qiime中OUTs聚类的三种方法

1、de novo OTU 聚类，是将所有序列直接按照两两之间的相似度，划分成一个个OTU，选取该OTU中丰度最高的序列作为该OTU的代表序列，然后用代表序列比对参考数据库，获得该OTU的物种注释。常用数据库有RDP、Silva及Greengene，由于GreenGene和RDP数据库一直没有更新，一般采用Silva数据库进行分析。
OTU注释数据库 优点：不依赖参考数据库，尤其是所研究的样品中含有的已知物种较少，如极端环境中。
缺点：受测序错误及嵌合体影响较大，说白了就是有些序列并非真实存在，是实验过程产生的“假序列”，用这种方法聚类时就会被误认为是一个独立的OTU，不过可以通过去嵌合体等分析手段缓解。

2、closed-reference聚类，这种方法是将序列与参考数据库直接比对，比对到同一参考序列的作为一个OTU，在OTU聚类的同时，也获得了该OTU的物种注释信息。
优点：所获得的OTU可信度高；另外，由于不同文章中检测的16S区域不同，如果要合并分析，不能用de novo OTU picking的方法聚类，因此只能用close-reference方法聚类。
缺点：只能得到已知物种的序列，丢失未知物种的信息。

3 、open-reference OTU聚类，具有上述两种聚类方法的特点，即将序列与参考序列比对，未比对上的序列再进行de novo聚类。兼具上述两种方法的优点，但无法用于不同16S区域的合并分析。
由于目前的参考数据库信息有限，所以OTU的注释结果中常见到一些uncultured*之类的没有分类信息。