然而，利用一个类群在样本中的相对丰度来推断该类群在生态系统中的相对丰度是合理的。假设样本是随机采集的，那么有理由假设样本中一个分类单元的期望相对丰度与它在生态系统中的期望相对丰度是相同的。因此，在样本水平上比较预期的相对丰度近似等于在生态系统水平上进行比较。

另外，由于所有物种的相对丰度和为1，标准的统计方法如皮尔逊相关系数、t检验、方差分析、线性回归分析等方法不能直接用于分析微生物群落相对丰度数据。例如，考虑极端情况，一个样本中只有两个物种。由于相对丰度的和是1，因此他们的皮尔逊相关系数必为负数。推广到复杂群落中，至少一对物种的皮尔逊相关系数为负。

因此，不可能区分真正的负相关关系和由统计方法引起的负相关关系，这可能导致对分类单元对之间关系的错误结论。且这些标准方法并没有假设数据中每列和为1这样的限制。

此外，微生物的数据也不适合使用基于多项式或狄利克雷-多项式分布(Dirichlet-multinomial distribution)的方法，因为这种分布要求所有OTU之间都是负相关的。这明显与实际不符。

基于上述背景，一种基于成分对数比(compositional log-ratios)的新方ANCOM，用于检测微生物平均分类群丰度的差异。该方法计算简单，可以处理数千个分类单元。

由于需要做对数转换，因此OTU中为0的地方会随机的增加一个很小的正数，使得对数有意义。
ANCOM的结果用W值来衡量组间差异显著性。W值越高代表该物种在组间的差异显著性越高。
转载https://mp.weixin.qq.com/s/HU_Vyi--vC4orIk63SAApw