1、处理一些简单的有格式的文本数据，包括矩阵等
2、画一些简单的统计图，比如直方图，箱线图等
3、分析一些专门的数据，比如芯片数据，RNA-seq数据等
4、画一些专业的图，比如热图之类的
，即主坐标分析（Principal Coordinates Analysis），是一种 用于研究样本微生物群落组成相似性或差异性 的数据降维分析方法。PC1 和PC2 是两个主坐标成分，图中每个点代表一个样本，点的颜色代表样本的分组，样本间的距离越近代表微生物群落结构越相似。图中圆圈一般是置信水平为95%时的置信椭圆，用于比较组间的群落结构组成相似性。
如果只有一个响应变量数据，而没预测器（解释变量），我们仅仅需要、也只能归纳这个变量的分布特征（如通过直方图、中值，标准差、四分位极差等）。如果有多个响应变量，依然没有解释变量，我们可以用排序（间接梯度分析）来分析数据，例如可以用主成分分析（PCA）、对应分析（CA）、去趋势对应分析（DCA）和非度量多维尺度分析（NMDS），当然也可以用等级分类，如聚类的方法将样方分为有区别的几类。
如果我们有一个或多个的解释变量，要分析一个响应变量，可以用广义的回归模型，包括传统的回归模型和方差分析、协方差分析。这类分析统称为一般线性模型（general linear model），最近在一般线性模型基础上，发展出了广义线性模型（generalizedlinear models, GLM）和广义可加模型(generalized additivemodels, GAM)。有关这回归模型更多的信息，我们将在第8章讨论。
如果有多个响应变量需要分析，解释变量一个或多个，我们可以通过直接梯度排序来分析解释变量与多个响应变量（群落学里通常是物种）之间的关系。常用的有冗余分析（RDA）和典范对应分析（CCA）等排序技术。
你的问题里面氮源算是解释变量，产生的菌种属于相应变量。如果你测定的菌种指标为多个，我感觉你就用canoco做一个CCA应该就行了（还有，这种方式应用在生态上只是较多而已，但用在你的实验上应该没什么问题）。CCA是首先针对你的菌种进行排序，然后再与氮源进行线性结合；当然，如果你测定的菌种指标只有一个，那就用SPSS之类的简单软件分别进行线性回归，然后看哪个拟合的结果（r）好就行了。祝早日发表。
