微生物群落組成可以做什麼圖

⑴ 什麼是微生物有哪些主要類群

微生物包括：細菌、病毒、真菌以及一些小型的原生生物、顯微藻類等在內的一大類生物群體，它個體微小，與人類關系密切。涵蓋了有益跟有害的眾多種類，廣泛涉及食品、醫葯、工農業、環保、體育等諸多領域。

在中國大陸地區及台灣的教科書中，均將微生物劃分為以下8大類：細菌、病毒、真菌、放線菌、立克次氏體、支原體、衣原體、螺旋體。有些微生物是肉眼可以看見的，像屬於真菌的蘑菇、靈芝、香菇等。還有微生物是一類由核酸和蛋白質等少數幾種成分組成的「非細胞生物」，但是它的生存必須依賴於活細胞。

(1)微生物群落組成可以做什麼圖擴展閱讀：

相比於大型動物，微生物具有極高的生長繁殖速度。大腸桿菌能夠在12.5-20分鍾內繁殖1次。不妨計算一下，1個大腸桿菌假設20分鍾分裂1次，1小時3次，1晝夜24小時分裂24×3=72次，大概可產生4722366500萬億個（2的72次方），這是非常巨大的數字。

但事實上，由於各種條件的限制，如營養缺失、競爭加劇、生存環境惡化等原因，微生物無法完全達到這種指數級增長。 已知大多數微生物生長的最佳pH范圍為7.0 (6.6~7.5)附近，部分則低於4.0。

微生物的這一特性使其在工業上有廣泛的應用，如發酵、單細胞蛋白等。微生物是人類不可或缺的好朋友。

⑵ 環境微生物群落heatmap圖怎麼畫

1. 稀釋性曲線（Rarefaction Curve）
採用對測序序列進行隨機抽樣的方法，以抽到的序列數與它們所能代表OTU的數目構建曲線，即稀釋性曲線。
當曲線趨於平坦時，說明測序數據量合理，更多的數據量對發現新OTU的邊際貢獻很小；反之則表明繼續測序還可能產生較多新的OTU。

橫軸：從某個樣品中隨機抽取的測序條數；"Label 0.03" 表示該分析是基於OTU 序列差異水平在0.03，即相似度為97% 的水平上進行運算的，客戶可以選取其他不同的相似度水平。
縱軸：基於該測序條數能構建的OTU數量。
曲線解讀：
Ø 圖1中每條曲線代表一個樣品，用不同顏色標記；
Ø 隨測序深度增加，被發現OTU 的數量增加。當曲線趨於平緩時表示此時的測序數據量較為合理。
2. Shannon-Wiener 曲線
反映樣品中微生物多樣性的指數，利用各樣品的測序量在不同測序深度時的微生物多樣性指數構建曲線，以此反映各樣本在不同測序數量時的微生物多樣性。
當曲線趨向平坦時，說明測序數據量足夠大，可以反映樣品中絕大多數的微生物物種信息。

橫軸：從某個樣品中隨機抽取的測序條數。
縱軸：Shannon-Wiener 指數，用來估算群落多樣性的高低。
Shannon 指數計算公式：
其中，
Sobs= 實際測量出的OTU數目；
ni= 含有i 條序列的OTU數目；
N = 所有的序列數。
曲線解讀：
Ø 圖2每條曲線代表一個樣品，用不同顏色標記，末端數字為實際測序條數；
Ø 起初曲線直線上升，是由於測序條數遠不足覆蓋樣品導致；
Ø 數值升高直至平滑說明測序條數足以覆蓋樣品中的大部分微生物。
3.Rank-Abundance 曲線
用於同時解釋樣品多樣性的兩個方面，即樣品所含物種的豐富程度和均勻程度。
物種的豐富程度由曲線在橫軸上的長度來反映，曲線越寬，表示物種的組成越豐富；
物種組成的均勻程度由曲線的形狀來反映，曲線越平坦，表示物種組成的均勻程度越高。

