分析方法

LorMe整合了三类互补的微生物差异分析方法，以满足不同研究设计和分析需求。

当研究者需要结合不同R包中的分析方法时，通常需要反复进行封装对象转换，并手动调整输出和可视化参数。

微生物组研究的快速发展推动了分析方法和可视化工具的持续丰富。

这种数据结构差异增加了多工具联合使用的复杂性，也限制了不同分析方法之间的灵活整合。

随着数据规模不断扩大、实验设计日趋复杂，分析方法选择和流程配置的复杂性逐渐成为影响研究效率和流程透明性的关键因素。

LorMe将常用生态学和统计分析方法整合至分析流程，同时通过保存中间分析对象、源数据和可视化结果，提高了分析过程的透明性和结果复现性。

例如，差异分类单元分析结果与共现网络模块及模块水平丰度变化表现出较高一致性，这与已有研究中利用元网络分析方法识别对环境梯度或试验处理敏感的微生物类群的结果相一致[20,21]。

未来，LorMe将进一步扩展其分析功能，具体包括：（1）整合或兼容更多分析方法，例如MBPD[24]以及基于组成型数据校正的网络推断方法（如SparCC和SPIEC-EASI）[25]；

此外，一键式分析流程显著减少了分析流程构建和代码编写需求，同时保持了分析方法的严谨性和可扩展性。

通过整合多个分析模块，LorMe能够从不同角度揭示试验处理下微生物群落响应模式，并通过多种分析方法之间的相互验证提高结果的可靠性。

首先，虽然当前流程支持扩增子和宏基因组测序数据，但对基于系统发育信息的分析仍较为有限，尚未集成例如群落组装过程中的βNTI计算以及其他系统发育相关分析方法[22]。