --p-sampling-depth 27060 \ --m-metadata-file metadata.txt \ --output-dir core-metrics-results

--p-sampling-depth就是 3.4 节定下来的抽平阈值。抽平是随机无放回抽样，随机种子默认固定，同样的输入和阈值跑两次结果一致；要换种子可以加--p-seed。低于这个深度的样本会被整条丢弃，不会补零也不会警告，所以跑完先看输出目录里剩了几个样本，和元数据表对一下数量。

四类距离矩阵的用途不一样：bray_curtis只看丰度不看亲缘，jaccard只看有无不看丰度，weighted_unifrac同时考虑丰度和亲缘，unweighted_unifrac只考虑有无和亲缘。写文章时选哪个要跟科学问题对上，四个全放上去反而显得没想清楚。

4.3 Alpha 显著性与稀释曲线

Alpha 多样性回答的是“单个样本内部有多丰富”，组间比较靠alpha-group-significance，默认用 Kruskal-Wallis 检验加两两比较。

# 单个 alpha 指数做组间检验 index=observed_features qiime diversity alpha-group-significance \ --i-alpha-diversity core-metrics-results/${index}_vector.qza \ --m-metadata-file metadata.txt \ --o-visualization core-metrics-results/${index}-group-significance.qzv # 稀释曲线，max-depth 取样本最大测序量，异常值时取第三分位与最大值之间 qiime diversity alpha-rarefaction \ --i-table table.qza \ --i-phylogeny rooted-tree.qza \ --p-max-depth 34663 \ --m-metadata-file metadata.txt \ --o-visualization alpha-rarefaction.qzv

observed_features就是老版本的observed_otus，数的是样本里出现了多少个特征，对低丰度特征最敏感。shannon同时考虑丰富度和均匀度，faith_pd把亲缘关系算进去，evenness单独看均匀度。四个指数经常给出方向不一致的结论，这很正常，因为它们衡量的东西不同，选一个和你的假设最贴切的当主指标，其余当辅助。

结果表里同时有 p-value 和 q-value。p-value 是单次比较的显著性，q-value 是 FDR 多重检验校正之后的。三组两两比较就是三次检验，只看 p-value 会把假阳性放进来，正文里报 q-value 更稳妥。原文示例里 KO 对 WT 的 p-value 是 0.010139，q-value 是 0.030417，校正后仍然显著；OE 对 WT 的 p 是 0.054241，校正后 q 到 0.081362，就只能说趋势。

稀释曲线的--p-max-depth取样本最大测序量（本例 34663）。如果最大值是个异常离群点，就在第三分位和最大值之间取一个，否则横轴被拉得很长，曲线全挤在左边看不清。这条图的作用是验证抽平阈值是否合理：曲线在阈值附近已经走平，说明再加深也不会有新特征出现，抽平没丢信息。

4.4 Beta 显著性与 PCoA 出图

Beta 多样性比较的是样本之间的距离，组间差异用 PERMANOVA 检验，可视化用 PCoA。

# 指定距离矩阵和分组列，pairwise 打开两两比较 distance=weighted_unifrac column=Group qiime diversity beta-group-significance \ --i-distance-matrix core-metrics-results/${distance}_distance_matrix.qza \ --m-metadata-file metadata.txt \ --m-metadata-column ${column} \ --o-visualization core-metrics-results/${distance}-${column}-significance.qzv \ --p-pairwise

PERMANOVA 是基于置换的检验，默认置换 999 次，特征数多、分组多的时候很耗时，所以先指定单一分组列跑，别一上来就把所有列都传进去。结果表里三个数字要看懂：pseudo-F是组间方差与组内方差的比，越大说明分组解释得越好；permutations是实际做的置换次数；p-value是置换分布里大于等于观测值的比例。原文示例三组两两比较的 pseudo-F 在 2.64 到 4.11 之间，p 值都小于 0.05。

PCoA 图在weighted_unifrac_emperor.qzv里，打开后把颜色映射到分组列，再调点的透明度、大小、形状把重叠的样本分开。图上括号里是各轴的解释率，Axis1 41.26%、Axis2 20.09%、Axis3 10.89%，前两轴加起来六成，说明主要变异集中在头两轴，分组在 Axis1 上分得开就说明组间差异是主要来源。定好样式之后用右上角 Save plot 导出 SVG+Label，会得到主图和图例两个矢量文件，投稿拼接时比 PNG 好用得多。

4.5 物种注释与堆叠柱状图

特征表有了、树有了，最后一步是把特征对上物种名。

# 用训练好的分类器做注释，耗时取决于序列数和分类器大小 qiime feature-classifier classify-sklearn \ --i-classifier classifier_gg_13_8_99_V5-V7.qza \ --i-reads rep-seqs.qza \ --o-classification taxonomy.qza # 注释结果转成交互表格，带置信度列 qiime metadata tabulate \ --m-input-file taxonomy.qza \ --o-visualization taxonomy.qzv # 堆叠柱状图，可切换分类级别、配色、排序方式 qiime taxa barplot \ --i-table table.qza \ --i-taxonomy taxonomy.qza \ --m-metadata-file metadata.txt \ --o-visualization taxa-bar-plots.qzv

taxonomy.qzv是三列表：特征 ID、分类注释、置信度。置信度低于 0.7 的注释要谨慎对待，尤其是只到k__Bacteria就止步的那些，多半是参考库里没有对应序列，不是数据本身有问题。把这类特征的比例统计一下，超过两成就该考虑换数据库或者重训分类器。