橫軸：OTU 相對豐度含量等級降序排列。
縱軸：相對豐度比例。
曲線解讀：
Ø 圖3與圖4中每條曲線對應一個樣本（參考右上角圖標）；
Ø 圖3與圖4中橫坐標表示的是OTU（物種）豐度排列順序，縱坐標對應的是OTU（物種）所佔相對豐度比例（圖3為相對百分比例，圖4為換算後Log值），曲線趨於水平則表示樣品中各物種所佔比例相似；曲線整體斜率越大則表示樣品中各物種所佔比例差異較大。
4. 樣本群落組成分析：多樣本柱狀圖/ 單樣本餅狀圖
根據分類學分析結果，可以得知一個或多個樣品在各分類水平上的物種組成比例情況，反映樣品在不同分類學水平上的群落結構。

柱狀圖（圖5）
橫軸：各樣品的編號。
縱軸：相對豐度比例。
圖標解讀：
Ø 顏色對應此分類學水平下各物種名稱，不同色塊寬度表示不同物種相對豐度比例；
Ø 可以在不同分類學水平下作圖分析。
餅狀圖（圖6）
在某一分類學水平上，不同菌群所佔的相對豐度比例。不同顏色代表不同的物種。
5. 樣品OTU 分布Venn 圖
用於統計多個樣品中共有或獨有的OTU數目，可以比較直觀地表現各環境樣品之間的OTU 組成相似程度。
不同樣品用不同顏色標記，各個數字代表了某個樣品獨有或幾種樣品共有的OTU 數量，對應的OTU編號會以EXCEL 表的形式在結題報告中呈現。

分析要求
單張分析圖，樣本分組至少兩個，最多5 個。
Ø 默認設置為97% 相似度水平下以OTU 為單位進行分析作圖。
6. Heatmap 圖
用顏色變化來反映二維矩陣或表格中的數據信息，它可以直觀地將數據值的大小以定義的顏色深淺表示出來。將高豐度和低豐度的物種分塊聚集，通過顏色梯度及相似程度來反映多個樣品在各分類水平上群落組成的相似性和差異性。

相對豐度比例：
熱圖（圖8）中每小格代表其所在樣品中某個OTU 的相對豐度。以圖8為例，紅框高亮的小格所對應的信息為：樣本（R11-1Z）中OTU（OTU128）的相對豐度比例大概為0.2%。
豐度比例計算公式（Bray Curtis 演算法）：

其中，
SA,i = 表示A樣品中第i個OTU所含的序列數
SB,i = 表示B樣品中第i個OTU所含的序列數
樣品間聚類關系樹：
進化樹表示在選用成圖數據中，樣本與樣本間序列的進化關系（差異關系）。處於同一分支內的樣品序列進化關系相近。
物種/OTU 豐度相似性樹：
豐度相似性樹表示選用成圖的數據中樣品與樣品中的OTU 或序列在豐度上的相似程度。豐度最相近的會分配到同一分支上。
客戶自定義分組：根據研究需求對菌群物種/OTU 研究樣本進行二級分組
Ø 二級物種/OTU 分組：將下級分類學水平物種或OTU 分配到對應的上級分類學水平，以不同顏色區分；
Ø 二級樣品分組：根據研究需要，對樣品進行人為的分組，以不同顏色區分。
7. 主成分分析PCA (Principal Component Analysis)
在多元統計分析中，主成分分析是一種簡化數據集的技術。主成分分析經常用於減少數據集的維數，同時保持數據集中對方差貢獻最大的特徵，從而有效地找出數據中最「主要」的元素和結構，去除噪音和冗餘，將原有的復雜數據降維，揭示隱藏在復雜數據背後的簡單結構。
通過分析不同樣品的OTU 組成可以反映樣品間的差異和距離，PCA 運用方差分解，將多組數據的差異反映在二維坐標圖上，坐標軸為能夠最大程度反映方差的兩個特徵值。如樣品組成越相似，反映在PCA圖中的距離越近。

