一、基于 Biolog 土壤微生物群落代谢水平分析与参数计算
碳源利用分析及多样性指数分析均采用培养 72h 的 OD 相对值进行计算。 平均每孔颜色变化率及多样性指数的计算方法如下：
1) 平均吸光度值 AWCD=[∑(C-R)/31]。公式中：C 为除对照孔外 31 个反应孔吸光值； R 为对照孔吸光值；
2) Shannon 多样性指数(H)，可以表征土壤微生物群落丰富度，计算公式为： H= - ∑PilnPi
Pi 为第 i 孔的相对吸光值(C-R)与所有 31 孔吸光值总和的比率；
3) McIntosh 多样性指数 U
ni 代表群落中第 i 个种的个体数量
4) 对 31 种碳源进行单一分析，比较杨桤混交林和杨树纯林之间对单一碳源的差异性。
5) 对六大类碳源进行类别分析，计算不同微生物对相同种类碳源(如氨基酸类) 平均
颜色变化率的总和，来比较微生物对于不同种类碳源的利用喜好以及不同土壤对每一大类 碳源间的利用效率是否存在差异。
二、基于 PCR-DGGE 的微生物群落结构分析及参数计算
采用 Quantity One 软件(Version4.5)对 DGGE 条带进行条带和灰度分析并计算土壤微 生物群落结构的 Shannon-Wiener 指数(H)。Shannon-Wiener 多样性指数包含了种类丰富度 和种类中个体分配的均匀性，Shannon 指数由下式计算：
H= - ∑PilnPi=- ∑ (Ni/N) ln(Ni/N)
式中：
H 为 Shannon 多样性指数
Pi 为第 i 个 DGGE 条带出现概率
Ni 为第 i 个 DGGE 条带的扩增量
N 为土壤微生物群落中 DNA 的 DGGE 条带扩增总量(N=
采用 Microsoft Excel 2007 进行数据处理，采用 SPSS19.0 统计软件进行差异性分析。
三、基于 16S 和 ITS 测序的微生物群落结构分析及参数计算
根据 Barcode 序列和PCR 扩增引物序列从原始数据中提取各样品数据，截去 Barcode 和引物序列后使用 FLASH 软件 (Magoc et al. 2011)对每个样品的 reads 进行拼接，得到的 拼接序列为原始 Tags 数据(Raw Tags)；经过过滤处理后(Bokulich et al. 2013)得到高质量 的 Tags 数据(Clean Tags)。参照 Qiime 的 Tags 质量控制流程，进行如下操作：a) Tags 截 取：将 Raw Tags 从连续低质量值碱基数达到设定长度的第一个低质量碱基位点截断；b) Tags 长度过滤： Tags 经过截取后得到的 Tags 数据集，进一步过滤掉其中的连续高质量碱 基长度小于 Tags 长度 75%的Tags 。经过以上处理后得到的 Tags 需要进行去除嵌合体序列 的处理， Tags 序列通过与数据库进行比对检测嵌合体序列，并最终去除其中的嵌合体序列 (Haas et al. 2011)，得到最终的有效数据(Effective Tags)。
1) OTU 聚类和物种注释
利用 Uparse 软件(Edgar, 2013)对所有样品的全部 Effective Tags 进行聚类，默认以 97% 的一致性(Identity) 将序列聚类成为 OTUs (Operational Taxonomic Units)，同时选取 OTUs 的代表性序列依据算法原则筛选出 OTUs 中出现频数最高的作为代表序列，对 OTUs 代表 序列进行物种注释，用 Mothur 方法与 SILVA(Wang et al. 2007)SSUrRNA 数据库(Quast et al. 2013)进行物种注释分析，获得在各个分类水平上的分类学信息： kingdom (界)、phylum (门)、class (纲)、order (目)、family (科)、genus (属)、species (种) 统计各样本的群 落组成。使用 PyNAST 软件(Yilmaz et al. 2014)与 GreenGene 数据库中的"Core Set"数据信息 进行快速多序列比对后得到所有 OTUs 代表序列的系统发生关系。最后对各样品的数据进 行均一化处理，后续的 Alpha 多样性分析和 Beta 多样性分析都是基于均一化处理后的数据 得到的。
2) 样品复杂度分析(Alpha Diversity)
使用 Qiime 软件(Version 1.7.0)计算 Observed-species 、Chao1、Shannon 、Simpson、 ACE、Goods-coverage、PD-whole-tree 指数，使用 R 软件(Version 2.15.3) 绘制稀释曲线、 Rank abundance 曲线、物种累积曲线，并进行 Alpha 多样性指数的差异分析；Alpha 多样 性指数组间差异分析会分别进行有参数检验和非参数检验，如果只有两组，选用 T-test 和 wilcox 检验，如果多于两组，选用的是 Tukey 检验和 agricolae 包的 wilcox 检验。 a) 计算 菌群丰度(Community richness) 的指数有：Chao1 指数； b) 计算菌群多样性的指数有： Shannon 多样性指数和 Simpson 多样性指数； c) 测序深度指数有：Coverage; d) 系统发 育多样性的指数有：PD-whole-tree 指数。
3) 多样品比较分析(Beta Diversity)
用 Qiime 软件(Version 1.7.0)计算 Unifrac 距离、构建 UPGMA 样品聚类树。使用 R 件(Version 2.15.3)绘制 PCA、PCoA 和 NMDS 图。PCA 分析使用 R 软件的 ade4 包和 ggplot2 软件包， PCoA 分析使用 R 软件的 WGCNA ，stats 和 ggplot2 软件包，NMDS 分析使用 R 软件的 vegan 软件包。使用R 软件进行 Beta 多样性指数组间差异分析，分别进行有参数检 验和非参数检验，如果只有两组，选用 T-test 和 wilcox 检验，如果多于两组，选用的是 Tukey 检验和 agricolae 包的 wilcox 检验。
LEfSe 分析使用 LEfSe 软件。Metastats 分析使用 R 软件在各分类水平(Phylum、Class、 Order、Family、Genus、Species)下，做组间的 permutation test，得到 p 值，然后利用 Benjamini and Hochberg False Discovery Rate 方法对于 p 值进行修正，得到 q 值(White, 2009)。Anosim， MRPP 和Adonis 分析分别使用R vegan 包的 anosim 函数，mrpp 函数和 adonis 函数。AMOVA 分析使用 mothur 软件 amova 函数。组间差异显著的物种分析利用R 软件做组间 T-test 检验并作图。
4)热值分析 (Heatmap)
热值分析使用计算公式如下：
DBray-Curtis=1-2 (SA.i, SB,i ) /( ∑SA,i+ ∑SB,i)
其中 SA, i= 表示 A 样品中第 i 个 OTU 所含的序列数
SB, i= 表示 B 样品中第 i 个 OTU 所含的序列数
5) 细菌功能预测分析
根据 16S 分析获得的群落微生物组成结果，利用 Tax4Fun 软件及 Silva 数据库预测分 析各样本中的功能基因组成及相对丰度大小，并比较组间差异的功能基因。最后从组间差 异的功能基因中选取前 10 个(不满 10 个的则全选) 基因进行图形展示。组间差异分析过 程中首先对数据进行方差齐性检验，若方差齐性则采用 ANOVA 分析，否则使用 Kruskal-Wallis 秩和检验。