经系统检测,您当前使用的浏览器可能不符合交互需求。

为获得更好的交互体验,推荐您使用以下浏览器。

Firefox

点击下载

Chrome

点击下载

PCoA主坐标分析

描述说明:PCoA 分析,即主坐标分析,是一种非约束性的数据降维分析方法,可用来研究样本组成的相似性或差异性。
  • 产品介绍
  • 撰写评论

    PCoA 分析,即主坐标分析(principal co-ordinates analysis),是一种非约束性的数据降维分析方法,可用来研究样本组成的相似性或差异性,与PCA 分析类似[1-2];主要区别在于,PCA基于欧氏距离,PCoA 基于除欧氏距离以外的其它距离,通过降维找出影整体差异的潜在主成分。 

    PCoA 分析,首先对一系列的特征值和特征向量进行排序,然后选择排在前几位的最主要特征值,并将其表现在坐标系里,结果相当于是距离矩阵的一个旋转,它没有改变样本点之间的相互位置关系,只是改变坐标系统。 

     


    1、以微生物多样性分析为例,输入的二维数据表为otu_table,如图1。数据表的制作方法参照参数设置页面说明。

    图1


    2、可选择性输入分组文件,分组文件应为txt格式,如图2。分组文件中可包括多种分组方案,分组文件的制作方法参照参数设置页面说明。

    图2


    3、设置距离算法:提供8种常见的距离算法,用户可依据需要任意选择。点击保存并运行生成相应的结果图,如图3。

    4、图表工具可用于调整分组的颜色及形状方案,修改主标题、X轴标题、Y轴标题。

    5、切换结果表中的分析记录,可查看全部分析结果。


    图3


    不同颜色或形状的点代表不同环境或条件下的样本组,横、纵坐标轴的刻度是相对距离,无实际意义,需要结合样本特征信息归纳总结。其中PC1为最大解释数据变化的主坐标,PC2为解释余下数据变化中占比最大的主坐标。样本点的空间距离代表样本间的距离。


    1、Xiao L, Feng Q, Liang S, et al. A catalog of the mouse gut metagenome.[J]. Nature Biotechnology, 2015, 33(10):1103-1108.

    2、Sunagawa S, Coelho L P, Chaffron S, et al. Ocean plankton. Structure and function of the global ocean microbiome[J]. Science, 2015, 348(6237):1261359.


    最新评论:

    ( 正在加载... )