橫軸和縱軸：以百分數的形式體現主成分主要影響程度。以圖9為例，主成分1（PC1）和主成分2（PC2）是造成四組樣品（紅色，藍色，黃色和綠色）的兩個最大差異特徵，貢獻率分別為41.1% 和27.1%。
十字交叉線：在圖9中作為0 點基線存在，起到輔助分析的作用，本身沒有意義。
圖例解讀：
Ø PCA 分析圖是基於每個樣品中所含有的全部OTU 完成的；
Ø 圖9中每個點代表了一個樣本；顏色則代表不同的樣品分組；
Ø 兩點之間在橫、縱坐標上的距離，代表了樣品受主成分（PC1 或 PC2）影響下的相似性距離；
Ø 樣本數量越多，該分析意義越大；反之樣本數量過少，會產生個體差異，導致PCA分析成圖後形成較大距離的分開，建議多組樣品時，每組不少於5個，不分組時樣品不少於10個；
Ø 圖10中的圓圈為聚類分析結果，圓圈內的樣品，其相似距離比較接近。
8. RDA/ CCA 分析圖
基於對應分析發展的一種排序方法，將對應分析與多元回歸分析相結合，每一步計算均與環境因子進行回歸，又稱多元直接梯度分析。主要用來反映菌群與環境因子之間的關系。RDA 是基於線性模型，CCA是基於單峰模型。分析可以檢測環境因子、樣品、菌群三者之間的關系或者兩兩之間的關系。

橫軸和縱軸：RDA 和CCA 分析，模型不同，橫縱坐標上的刻度為每個樣品或者物種在與環境因子進行回歸分析計算時產生的值，可以繪制於二維圖形中。
圖例解讀：
Ø 冗餘分析可以基於所有樣品的OTU作圖，也可以基於樣品中優勢物種作圖；
Ø 箭頭射線：圖11中的箭頭分別代表不同的環境因子（即圖中的碳酸氫根離子HCO3-，醋酸根離子AC-等，圖中的其它環境因子因研究不同代表的意義不同，因此不再贅述）；
Ø 夾角：環境因子之間的夾角為銳角時表示兩個環境因子之間呈正相關關系，鈍角時呈負相關關系。環境因子的射線越長，說明該影響因子的影響程度越大；
Ø 圖11中不同顏色的點表示不同組別的樣品或者同一組別不同時期的樣品，圖中的拉丁文代表物種名稱，可以將關注的優勢物種也納入圖中；
Ø 環境因子數量要少於樣本數量，同時在分析時，需要提供環境因子的數據，比如 pH值，測定的溫度值等。
9. 單樣品/ 多樣品分類學系統組成樹
根據NCBI 提供的已有微生物物種的分類學信息資料庫，將測序得到的物種豐度信息回歸至資料庫的分類學系統關系樹中，從整個分類系統上全面了解樣品中所有微生物的進化關系和豐度差異。

單樣品圖（圖12）：可以了解單樣品中的序列在各個分類學水平上的分布情況。

圖例解讀：
Ø 圖12中不同的層次反映不同的分類學水平；
Ø 分支處的圓面積說明了分布在該分類學水平，且無法繼續往下級水平比對的序列數量，面積越大，說明此類序列越多；
Ø 每個分支上的名詞後面的兩組數字分別表示比對到該分支上的序列數和駐留在該節點上的序列數；
Ø 圖13中為某單一水平物種分布情況，並非是序列分布。

多樣品圖（圖14）：比對多個樣品在不同分類學分支上序列數量差異。
圖例解讀：
Ø 比對不同樣品在某分支上的序列數量差異，通過帶顏色的餅狀圖呈現，餅狀圖的面積越大，說明在分支處的序列數量越多，不同的顏色代表不同的樣品。
Ø 某顏色的扇形面積越大，說明在該分支上，其對應樣品的序列數比其他樣品多。
Ø 多樣品在做該分析時，建議樣品數量控制在10個以內，或者將重復樣本數據合並成一個樣本後，總樣品數在10個以內。
10.系統發生進化樹
在分子進化研究中，基於系統發生的推斷來揭示某一分類水平上序列間鹼基的差異，進而構建進化樹。

