可视化一个丰度表，用连线的宽度代表丰度值的大小

展示总丰度排名靠前的feature在不同分组中的百分占比

展示总丰度排名靠前的feature在不同分组中的丰度

比较一个基因在不同分组/样本中的丰度，以及来源物种差别

根据给定丰度表，计算各样本分组特有和共有的feature

基于Bray-Curtis距离对丰度表进行NMDS排序分析，方便比较分组间的整体组成结构差异

基于Bray-Curtis距离对丰度表进行PCoA排序分析，并画2D和3D　PCoA图，方便比较分组间的整体组成结构差异

将多features的高维丰度表，降为二维，方便比较组间整体差异

适用于对照组-实验组的实验设计，计算T检验p值和Fold Change，画火山图

有参的差异显著性检验方法，要求数据服从正态分布；将校正错误发现率（FDR），减少假阳性

适用于对照组-实验组的实验设计，计算p值和Fold Change，画火山图

利用R语言dunn.test包进行多重比较

无参的差异显著性检验方法，对数据的分布没有要求，适用范围较广；将校正错误发现率（FDR），减少假阳性

寻找在分组之间有显著差异的生物学标志物

从一系列features中，寻找(ANOVA+Duncan)分组间显著差异的feature，绘制带误差棒和显著性标记的柱形图

探究两组指标之间的相关性，比如细菌丰度与环境因子之间的相关性

计算feature的相关系数，并将显著相关的feature节点相连，绘制成网络图

用统计学手段建立features和环境因子之间的回归关系，保留能解释的变异，后将features和环境因子降维，通过夹角指示相关性

将宏基因组、真核转录组、代谢组等丰度数据进行预处理生成关联热图所用表格

将KEGG通路图中的基因(KEGG Orthology)按照分组涂上颜色

利用正交偏最小二乘判别分析的方法，挑选在分组间差异最大的features

利用偏最小二乘判别分析的方法，挑选在分组间差异最大的features

利用随机森林的方法，挑选对样本分组预测的准确度贡献最高的features

利用支持向量机的方法，挑选对分组差异贡献最高的features

给定同源序列，构建无根进化树和有根进化树；输入fasta文件，输出nwk进化树文件

使用FAPROTAX软件(1.2.6版本), 根据样本微生物丰度表，预测样本功能丰度表;FAPROTAX较适用于对环境样本（如海洋、湖泊等）的生物地球化学循环过程（特别是碳、氢、氮、磷、硫等元素循环）进行功能注释预测。

FUNGuild主要为真菌ITS测序设计, 对物种的功能进行注释；18S真菌功能预测效果较差; 无法对16S细菌分类进行功能预测

基于加权Unifrac，非加权Unifrac距离进行NMDS分析，需要提供进化树

基于加权Unifrac，非加权Unifrac距离进行PCoA分析，需要提供进化树

使用PICRUSt2软件，根据ASV(或OTU)丰度表和ASV序列(或代表序列)，预测样本中的宏基因组

稀释性曲线，计算α多样性指数，α多样性指数的组间显著性差异比较

PCoA分析，β多样性组间显著性差异比较

可视化物种有根进化树，同时用热图表示每个分组的丰度均值

提供扩增子(16S,18S,ITS等)OTU(或ASV)丰度表和代表序列，便能一键化实现α，β多样性分析，相关分析和功能预测分析

将KEGG通路图中的代谢物(KEGG Compounds)按照分组涂上颜色

适用于非靶向代谢组，用T检验(或ANOVA)挑出显著差异的代谢物，再用ORA寻找这些代谢物显著富集的KEGG通路，并计算拓扑影响力

适用于对照组-实验组的实验设计，进行GSEA分析

适用于对照组-实验组的实验设计，进行GSEA hallmark分析

WGCNA分析

对一个宏基因组功能丰度表进行流程化统计分析，包括基础统计，显著性差异比较，相关性分析等

对一个宏基因组物种丰度表进行流程化统计分析，包括基础统计，多样性分析，显著性差异比较，相关性分析等