主坐标分析PCoA
简介
主坐标分析(Principal Co-ordinates Analysis,PCoA)是一种多变量统计方法,用于研究样本间的相似性或差异性,是一种非约束性的数据降维分析方法。PCoA通过将样本距离矩阵转换为坐标,从而在低维空间中可视化样本的相对位置。这种方法在生态学和微生物群落分析中特别有用,因为它可以处理基于不同距离度量的样本间的差异性。
PCoA与主成分分析(PCA)相似,但它们之间存在一些关键的区别。PCA是基于样本的相似系数矩阵(如欧式距离)来寻找主成分的,而PCoA是基于距离矩阵(如Bray-Curtis距离、Jaccard距离等)来寻找主坐标的。调用vegen包
数据说明
输入数据为为矩阵形式,名字不能含有特殊符号,空格等。第1行是样品分组信息,第2行是样品名(唯一,不能有重复),第3+行是OTU值(或其他值)
论文例子
如何引用?
建议直接写网址。3600+篇
google学术,2800+篇
知网学术
正式引用:Tang D, Chen M, Huang X, Zhang G, Zeng L, Zhang G, Wu S, Wang Y.
SRplot: A free online platform for data visualization and graphing. PLoS One. 2023 Nov 9;18(11):e0294236. doi: 10.1371/journal.pone.0294236. PMID: 37943830.
方法章节:Heatmap was plotted by https://www.bioinformatics.com.cn (last accessed on 20 June 2024), an online platform for data analysis and visualization.
致谢章节:We thank Mingjie Chen (Shanghai NewCore Biotechnology Co., Ltd.) for providing data analysis and visualization support.