⑶ 微生物共現網路圖怎麼做

選擇SmartArt圖形類型。這一步就是先把最初的組織結構圖創建出來，我們啟動一個新的文檔。我們在文檔中輸入「企業組織機構圖」，字型大小設置為「一號」單擊「插入」/「SmartArt」，彈出「選擇SmartArt圖形」對話框，在該對話框左側列表中選擇「層次結構」，在中間區域選擇「表層次結構」，右側我們可以看他的一些說明，點擊確，這樣我們就做好了共現網路圖。

⑷ 什麼是生物群落

（1）如圖知，E是生產者，BDF是消費者，A是大氣，C是分解者，所以圖1中能構成群落的是BCDEF，圖2中的乙相當於圖1中的F。
（2）F的糞便被分解者分解，表示E（填字母）同化的能量被分解者利用。（因為F的糞便是未同化的能量，所以該能量來自上一營養級，即E）
（3）數目均減少。（因為生產者是白化苗，不能進行正常的光合作用，容易大批死亡，所以相當於生產者減少，故FD均減少。）
（4）甲←丙←乙←植物（該判斷主要根據圖的起點、峰谷交替得出。）
（5）能源和物質資源的浪費、增加CO2排放、引起環境污染、容易引起病蟲害傳播、農業成本高等（答出其中兩個即可）C纖維素酶（和果膠酶）
有不懂得可以再來問我~~~

⑸ 微生物群落多樣性測序中的柱狀圖怎麼做

濃香型白酒的生產是以酒醅為原料,以窖池為載體,在窖池發酵過程中大麴微生物、窖池微生物形成復雜的微生物群體進行一系列的物質能量代謝[1]。在發酵過程中,窖池內的微生物群落系統將酒醅中的澱粉轉化為白酒的主要成份及其微量的香味物質,窖內的理化指標呈現一定規律的變化,同時酒醅中成份的改變也引起了微生物群落生存環境的改變,如營養成份復雜化,環境酸度增加等,群落結構也有相應的改變,窖內優勢菌群逐漸呈現穩定狀態。微生物對酒醅的作用與窖內環境對微生物的選擇使得酒醅經過一個周期的發酵能夠產生具有獨特風味的濃香型白酒。近年來PCR-DGGE技術愈加成熟的運用於對組織結構和土壤樣品種的微生物群落結構研究[2~4],該技術也逐步運用於白酒窖內微生物多樣性研究,對白酒窖內樣品中微生物的多樣性、豐度、准確反應[5~7],利用PCR-DGGE對濃香型白酒窖泥中細菌和古菌群落進行研究,發現細菌有9~22條條帶,古菌有7~12條條帶,利用PCR-SSCP對濃香型白酒酒醅進行研究,發現酒醅中的細菌和真菌各有9~20和7~16條條帶[6~7]。

