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。
工具预估运行时间为 {{ run_time }} 秒
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
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. 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。
demo数据下载:OTUs.xlsx
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。
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。
demo数据下载:binary_jaccard_otu_table_even.txt
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。
(1) 支持格式 txt,csv,xlsx,xls;
(2) 添加置信圈需要每个组组内至少4个样本;
可选配色参考
版本 | 更新日期 | 更新内容 |
---|---|---|
v2.0 | 2021.03.09 | 上线 |
v2.3 | 2021.03.12 | 加入no ellipse图 |
v2.4 | 2021.04.27 | 删除Rplots.pdf |
v2.7 | 2022.2.24 | 矩阵文件可直接分析,增加调整字体等参数 |