堆叠柱状图里 Level 2 是门水平，Level 6 是属水平。默认配色和排序往往不好看，可以在网页里把柱宽调到中等、切到 Level 2、配色换成深色系、按分组排序，再按某个优势门降序排列，这样组间差异一眼能看出来。除了导 SVG，也建议把表格数据导成 csv，用 R 的 ggplot2 重画，配色和图例位置自由度更大，审稿人提修改意见时不用从头再来。

5. 避坑排查：五类高频翻车现场的现象、原因与解决

5.1 安装与环境类

现象一：conda env create卡在 solving environment，或者下载到一半超时。

原因：yml 里几十个包全部从默认通道拉，国内直连不稳定；conda 的依赖求解器在老版本上本来就慢，包一多容易假死。解决：先给 conda 配就近的通道镜像再跑；如果网络彻底不通，在有网的机器上conda env create成功后把pkgs缓存目录整个拷过来，加--offline建环境。判断是不是真卡死，看缓存目录里文件大小有没有在涨，五分钟没变化就是断了。

现象二：conda activate qiime2-2020.6报 command not found。

原因：conda init只改了~/.bashrc，当前 shell 还没重新加载；或者默认 shell 是 zsh，init 写进了 bash 的配置文件。解决：source ~/.bashrc或者直接退出重登；用 zsh 的话跑一次conda init zsh。还有一种情况是用了sudo装的 miniconda，普通用户没权限读，这种只能重装到用户目录下。

5.2 数据与参数类

现象三：qiime tools import报 manifest 列名不匹配，或者导入成功但样本数为零。

原因：--input-format写的是 V2，manifest 用的却是 V1 那套列名；或者路径写成了相对路径，导入时能解析，换目录就失效。解决：manifest 表头严格写成sample-id、forward-absolute-filepath、reverse-absolute-filepath三列，用制表符分隔，路径用$PWD拼绝对路径。导入后立刻qiime tools peek demux.qza看一眼样本数，和元数据行数对不上就别往下跑。

现象四：extract-reads跑完，ref-seqs.qza几乎是空的，后面训练照样跑完，注释结果一片k__Bacteria。

原因：引物方向写反，或者填了反向互补序列。extract-reads默认只按给定方向在参考序列上匹配，方向反了匹配不到，它不会报错，只会安静地返回一个空集。解决：确认引物是 5' 到 3' 方向、和实验用的完全一致；拿不准时先用qiime feature-classifier extract-reads跑一小批，用qiime tools peek看输出里序列条数，个位数就是匹配失败。这个坑最阴的地方在于流程不中断，等注释结果出来才发现，中间几小时全白跑。

现象五：抽平之后样本数变少，组内重复不够做统计。

原因：--p-sampling-depth取高了，低于阈值的样本被整条丢弃，而且不报警。解决：跑core-metrics-phylogenetic之前先看table.qzv的分位数表，把阈值定在最小值和第一分位之间；如果某个组的样本本来就少，宁可把阈值往下调一点，牺牲深度保住重复数。跑完立刻ls core-metrics-results/*_vector.qza核对样本数，和元数据表逐行对。

提示：这五类问题里，现象四和现象五都属于“不报错但结果错”，比直接崩溃更难查。养成每步跑完看一眼输出规模的习惯，比事后回溯省时间。

6. 差异分析与结果复核：ANCOM 的 W 值边界和 qzv 的二次利用

差异分析这一步，原文用的是 ANCOM。它和 DESeq2 的思路不一样：ANCOM 假设“只有少数特征在组间有差异”，基于特征间的对数比值做检验，对组成型数据的处理更稳。代价是它对输入有要求，特征表里不能有零，否则对数比值为负无穷，所以必须先加伪计数。

# ANCOM 要求输入带伪计数，否则 log 比值为负无穷 qiime composition add-pseudocount \ --i-table table.qza \ --o-composition-table comp-table.qza # 指定分组列做差异检验，置换耗时与特征数相关 column=Group time qiime composition ancom \ --i-table comp-table.qza \ --m-metadata-file metadata.txt \ --m-metadata-column ${column} \ --o-visualization ancom-${column}.q <p> <a href="https://download.csdn.net/download/weixin_35823067/86347840" style="color:#ec7500;font-size:14px;"> 本文还有配套的精品资源，点击获取 </a> <img alt="menu-r.4af5f7ec.gif" src="https://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif" style="width:16px;margin-left:4px;vertical-align:text-bottom;cursor:text;"> </p>