QIIME 2 抽平后样本为什么少了？实跑计数导入、特征过滤、抽样与来源追踪

扩增子分析进入多样性计算之前，常常需要检查特征表和样本测序量。一个容易令人困惑的情况是，原来有三个样本，经过过滤和抽平之后只剩一个，运行日志却没有报错。要解释这种变化，需要把每一步使用的计数表和保留条件连接起来。

本文实际安装 QIIME 2 的 2026.10 官方发行环境，从一张四个特征、三个样本的人工计数表开始，运行导入、汇总、过滤、固定种子抽平、相对频率转换及导出核对。实验同时检查数据类型与来源记录，读者可以用很小的数据理解完整的表格处理过程。

先确认手里的是哪一种表

特征计数表记录每个样本中各个特征出现多少次。相对频率表则把每列除以该样本的总计数，使每个样本的合计变为一。两者可能采用类似文件格式，但数值含义不同。

QIIME 2 的产物会记录相应类型。计数表使用 FeatureTable[Frequency]，相对频率使用 FeatureTable[RelativeFrequency]。导入时正确声明类型，后续命令才能依据数据含义检查是否接受输入。官方特征表导入说明

开始分析前，可以先检查最基本的三个问题。行是否代表特征，列是否代表样本，数值是原始计数还是已经归一化。尤其是从其他软件导出的表格，文件名中写着丰度，并不能完整说明这些问题。

本次四个行名只是教学标签，没有对应真实扩增子序列。我们从计数表开始，因此实验范围不包含读段质控、去噪或分类，也不把这些标签当作已经验证的生物学特征。

三个样本的输入计数怎样安排

甲样本的总计数为一百，乙为十，丙为十二。第四个特征只在丙中出现两次，其他三个特征分别出现在至少两个样本中。这个安排让特征过滤与样本总量之间的关系能够直接计算。

下载包中的脚本使用 BIOM 库生成文件，将行列名称与数值一同保存。读者也可以先在纸上计算每列总和，再与导入后的结果核对。对于真实表格，这种核对有助于发现转置、遗漏样本和错误归一化等问题。

这里采用十和十一两个很小的抽样深度，只为说明程序行为。正式扩增子项目需要根据实际保留读段、分析目标和样本分布决定深度，不能直接沿用本例的教学数值。

先固定发行环境，再执行导入

本次使用官方的 quay.io/qiime2/qiime2:2026.10 镜像。实际环境显示 Python 3.12.16，框架版本为 rachis 2026.10.1，命令行包为 rachis-cli 2026.10.0，特征表插件为 2026.10.0。镜像摘要记录在下载包中。官方安装说明

命令名称仍然可以使用 qiime。复现时先运行环境信息命令，再查看具体插件的帮助，可以确认手头版本提供哪些输入、输出和参数。

qiime info

qiime tools import \
  --input-path counts.biom \
  --type 'FeatureTable[Frequency]' \
  --input-format BIOMV210Format \
  --output-path counts.qza

输入格式描述文件如何存储，产物类型描述数据代表什么。这里的文件采用 BIOM 的相应存储格式，数值含义是计数，两项都与实际输入一致。

导入以后，我们还会把产物导出并重新读取计数矩阵。这样可以同时核对样本名称、特征名称和数值，确认后续步骤是在预期输入上运行。只看文件存在或命令返回成功，无法完成这些内容层面的检查。

汇总结果怎样帮助选择下一步

本次版本的汇总命令生成三个输出，分别保存特征频数、样本频数以及可视化结果。运行时明确写出各个文件，便于后续按用途查找。

qiime feature-table summarize \
  --i-table counts.qza \
  --o-feature-frequencies feature-frequencies.qza \
  --o-sample-frequencies sample-frequencies.qza \
  --o-summary summary.qzv

样本频数可以帮助确认总计数分布，特征频数可以帮助检查特征出现范围，可视化文件用于浏览汇总内容。配合原始矩阵查看，会更容易理解哪些样本接近后续门槛。

在自己的项目中，可以先列出候选抽样深度，以及每个深度会保留多少样本，再把样本分组信息接入这张表。如果丢失的样本集中在某个组，后续比较的数据组成就会改变，需要在分析设计中明确处理。

本次表格规模很小，十和十一之间只差一个计数，却足以改变乙样本是否保留。因此，在报告深度时给出完整数值，并保存实际保留样本列表，比只写“大约相同的测序量”更便于复查。

第一组抽平，深度为十时三个样本都保留

抽平从各个样本的计数中抽取指定总量。本次采用默认的不放回方式，并显式固定随机种子。样本需要拥有足够计数才能达到所设深度。

qiime feature-table rarefy \
  --i-table counts.qza \
  --p-sampling-depth 10 \
  --p-random-seed 121 \
  --o-rarefied-table raw10.qza

实际输出保留甲、乙、丙三个样本，每个样本合计十。乙原来正好有十个计数，达到门槛，因此保留。甲和丙的计数总量高于十，输出则是抽取后的组成。

这里应区分两个检查问题。总计数是否等于指定深度，可以按列求和确认。每个特征抽到多少，则与输入组成和随机抽样有关，需要读取实际矩阵。总量相同的两个结果，具体特征计数仍然可能不同。