⑹ 群落的結構

任何群落都有一定的空間結構。構成群落的每個生物種群都需要一個較為特定的生態條件；在不同的結構層次上，有不同的生態條件，如光照強度、溫度、濕度、食物和種類等。所以群落中的每個種群都選擇生活在群落中的具有適宜生態條件的結構層次上，就構成了群落的空間結構。群落的結
構有水平結構和垂直結構之分。群落的結構越復雜，對生態系統中的資源的利用就越充分，如森林生態系統對光能的利用率就比農田生態系統和草原生態系統高得多。群落的結構越復雜，群落內部的生態位就越多，群落內部各種生物之間的競爭就相對不那麼激烈，群落的結構也就相對穩定一些。
群落有其結構。大多數群落中，由一兩種占優勢的植物生長型決定整個群落的外貌，群落也常以此得名，如闊葉落葉林、針葉常綠林、草原等。植物還可以按更新芽的位置而分為不同生活型，如地上芽、地下芽植物等。一個群落的生活型組成可以反映環境特徵。群落還常表現垂直分層現象，如地面上高樹、矮樹、灌木、草本的分層與光照有密切關系。地下和水中生物亦如是。除光照外，氧氣、壓力等亦有關。以植物為棲息地和食物的動物亦有相應的分層。在水平方向，不同生物可因要求類似環境條件或互相依賴而聚集在一起。群落中各物種常隨時間而變化，如植物的開花閉花和動物的穴外行動具有晝夜節律，而整個溫寒帶群落呈現明顯季節節律。群落中生物總處在不斷的交互作用中。按生物吸取營養的方式，有營光合作用的植物、靠攝食為生的動物和經體表吸收的微生物。它們之間形成復雜的食物關系。兩物種可以是互相競爭，也可是共生，視相互間利害關系而有寄生、偏利共生和互利之分。一個群落的進化時間越長、環境越有利且穩定，則所含物種越多。如兩物種利用相同資源(生態位重疊)則必然競爭而導致一方被排除。但如一方改變資源需求(生態位分化)則可能共存。生物群落的發展趨勢是生態位趨向分化和物種趨向增多。 植物通過光合作用製造的有機物質總量稱為總初級生產力，這是整個群落一切生命活動的能量基礎。除去植物呼吸消耗之後的剩餘稱為凈初級生產力，這是群落中全部異營生物(亦稱異養生物)賴以生存的能源。群落中現存的有機物質量稱為生物量，各種類型的群落的生物量和生物量積累比率很不相同。群落中生物組成包括植物、食植動物到食肉動物各營養級的食物連鎖關系。由於能量的種種消耗，生產力逐級遞減。初級生產力只佔陽光能中的0.1～1%，而動物所代表的各次級生產力只佔前一級生產力的10%。土壤上下的細菌、真菌在群落中亦占重要地位。森林中被動物攝食者，不到枝乾量的1%和樹葉量的10%，絕大部分朽木落葉被微生物分解。有機物質被分解為簡單成分後，可再為根系所利用從而完成營養物循環。森林中這種循環可以很緊密，丟失很少。但海洋中浮游生物沉積海底，卻使一部分營養物(如磷)難以再重復利用。
一片山坡上的叢林可因山崩全部毀壞，暴露出岩石面。但又可經地衣、苔蘚、草類、灌木和喬木等階段逐步再發育出一片森林，包括重新孕育出土壤。當一個群落的總初級生產力大於總群落呼吸量，而凈初級生產力大於動物攝食、微生物分解以及人類採伐量時，有機物質便要積累。於是，群落便要增長直達到一個成熟階段而積累停止、生產與呼吸消耗平衡為止。這整個過程稱為演替(succession)，而其最後的成熟階段稱為頂極(climax)。頂極群落生產力並不最大，但生物量達到極值而凈生態系生產量很低或甚至達到零；物種多樣性可能最後又有降低，但群落結構最復雜而穩定性趨於最大。不同於個體發育，群落沒有個體那樣的基因調節和神經體液的整合作用，演替道路完全決定於物種間的交互作用以及物流、能流的平衡。因此頂極群落的特徵一方面取決於環境條件的限制，一方面依賴於所含物種。
1、水平
水平結構是指在群落生境的水平方向上，常成鑲嵌分布。由於在水平方向上存在的地形的起伏、光照和濕度等諸多環境因素的影響，導致各個地段生物種群的分布和密度的不相同。
同樣以森林為例。在喬木的基部和被其他樹冠遮蓋的位置，光線往往較暗，這適於苔蘚植物等喜陰植物的生存；在樹冠下的間隙等光照較為充足的地段，則有較多的灌木與草叢。
2、垂直
形成原因：群落中，各個生物種群分別占據了不同的空間。
概念：垂直結構是指在群落生境的垂直方向上，群落具有的明顯分層現象。
以森林的群落結構為例。在植物的分層上，由上至下依次是喬木層、灌木層和草本植物層。動物的分層亦呈這種垂直結構：鳥類分為林冠層，中層和林下層。林冠層包括鷹，伯勞，杜鵑，黃鸝等。中層包括山雀，鶯，啄木鳥等。林下層包括畫眉，八色鵲等。水體分層也是如此。水體分為上層，中層和底層。上層主要是藻類。中層主要為浮游動物。底層主要為軟體動物，環節動物和蟹類

