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