本次通过正常导出命令得到 BIOM 文件，再独立读取每个样本的总计数。这个核对过程可以用在后续任何表格步骤中，帮助确认输出数值符合预期。

第二组把深度提高到十一，乙为何消失

第二组直接使用同一份原始计数产物，将深度改为十一，其他条件保持一致。甲有一百、丙有十二，能够达到门槛，乙只有十，无法从现有计数中抽出十一个不同计数单位。

实际输出只保留甲和丙，两列总计数均为十一。乙没有出现在结果样本列表中，这是当前条件下的正常行为。特征表插件与抽平参数说明

因此，如果某个样本在抽平后消失，可以先核对抽平命令实际接收的输入表，再计算该样本在那张表中的总量。即使早期测序统计显示读段较多，经过其他过滤后传入的计数也可能已经减少。

这一点在较长流程中特别有用。原始读段数、通过去噪的数量、去除特定特征后的总量，以及最终抽平前的计数，属于不同阶段。排查样本丢失时，应找到紧邻该步骤的输入数值。

特征过滤为什么又让丙无法通过

第三类对照先过滤特征，要求每个特征至少出现在两个样本中。第四个特征只在丙中出现，因此被删除。其他三个特征满足条件，全部保留。

qiime feature-table filter-features \
  --i-table counts.qza \
  --p-min-samples 2 \
  --o-filtered-table filtered.qza

实际导出的过滤表仍然包含三个样本，但总计数变成一百、十、十。丙丢掉第四个特征的两次计数，从十二降到十。此时再次设置抽平深度十一，实际结果只剩甲。

这组结果说明，样本是否能通过抽平，取决于该步骤实际看到的计数。特征过滤虽然直接作用于行，也会改变各样本的列总和，因此可能影响后面的样本保留。

解释过滤规则时，还应确认“至少两个样本”在哪一组样本范围内计算。如果之前已经删掉某些样本，特征的出现次数也会变化。本次过滤明确在原始三个样本上执行，下载包保留了输入产物与参数关系。

固定随机种子后，应该比较什么来判断复现

本次对原始表按深度十一、种子一百二十一重复运行两次。导出后，两次的样本名称、特征名称和计数矩阵一致。我们另用种子一百二十二再运行一次，保存了对应结果，供读者检查抽样条件变化。

固定种子适合让同一输入、同一实现下的随机步骤得到可重复结果。保留种子时，还应一同记录版本与输入产物，因为它们共同决定实际计算条件。

两次相同种子的运行会生成新的产物标识和运行记录。因此，整个压缩产物的字节内容可以不同，即使其中的计数矩阵一致。判断本例的数值复现时，我们比较的是解出后的名称与矩阵，同时检查来源中记录的输入和参数。

这种比较方式也适合协作。交付结果时，可以把数据内容的核对与运行记录的核对分开完成。前者确认具体数值，后者确认这些数值通过哪些条件产生，二者都对复查有用。

本次两个种子的实际差别可以在甲样本中直接看到。种子一百二十一抽到的前三个特征计数分别为九、二、零，种子一百二十二则为八、二、一，合计都为十一。第三个特征在原始甲样本中有五个计数，但一次抽样中没有被抽到，另一次则被抽到一个。

因此，抽平后的零值还需要结合上游表格解释。它可能表示原始表中就没有观测，也可能来自过滤或本次随机抽样。讨论某个特征是否存在时，保留抽平前的计数与处理条件，可以帮助区分这些来源。本次过滤后再抽平的结果只剩甲，第三个特征在保留样本中全为零，最终表也只保留了前两个特征。

把相对频率表拿去抽平，会发生什么

本次还正常生成了相对频率产物，各样本按列归一化。随后尝试把它传给同一个抽平命令，程序因输入类型不匹配而拒绝执行。

这项对照展示了类型信息的实际作用。抽平需要计数形式的输入，相对频率表表示比例，即使也存放在 BIOM 文件中，仍然不能据此恢复原始观测数量。保留原始计数表，可以避免后续需要计数时失去来源。

qiime feature-table relative-frequency \
  --i-table counts.qza \
  --o-relative-frequency-table relative.qza

遇到这类错误时，应回到分析含义选择正确输入。将文件改名、修改后缀或者把比例随意乘以一个常数，都不能保证恢复原来的观测计数。应该找到仍然保留真实计数的产物，再执行需要计数的步骤。

本例将预期失败的类型检查保存在日志中，随后继续完成产物验证。复现脚本会明确检查这一步确实返回失败状态，避免把预期的输入拒绝误读为实验中断。

用来源记录串起整个处理过程

本次读取产物中的来源信息，核对抽平步骤使用的输入产物、深度与种子，以及过滤步骤形成的上游关系。这样可以解释为什么两张看似相似的抽平表，最终保留的样本不同。

同时，我们通过正常导出获取内部数据，再读取样本列表、特征列表及矩阵。导出数据适合继续交给其他工具处理，原始产物适合保留来源关系，两者可以一起保存。官方导出说明

来源记录从导入之后的流程开始提供支持。对于本次人工生成的计数，生成脚本也需要一同保存。真实项目若在导入前进行了其他处理，同样应保存相应方法和输入，才能形成连续的分析记录。

QIIME 2 的价值在于将类型检查、插件操作和来源记录连接起来。使用时需要投入一些精力理解这些对象，但掌握之后，样本丢失、输入误用以及参数差异都会更容易追踪。

本次下载包包含计数生成脚本、全部命令、五组抽平结果、类型检查和产物来源记录，读者可以修改原始计数或门槛后逐项复算。下载实跑脚本与本次结果

当分析需要持续管理多个批次的扩增子数据、插件环境和可追溯结果时，可了解云生信的生物信息学分析计算服务。