⑺ 什麼是土壤中微生物群落組成

土壤越肥沃，微生物越多。
微生物在土壤中的主要作用如下：
(一)分解有機質 作物的殘根敗葉和施入土壤中的有機肥料，只有經過土壤微生物的作用，才能腐爛分解，釋放出營養元素，供作物利用；並且形成腐殖質，改善土壤的理化性質。
(二)分解礦物質 例如磷細菌能分解出磷礦石中的磷，鉀細菌能分解出鉀礦石中的鉀，以利作物吸收利用。
(三)固定氮素 氮氣在空氣的組成中佔4／5，數量很大，但植物不能直接利用。土壤中有一類叫做固氮菌的微生物，能利用空氣中的氮素作食物，在它們死亡和分解後，這些氮素就能被作物吸收利用。固氮菌分兩種，一種是生長在豆科植物根瘤內的，叫根瘤菌，種豆能夠肥田，就是因為根瘤菌的固氮作用增加了土壤里的氮素；另一類單獨生活在土壤里就能固定氮氣，叫自生固氮菌。另外，有些微生物在土壤中會產生有害的作用。例如反硝化細菌，能把硝酸鹽還原成氮氣，放到空氣里去，使土壤中的氮素受到損失。 實行深耕、增施有機肥料、給過酸的土壤施石灰、合理灌溉和排水等措施，可促進土壤中有益微生物的繁殖，發揮微生物提高土壤肥力的作用。

⑻ 如何用origin做微生物網路互作圖

用origin做微生物網路互作圖方法如下：
第一步、打開軟體，數據導入origin,longname：輸入各微生物的名字；units:輸入單位；comments:不用填。
第二步、計算平均值和標准差：按住滑鼠左鍵選擇第一個微生物三個平行或者按住shift鍵再次一次選擇三個平行——statistics——descriptive statistics——statistics on row——open dialog，得到第一組數據。
第三步、選擇第二個微生物，計算平均值和標准差。
第四步、繪制圖形：先繪制第一條曲線圖，再將第二條曲線圖擬合到第一條曲線所在的圖片上；如果還有其他微生物，以此類推，直到繪制完所有微生物曲線圖。
這樣一個大概的微生物網路互作圖就生成了。

⑼ 怎麼分析微生物群落結構和多樣性

微生物群落的種群多樣性一直是微生物生態學和環境學科研究的重點。近幾年來，微生物群落結構成為研究的熱點。首先，群落結構決定了生態功能的特性和強弱。其次，群落結構的高穩定性是實現生態功能的重要因素。再次，群落結構變化是標記環境變化的重要方面。因此，通過對目標環境微生物群落的種群結構和多樣性進行解析並研究其動態變化，可以為優化群落結構、調節群落功能和發現新的重要微生物功能類群提供可靠的依據。
從年代上來看，微生物群落結構和多樣性解析技術的發展可以分為三個階段。20世紀70年代以前主要依賴傳統的培養分離方法，依靠形態學、培養特徵、生理生化特性的比較進行分類鑒定和計數，對環境微生物群落結構及多樣性的認識是不全面和有選擇性的，方法的分辨水平低。在70和80年代，研究人員通過對微生物化學成分的分析總結出了一些規律性的結論，從而建立了一些微生物分類和定量的方法即生物標記物方法，對環境微生物群落結構及多樣性的認識進入到較客觀的層次上。在80和90年代，現代分子生物學技術以DNA為目標物，通過rRNA基因測序技術和基因指紋圖譜等方法，比較精確地揭示了微生物種類和遺傳的多樣性，並給出了關於群落結構的直觀信息。
1 傳統培養分離方法
傳統培養分離方法是最早的認識微生物群落結構和多樣性的方法，自1880年發明以來一直到
現在仍被廣泛使用。傳統培養分離方法是將定量樣品接種於培養基中，在一定的溫度下培養一定的時間，然後對生長的菌落計數和計算含量，並通過在顯微鏡下觀察其形態構造，結合培養分離過程生理生化特性的觀察鑒定種屬分類特性。培養分離方法採用配比簡單的營養基質和固定的培養溫度，還忽略了氣候變化和生物相互作用的影響，這種人工環境與原生境的偏差使得可培養的種類大大減少(僅占環境微生物總數的0.1%～10%[1])。而且，此方法繁瑣耗時，不能用於監測種群結構的動態變化。
2 群落水平生理學指紋方法(CLPP)
通常認為微生物所含的酶與其豐度或活性是密切相關的。酶分子對於所催化的生化反應特異性很高，不同的酶參與不同的生化反應。如果某一微生物群落中含有特定的酶可催化利用某特定的基質，則這種酶-底物可作為此群落的生物標記分子之一，標記了某種群的存在。由Garlan和Mills[2]於1991年提出的群落水平生理學指紋方法(CLPP)是通過檢測微生物樣品對底物利用模式來反映種群組成的酶活性分析方法。具體而言，CLPP分析方法就是通過檢測微生物樣品對多種不同的單一碳源基質的利用能力，來確定那些基質可以作為能源，從而產生對基質利用的生理代謝指紋。由BIOLOG公司開發的BIOLOG氧化還原技術，使得CLPP方法快速方便。商業供應的BIOLOG微平板分兩種：GN和MT，二者都含有96個微井，每一
128 生態環境 第14卷第1期（2005年1月）

