绘图导航
  • 基础绘图
  • 高级绘图
  • 微生物
  • 转录组
操作说明
PCoA
分享到:
PCoA
操作说明

a)登录TUTU云平台(https://www.cloudtutu.com/#/login)点此登录;

b)默认账号密码已填好,输入验证码即可登录;

c)找到“PCoA”进入作图界面;

1.说明

PCoA(Principal Co-ordinates Analysis)分析即主坐标分析,可呈现研究数据相似性或差异性的可视化坐标,是一种非约束性的数据降维分析方法,可用来研究样本群落组成的相似性或相异性。它与PCA类似,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,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,它没有改变样本点之间的相互位置关系,只是改变了坐标系统。两者的区别为PCA是基于样本的相似系数矩阵(如欧式距离)来寻找主成分,而PCoA是基于距离矩阵(欧式距离以外的其他距离)来寻找主坐标。

PCA(Principal Components Analysis)即主成分分析,也称主分量分析或主成分回归分析法,首先利用线性变换,将数据变换到一个新的坐标系统中;然后再利用降维的思想,使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上,第二大方差在第二个坐标(第二主成分)上。这种降维的思想首先减少数据集的维数,同时还保持数据集的对方差贡献最大的特征,最终使数据直观呈现在二维坐标系。

2.上传文件

a)准备一个数据矩阵(如微生物物种丰度表、基因表达量矩阵、代谢物含量表,也可以是测量数据,例如身高、体重、表型等);

b)表格需要带表头和列名,每一列为样本名,每一行为各种指标数据名,例如OTU,基因ID、身高、代谢物名称等。

c)重要:请提交txt(制表符分隔)文本文件。操作方法为:全选excel中的所有内容(ctrl+A),复制到记事本中,将记事本文件另存后上传该文件。

3. 参数设置

3.1方法选择:本平台提供了4种加权方法:bray、jaccard、gower、altgower,其中比较常见的为bray和jaccard。


3.2横/纵坐标字体大小:根据需求酌情选择。

3.3元素大小:图中代表样品的图表的大小。

3.4是否添加椭圆:

椭圆一:按照正常计算方式得到分组椭圆(有些结果可能加不上分组椭圆)

            椭圆二:强行添加分组椭圆。

否:不添加分组椭圆


3.5椭圆的粗细:调节椭圆边界线条的宽度

3.6 是否显示标签:是否在元素旁边显示样品名称。

3.7 分组信息:整个页面的右下角(图片的下方)

需要对所有样品进行分组,本网站支持在线修改分组名称和样品名称的功能。

3.8 筛选显示种类:根据自己的需要,可以选择需要用的样品进行作图。

4. 下载文件

根据个人需求进行参数调整后点击运行,平台提供PDF和PNG格式的文件下载。同时,还可以下载相关性系数矩阵表。相关性系数矩阵可用于后续其他分析。


5. 作图后处理

TUTU云平台提供的是PDF格式的矢量图,可通过矢量图处理软件进行编辑和调整(如:文字字体,文字大小,图片分辨率等)。图形处理软件和使用方法可扫描文后的二维码添加小编获取。


6. 写作建议

Spearman/Pearson correlation by xxx abundance. Only significant values (p < 0.05/0.01 after FDR adjustment) are shown. Orange and blue colors (替换颜色) represent significant negative correlations and positive correlations. Darker color represents stronger correlations

小编微信.png                                                            QQ群.png

扫码添加小编,请备注工作单位和姓名                                                欢迎加入生物信息QQ交流群,进群请备注工作单位和姓名





推荐使用谷歌浏览器点击下载