就我个人而言，虚线前面都是不太经历的步骤，我一般不会主动删去样品的环境信息，因为我接触的菌群这块本来就没有什么多余的环境信息-_-||，所以我的重点放在怎么去除多余OTU或菌群上面。
一般而言，我首先会做一次差异分析，挑选有差异的OTU或菌群进行展示（phyloseq推荐使用DESeq2和edgeR，详见 Waste Not, Want Not: Why Rarefying Microbiome Data Is Inadmissible ），这里不是重点不在赘述。
但是差异OTU或菌群还有可能太多，RDA呈现出来密密麻麻的，调也得调好久，最后还是好不美观。
偶然间，发现envfit不仅可以评估环境因子的显著性，也可以评估物种的相关性和显著性，这为我们进一步去取冗余物种提供了条件，值得记录下来学习。
示例：
Rdata是生信技能树 生信爆款入门课程 geo数据挖掘长脚本管理用到的一个函数。为拓展课堂所学知识，现在探讨下它和RDS的区别。
.rds和.Rdata （也称为.rda ）文件都可用于以R本机格式存储R对象。与非本机存储方法（例如write.table相比，保存此方法有多个优点：
1)将数据恢复到R更快
2)它保持在数据中编码的R特定信息（例如，属性，变量类型等）。
但他们也有一点不同。
RDS是用saveRDS和readRDS，Rdata使用save和load。
saveRDS / readRDS仅处理单个R对象。但是，它们比多对象存储方法更灵活，因为还原对象的对象名称不必与存储对象时的对象名称相同。
例如，
一个安装包安装了之后还需要加载install.packages("rda") 这个函数运行一次之后就下载好了，
而每次要调用这个数据包就需要使用，
library(rda)这个函数。
