根据示例数据，使用原始read count矩阵是最为推荐的方式，那么将数据标准化以及Zvalue化是否会影响结果？
直接说结论：
1 对样本丰都加合求100%，不影响显著性和R2
2 对样本丰都加合求100%在进行zvalue：
2.1 使用euclidean距离，不影响显著性和R2
2.2 使用默认的bray距离，显著性和R2改变，原来显著的变为不显著
测试代码如下：
libary("vegan")
data(dune)
data(dune.env)
# dune 为 20 X 30 ; 20 个sample ； 30个菌 的原始count数据
colSums(dune)
row.names(dune)
#################################### 1
## default test by terms
set.seed( 123)
adonis2(dune ~ Management, data = dune.env )
#################################### 2
# 标准化样本 : 样本总丰都为100
# dune 和 dune_normalizeSample 行是样本 ，列是菌
dune_normalizeSample = apply(dune , 1 , function(x){100* x/sum(x) }) %>% t(.)
rowSums(dune_normalizeSample )
set.seed( 123)
# 由结果可知，对样本是否标准化，不影响显著性和R2
adonis2(dune_normalizeSample ~ Management, data = dune.env)
#################################### 3
# 标准化样本 再z值化菌 : 样本总丰都为100，然后对每一列菌求z
# dune_normalizeSample和dune_normalizeSample_scale 行是样本 ，列是菌
dune_normalizeSample_scale = apply(dune_normalizeSample , 2 , function(x){ scale(x) })
rowSums(dune_normalizeSample_scale )
set.seed( 123)
#################################### 3.1
# 标准化样本和z value 菌之后，bc距离求显著性： 结果不显著，R2也错误
adonis2(dune_normalizeSample_scale ~ Management, data = dune.env)
#################################### 3.2
# 标准化样本和z value 菌之后，euclidean距离求显著性： 结果显著，R2正确
adonis2(dune_normalizeSample_scale ~ Management, data = dune.env,method = "euclidean")