微井平板的干膜上都含有培養基和氧化還原染料四唑[3]。其中，BIOLOG的GN微平板含有95種不同碳源和一個無碳源的對照井，而MT微平板只含有培養基和氧化還原染料，允許自由地檢測不同的碳源基質[3]。檢測的方法是：將處理的微生物樣品加入每一個微井中，在一定的溫度下溫育一定的時間(一般為12 h)，在溫育過程中，氧化還原染料被呼吸路徑產生的NADH還原，顏色變化的速率取決於呼吸速率，最終檢測一定波長下的吸光率進行能源碳的利用種類及其利用程度的分析[4]。
BIOLOG方法能夠有效地評價土壤和其它環境區系的微生物群落結構[3~6]。其優點是操作相對簡單快速，而且少數碳源即能區別碳素利用模式的差別[5]。然而，BIOLOG體系僅能鑒定快速生長的微生物，而且，測試盤內近中性的緩沖體系、高濃度的碳源及有生物毒性的指示劑紅四氮唑(TTC)使得測試結果的誤差進一步增大。姚槐應[5]的研究表明，應根據測試對象的特點（例如pH，碳源利用類型及利用能力）改進BIOLOG體系，並且，有必要研究更好的指示劑來取代TTC。
3 生物標記物方法
生物標記物(Biomakers)通常是微生物細胞的生化組成成分，其總量通常與相應生物量呈正相關。由於特定結構的標記物標志著特定類型的微生物，因此一些生物標記物的組成模式(種類、數量和相對比例)可作為指紋估價微生物群落結構。由於分類的依據是從混合微生物群落中提取的生化組成成分，潛在地包括所有的物種，因而具有一定的客觀性。並且分析簡便快速，適於定性甚至半定量地檢測微生物體系的動態變化。20世紀80年代以來常用於研究微生物群落結構的生物標記物方法包括：醌指紋法(Quinones Profiling)、脂肪酸譜圖法(PLFAs和WCFA-FAMEs)。測定時，首先使用合適的提取劑提取環境微生物樣品中的這些化合物並加以純化，然後用合適的溶劑製成合適的樣品用GC或LC檢測，最後用統計方法對得到的生物標記物譜圖進行定性定量分析。
3.1 醌指紋法(Quinones Profiling)
呼吸醌廣泛存在於微生物的細胞膜中，是細胞膜的組成成分，在電子傳遞鏈中起重要作用[7]。醌的含量與土壤和活性污泥的生物量呈良好的線性關系的研究表明，醌含量可用作微生物量的標記[8]。有兩類主要的呼吸醌：泛醌(ubiquinone, UQ)即輔酶Q和甲基萘醌(menaquinone,MK)即維生素K[9]。醌可以按分子結構在類(UQ和MK)的基礎上依據側鏈含異戊二烯單元的數目和側鏈上使雙鍵飽和的
氫原子數進一步區分。研究表明，每一種微生物都含有一種占優勢的醌[7]，而且，不同的微生物含有不同種類和分子結構的醌[9]。因此，醌的多樣性可定量表徵微生物的多樣性，醌譜圖（即醌指紋）的變化可表徵群落結構的變化。
用醌指紋法描述微生物群落的參數[7]有：(1)醌的類型和不同類型的醌的數目；(2)占優勢的醌及其摩爾分數含量；(3)總的泛醌和總的甲基萘醌的摩爾分數之比；(4)醌的多樣性和均勻性；(5)醌的總量等。對兩個不同的群落，由上述分析所得數據可以計算出另一個參數____非相似性指數(D)，用於定量比較兩個群落結構的差異。
