一克土里住着几万个微生物，肉眼看不见，却左右着作物长得好不好。连续种了几年忽然死棵、施肥越多反而越僵，问题常常出在这些看不见的住户身上。测序给了把它们看清楚的机会，可拿到报告不等于拿到答案——采样规不规范、数据怎么质控、群落差异能不能当结论，每一步都影响最后的判断。华昇金玛植保系统课第075课从采样送检一路讲到田间决策：先弄清楚测序能回答什么、不能回答什么，再谈怎么把数据用回地里。

01/09 丨微生物组测序的价值与定位

土壤里的微生物数量最多、种类最杂，却最难直接观察。健康植株和病株的根际土放在一起对照，两边的群落结构并不一样：一边是有益菌活跃、多样性高，另一边常见病原相关类群富集、多样性下降。课程页用健康株与病株的根际对照图，加一张显微视窗，把这种看不见的差别摆到台面上。它要回答的是作物长势与土壤状态背后的生物原因，而不是单纯给某块地贴标签。

整套流程分五步：取样、样品处理、DNA 提取、高通量测序、生信分析。页面把研究拆成四栏——科学问题问群落结构和功能是什么、与作物表现有什么关系；研究方法解决怎么采样、怎么测、怎么分析；数据与证据关心数据质量与结论可信度；应用边界提醒测序能给出线索与假设，不能单独下因果结论。四栏分开看，才不至于拿一个群落的差异去解释所有田间现象。定位找准，后面的分析才不跑偏。

02/09 丨根际与非根际土的采样设计

根际土指的是抖落大块土壤后仍紧贴根系的那层土，微生物受根系分泌物影响最强；非根际土则取距根系五厘米以上的土，用来做背景对照。两者能不能分清，直接决定后续结论反映的是根系效应，还是地块本身的差异。采样还要设三到五个生物重复，并配采样空白与提取空白，用来扣除采样和实验环节混进来的污染。冷链保存控制在四摄氏度左右，尽快送检，避免菌群在运输途中发生变化。

规范采样按五步走：选点、取样、编号、保存、送检。选点要避开施肥沟、地头和田埂边缘这些容易失真的位置；取样时用土钻或铲子分层取，编号要让每份样品唯一可追溯；保存要冷藏避光防挤压；送检连同采样记录一起交出去。记录里写清经纬度、时间、土样类型、深度和地块管理情况，后面解读数据时，这些信息往往比一堆测序参数更管用。记录跟着样品走，解读才落得下来。

03/09 丨从土样到测序数据的五步流程

土样进实验室后，先做 DNA 提取与质检，提取质量不过关，后面所有分析都建在沙子上；接着做 PCR 扩增与建库，常见做法是扩增 16S rRNA 基因的高变区；然后上机测序，得到原始 Reads；再进入数据产出环节，把 Reads 聚类成 ASV 或 OTU，得到物种组成与多样性指标；最后做生信分析，比较组间差异、预测群落功能。五步之间有依赖，前一步的偏差会在后一步被放大。

这套流程也有它的边界。实验过程中可能有污染混进来，引物对某些类群存在偏好，扩增本身带偏差，不同批次的文库还有技术差异。这些都会让结果偏离真实群落，需要在设计阶段用空白对照和重复来约束，在分析阶段用质控和统计去降低影响。把测序当成一把有刻度的尺子，而不是一台直接给答案的仪器，判断会更稳。把这几步的边界记牢，再看报告里的数字，就不会被一张漂亮的图带偏方向，提出假设时也更有底气。

04/09 丨测序数据的质控与多样性

原始下机数据不能直接拿来分析。要先去掉测序接头，按 Q20、Q30 这类质量值过滤低质量碱基，剔除嵌合体序列，再做标准化处理，让各组样本的 Reads 数可比。页面给了一组对照：质控前每组约一千六百万到一千七百万条 Reads，质控后降到约九百五十万到一千万条，损耗约三成到四成。这不是浪费，而是把噪声挡在门外。

质控之后看两个层面。一个层面是测序深度够不够，用稀释曲线判断，曲线趋于平台说明测到的种类接近饱和；另一个层面是群落多样性，用 Shannon 箱线图比较各组的中位数与离散度。再往上是 Beta 多样性，用 PCoA 把样本分布画在二维平面上，组内样本越聚拢、组间越分开，说明分组差异越明确。质控漏斗加这三张图，构成判断数据能不能用的第一道门槛。把质控结果和数据量对照着看，才知道手里的结论有多大底气，测序经费是不是花在了刀刃上，一目了然。

