PCoA 主坐标分析

搜索
开发者:ly  |  更新于2 周,6 日前  |  浏览量 1817

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。

参数信息
  1. 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
  2. 样本分组信息文件

查看更多非必选参数

    设置距离矩阵法,默认设置为bray
  1. 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
  2. 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"
相关数据
  • 使用说明
  • 结果说明
  • 重要提示
  • 版本说明
    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)。


    mapping.png 

      demo数据下载mapping.xlsx



    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;

  • 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





  • 问题反馈