醌指紋法具有簡單快速的特點，近幾年來廣泛用於各種環境微生物樣品(如土壤，活性污泥和其它水生環境群落)的分析。
考察了醌指紋法分析活性污泥群落的分析精度，證明此方法是一種可靠的分析方法。然而，醌指紋法也存在一定的局限性，它不能反映具體哪個屬或哪個種的變化。 3.2 脂肪酸譜圖法(PLFAs、WCFA-FAMEs和其它方法)
從微生物細胞提取的脂肪類生化組分是重要的生物量標記物，例如，極脂(磷脂)、中性脂類(甘油二酯)可分別作為活性和非活性生物量的標記物[10]。更重要的是，提取脂類的分解產物____具有不同分子結構的混合的長鏈脂肪酸，隱含了微生物的類型信息，其組成模式可作為種群組成的標記。多種脂肪酸譜圖法廣泛用於土壤、堆肥和水環境微生物群落結構的分型和動態監測[11~13]。
常用的脂肪酸譜圖法可分為兩種：磷脂脂肪酸(PLFAs)譜圖法和全細胞脂肪酸甲酯(WCFA-FAMEs)譜圖法[14]。二者分析的對象實質上都是脂肪酸甲酯，不同之處在於提取脂肪酸的來源不同。磷脂脂肪酸(PLFAs)譜圖法提取的脂肪酸主要來源於微生物細胞膜磷脂即來源於活細胞，全細胞脂肪酸甲酯(WCFA-FAMEs)譜圖法提取的脂肪酸來源於環境微生物樣品中的所有可甲基化的脂類即來源於所有的細胞（包括活細胞和死細胞）。因此，磷脂脂肪酸(PLFAs)譜圖法的優點在於准確，可靠；全細胞脂肪酸甲酯(WCFA-FAMEs)譜圖法的優點在於提取簡捷，所需樣品量少。對多個環境微生物樣品分析而言，先用WCFA-FAMEs譜圖法預先篩選再用PLFAs法進行分析是提高效率的較佳選擇。
脂肪酸譜圖分析包括兩種形式：一種是脂肪酸，採用GC分析儀達到分離不同結構的分子的目的；另一種是脂肪酸甲基化產物____脂肪酸甲酯，採用GC-MS分析儀進行不同分子的分離和鑒定。

⑽ 群落的結構和種群的結構分別是什麼

群落的結構有水平結構和垂直結構之分。

1、水平

水平結構是指在群落生境的水平方向上，常成鑲嵌分布。

2、垂直

形成原因：群落中，各個生物種群分別占據了不同的空間。

種群的空間格局分為均勻分布、隨機分布、集群分布。

1、均勻分布均勻型分布，指種群在空間按一定間距均勻分布產生的空間格局。

2、隨機分布

隨機型分布，是指中每一個體在種群領域中各個點上出現的機會是相等的，並且某一個體的存在不影響其他個體的分布。

3、集群分布，是最常見的內分布型。

(10)微生物群落組成可以做什麼圖擴展閱讀：

群落的組成

組成生物群落的種類成分是形成群落結構的基礎。群落中種類組成，是一個群落的重要特徵。營養物質的豐富程度不同，種類數目可以相差很大。

陸地生物群落中植物種類的多樣性和結構的復雜性能直接影響動物種類和數量。微生物和土壤動物是生物群落中的重要成員，促進能量的多級利用和物質的循環過程。