PCoA 主坐标分析

开发者：oebiotech  |  更新于3 周，1 日前  |  浏览量 242

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，本工具基于距离矩阵bray-curtis来寻找主坐标。

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
  2. 样本分组信息文件
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。


    Abundance.png


        demo数据下载：abundance.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）。


    mapping2.png


        demo数据下载：mapping.xls


    1. 1.结果示意图

        图片说明：图片说明：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。


    微信截图_20201125134745.png


    1. (1) 支持格式 txt,csv,xlsx,xls；

  • 版本
    		更新日期更新内容
    v1.012020.11.26上线