1、微生物β多样性
利用宏基因组、16s rRNA测序等高通量测序技术分析微生物群体结构的时候，
常见到有α和β多样性两个指标。α多样性主要反映样本内多样性，
而β多样性指的是样本间多样性（Between-sample diversity），
它的本质是一个量化的数值，其值的大小反映每个组内各个样本间的群落物种组成差异。
我们通过计算样本间距离可以获得β多样性计算矩阵，后续一般会利用PCoA、进化树聚类等分析对此数值关系进行图形展示。
以下表为例，表中5个样本通过Unifrac计算出样本间的β值。数值为0时表示两个样本间不存在多样性差异，数值越接近1，表示样本间的β多样性差异越大。
2、样本间距离
样本间距离是指样本之间的相似程度，可以通过数学方法估算。如前所述，样本间越相似，距离数值越小,除了欧氏距离，还有Unifrac、bray-curtis等方法，unifrac是基于物种之间的进化关系，分为两种：一种是Unweighted，只考虑物种的有无；一种是weighted方法，考虑的是物种丰度的变化。这些距离算法主要分为两大类别：OTU间是否关联；OTU是否加权
利用宏基因组、16s rRNA测序等高通量测序技术分析微生物群体结构的时候，
常见到有α和β多样性两个指标。α多样性主要反映样本内多样性，
而β多样性指的是样本间多样性（Between-sample diversity），
它的本质是一个量化的数值，其值的大小反映每个组内各个样本间的群落物种组成差异。
我们通过计算样本间距离可以获得β多样性计算矩阵，后续一般会利用PCoA、进化树聚类等分析对此数值关系进行图形展示。
以下表为例，表中5个样本通过Unifrac计算出样本间的β值。数值为0时表示两个样本间不存在多样性差异，数值越接近1，表示样本间的β多样性差异越大。
2、样本间距离
样本间距离是指样本之间的相似程度，可以通过数学方法估算。如前所述，样本间越相似，距离数值越小,除了欧氏距离，还有Unifrac、bray-curtis等方法，unifrac是基于物种之间的进化关系，分为两种：一种是Unweighted，只考虑物种的有无；一种是weighted方法，考虑的是物种丰度的变化。这些距离算法主要分为两大类别：OTU间是否关联；OTU是否加权