处理16s测序数据时，相信很多同学已经看倦了常见的Alpha、Beta多样性分析，PCA分析之类，那么除了这些标准内容，我们还能做些什么呢？
数据准备
CoNet分析应用的文件可以是BIOM文件，也可以是由它转换而来的OTU丰度矩阵文件。格式上的要求（如下图)：第一列是OTU名称ID,之后的每一列的列名是样品名称，每一行数据表示OTU在每个样品中的丰度。而最后一列是OTU的分类世系信息，涉及门纲目科属种等。OTU数据也可以只是具体到属水平的分类。
也可以准备环境因子数据进行联合分析，如下：
插件安装
导入数据与设置
完成初步数据设置之后，选择该窗口的Metadataandfeatures(optional)，开始其他设置，并导入环境因子数据，包括勾选explorelinksbetweenhigher-leveltaxa，Parent-childexclusion，以及对环境因子数据进行设置（如下图）。
数据过滤
完成上一步之后，回到主菜单，选择Preprocessingandfiltermenu，开始对数据进行过滤，同时进行数据的标准化。
计算方法
通过该窗口选择Automaticthresholdsetting，设置网络阈值，选择edgeNumber和Topandbottom，并填写上对应的数值100，可以按照实际填写。
ReBoot
进入Randomizationmenu，先进行Permutaion，设置Routine、Resampling，重新标准化Renormalize，以及进行空分布文件的的保存等等（如下图）。设置完成之后，进入主菜单点击GO。
完成Permutation，开始进行Bootstrap，在相同窗口中进行设置，修改Resampling，取消重新标准化Renormalize，设置P-valuemerge方法为Brown，多重检验benjaminihochberg，同样保存随机化文件，并导入刚刚计算的空分布文件（如下图），进入主菜单点击GO。
恢复网络（可选）
基于前一步生成的文件恢复CoNet网络，在前一步的设置上基础上，取消文件保存，并导入生成的随机文件（如下图），之后点击主菜单GO。
网络图基本设置与聚类分析
此外，结合CytoCluster对网络进行聚类分析，对网络进行模块划分，部分结果如下：
愿大家get多多技能，学习快乐！
参考文献：
[1]DurrerA,GumiereT,TaketaniRG,etal.Thedriversunderlyingbiogeographicalpatternsofbacterialcommunitiesinsoilsundersugarcanecultivation[J].AppliedSoilEcology,2016,110.
[2]FaustK,SathirapongsasutiJF,IzardJ,etal.MicrobialCo-occurrenceRelationshipsintheHumanMicrobiome[J].PlosComputationalBiology,2012,8(7):e1002606.