05/09 丨群落结构柱状图与热图解读

门水平堆叠柱状图回答"谁多谁少"。页面给出八个主要门类：变形菌门、酸杆菌门、放线菌门、拟杆菌门、绿弯菌门、芽单胞菌门、厚壁菌门，其余归入其他。想看得更细，就上属水平 Top15 热图，用 Z-score 标准化后，红色代表相对丰度高、绿色代表低，组间成块的颜色差异就是线索。柱状图看整体格局，热图看具体类群，两者配合才能定位到变化的属。

PCoA 把样本按群落相似度铺到平面上。页面案例中第一主轴解释百分之三十二点一的变化，第二主轴解释百分之十八点七，ANOSIM 检验给出 R 等于零点七二三、P 等于零点零零一，说明组间差异真实存在；组内相似性约零点四八、组间约零点二七，一高一低正说明分组有意义。测序常用来分析连作障碍、过度施肥、农药胁迫、土壤板结、盐碱化与酸化这几类土壤问题，先在图上看到差异，再去追问原因。图上先找差异，管理上再找办法，两件事分头做。

06/09 丨差异菌群与共现网络分析

找出组间差异的类群，常用差异分析和 LEfSe。前者做组间统计比较，后者在门到属的各层级上挑出区分两组的标志类群，页面用 LDA score 的对数值展示哪些门类在一端富集、哪些在另一端减少。差异类群是切入点，列出一串名字并不等于搞清了机制，还要看它们彼此怎么关联、在群落里处在什么位置。

共现网络用节点和连线表示类群之间的关系，节点大小代表连接度，绿线表示正相关、红线表示负相关，连接度高的类群往往处在网络的关键位置，值得重点关注。有了网络，还可以做功能预测，推断群落可能具备的代谢能力。留意页面给出的提醒：丰度差异和网络位置都属于相关性证据，菌群的功能要靠培养、接种或田间试验去验证，别把一张网络图当成定论。网络里位置再关键的类群，也只是提示你先去查它；查过、试过、在田里见过效果，才能当真。

07/09 丨统计显著性、效应量与因果边界

看统计结果先认两类信息。一类是检验方法：比较三组以上用方差分析，比较群落组成用 PERMANOVA，看两批数据是否同步变化用 Spearman 相关，页面案例里相关系数为零点七二、P 小于零点零零一。另一类是显著性标记：P 小于零点零零一标三颗星，小于零点零一标两颗，小于零点零五标一颗，不小于零点零五标 ns。P 值说明差异不太可能是偶然，但它的大小并不等于效果大小。

所以还要看效应量。Cohen's d 里，零点二算小效应、零点五算中等、零点八算大效应；再配合置信区间判断估计有多稳，页面案例中产量均值差的置信区间是每亩一百二十到三百公斤、点估计为二百一十公斤，区间不跨越零，结论才站得住。统计显著和实际意义是两回事，页面那个大大的不等号提醒的正是这层区别：能跑出显著性，不代表这个变化值得你改掉整套管理办法。把效应量、置信区间一起看，判断才不虚。

08/09 丨从测序报告到田间管理决策

拿到测序报告先别急着照抄结论。闭环是这样走的：获取报告，把多样性与优势类群、差异类群信息综合成诊断，据此提出假设，制定并实施管理措施，最后回到田间复查验证，用效果反过来修正假设。页面把三种典型场景列成表格——连作障碍、土传病害、土壤退化，各自对应测序线索、综合诊断、管理重点和田间验证方式。

以连作障碍为例，常见线索是多样性下降、有益菌减少、病原相关类群升高，对应的管理重点是有机质补充、合理轮作、减少单一连作，必要时补充功能微生物；验证则看下一季的根系健康与产量。华昇金玛三结义微生物菌剂属复合微生物菌群产品，主打防病促生，按冲施或灌根每亩每次一到两升使用，注意避开强光高温时段。用它配合测序结论调理根区菌群，方向是对的，但仍要留出对照区观察效果。对照区的数据，是最有说服力的验证。

09/09 丨连作障碍闭环案例的完整解读

案例拿同一块地的轮作区与连作区做对照，长势照片先摆出差别：轮作区根系白壮，连作区发黄瘦弱。接着进入数据层，Alpha 多样性用 Chao1、Shannon、Simpson 三张箱线图比较，连作区的多样性普遍更低；Beta 多样性用 PCoA 呈现，第一主轴解释百分之二十七点四、第二主轴解释百分之十点六，R² 约零点三二、P 等于零点零零一，说明两组群落确实分开。

再看到具体的类群，轮作区富集了慢生根瘤菌这类与固氮、促生相关的菌属。案例把科学问题、研究方法、数据与证据、应用边界四个层面收进一张九宫格：从想知道连作为什么减产，到怎么采样怎么测，到数据说明了什么，再到结论能用到哪些地块。所谓把数据用起来，就是沿这条路径走完，把每一项证据放回它该待的位置，而不是停在报告的第一页。四层信息接起来，报告才真正变成能落地的管理依据，下一次采样也才知道该补什么。