PCoA 主坐标分析

文献引用:Bioinformatic analysis was performed using the OECloud tools at https://cloud.oebiotech.cn. -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- PCoA(principal co-ordinates analysis)是一种研究数据相似性或差异性的可视化方法,通过一系列的特征值和特征向量进行排序后,选择主要排在前几位的特征值,PCoA 可以找到距离矩阵中最主要的坐标,结果是数据矩阵的一个旋转,它没有改变样品点之间的相互位置关系,只是改变了坐标系统。 通过PCoA 可以观察个体或群体间的差异。

参数调整

样本分组信息文件
样本物种或OTU丰度文件,列为样本名,行为物种名。作图文件例如微生物多样性报告result\2.OTUs\OTUs_stat\OTUs_even.xls,宏基因组报告result\4.Taxonomy\4.1.Abundance\relative_abundance\genus.xls。当选择丰度文件时要选择距离算法。物种丰度表与距离矩阵文件二选一即可,如都不选择会报错。
距离矩阵文件,可以上传微生物常规报告中的矩阵文件,不用选择距离算法,默认即可。作图示例文件如微生物报告中result\5.Beta_Diversity\Distance\bray_curtis_otu_table_even.txt
设置距离矩阵法,默认设置为bray
每个组组内至少4个样本时,设置绘制椭圆的置信水平, 默认设置为0.95,在0-1范围内,值越小椭圆面积越小,涵盖的点越集中
每个组组内至少4个样本时,设置绘制椭圆的背景透明度,默认设置为0.2,范围可选:0-1
字体类型,默认"Arial"
字体样式,默认"无"
可选31种色系
图片内样本名称
坐标轴放大最大值最小值的比例,默认值为1.3
提交 重置

结果与说明

工具预估运行时间为 {{ run_time }}

程序运行出错,报错信息如下:

请检查数据文件格式后重新提交运行

结果下载

本次分析未能正常生成结果文件,请核对输入信息或者参考使用说明进行使用!

  1. 1. 物种或OTU相对丰度文件

    第一列为物种名,随后为样本分析名,各列对应值为物种在样本中的相对丰度。

                                                   

image.png

  demo数据下载OTUs.xlsx


  1. 2. 样本分组信息文件

    第一列为样本分析名,第二列为样本的分组名称(注意表头Group大小写问题)。

物种丰度表与距离矩阵文件二选一即可,如都不选择会报错。


mapping.png 

  demo数据下载mapping.xlsx


3. 距离矩阵文件

  第一行为样本名称,第一列为样本名称(注意样本名称与样本分组信息文件一致)。

物种丰度表与距离矩阵文件二选一即可,如都不选择会报错。

QQ.png


demo数据下载:binary_jaccard_otu_table_even.txt

  1. 1.结果示意图

    图片说明:结果生成pdf、png格式,横坐标( PC1 )和纵坐标( PC2 )为样本间差异解释度最大的两个主要坐标,相同颜色为相同分组,一个点即为一个样本,相似的样本会聚在一起,分别提供无标签及添加标签形式。


PCoA_bray_nolable.png

PCoA_bray.png





  1. (1) 支持格式 txt,csv,xlsx,xls;

  2. (2) 添加置信圈需要每个组组内至少4个样本;

  3. 可选配色参考

  4. 颜色参考1.png

  5. 颜色参考2.png

  6. 颜色参考3.png

版本
更新日期更新内容
v2.02021.03.09上线
v2.32021.03.12加入no ellipse图
v2.42021.04.27除Rplots.pdf
v2.72022.2.24矩阵文件可直接分析,增加调整字体等参数





问题反馈