PCoA分析

一文學會PCA/PCoA相關統計檢驗(PERMANOVA)和可視化 詳細論述了PERMANOVA 檢驗（也包括最基本的方差檢驗基礎），PERMANOVA檢驗的問題，并提供了代碼生成 PCoA+統計結果。

下面我們看下如何在線完成這個操作。

輸入數據

輸入數據支持 2 種，一種是標準化后的 OTU 表(太愁了！這個分析需要哪種數據？原始count？標準化？抽平？FPKM？TPM？)，一種是計算好的距離矩陣。

OTU 表

每一行為一個OTU，每一列為一個樣品。

ID Sample1 Sample2 Sample3 Sample4 Sample5 Sample6 Sample7 Sample8 Sample9 Sample10 Sample11 Sample12 Sample13 Sample14 Sample15 Sample16 Sample17 Sample18 Sample19 Sample20 OTU_1 1 3 0 0 2 2 2 0 0 4 0 0 0 0 0 0 2 0 0 0 OTU_2 0 0 4 8 0 0 0 4 3 0 0 4 5 4 4 7 0 0 0 5 OTU_3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 3 0 OTU_4 0 2 7 2 0 0 0 5 3 0 0 8 5 0 0 4 0 0 0 0

如果給定 OTU 表，還可以進一步選擇數據歸一化方式、距離計算算法和是否加權等。

距離矩陣

每一行和每一列都是樣品之間的距離。

bray_curtis KO1 KO2 KO3 KO4 KO5 KO6 OE1 OE2 OE3 OE4 OE5 OE6 WT1 WT2 WT3 WT4 WT5 WT6 KO1 0 0.282 0.317 0.267 0.332 0.253 0.327 0.357 0.319 0.288 0.292 0.311 0.310 0.319 0.301 0.311 0.326 0.283 KO2 0.282 0 0.355 0.338 0.432 0.308 0.331 0.331 0.332 0.326 0.297 0.325 0.298 0.339 0.283 0.295 0.342 0.295 KO3 0.317 0.355 0 0.314 0.331 0.316 0.422 0.398 0.357 0.355 0.358 0.407 0.375 0.364 0.365 0.351 0.355 0.324 KO4 0.267 0.338 0.314 0 0.325 0.262 0.397 0.401 0.347 0.334 0.332 0.386 0.333 0.335 0.347 0.344 0.337 0.323

實驗設計信息

至少 2 列，第一列為樣本名字，系統會檢測與數據表是否一致；第二列為樣本屬性，一般是分組信息。在線平臺設置了該信息為必選項。

ID A1 Moisture Management Use Manure Sample1 2.8 1 SF Haypastu 4 Sample2 3.5 1 BF Haypastu 2 Sample3 4.3 2 SF Haypastu 4 Sample4 4.2 2 SF Haypastu 4

必選參數

把數據粘貼或上傳后，點擊Check data核對數據是否有問題。

為了避免一般性錯誤，在線平臺設置了一個必選項Color variable。該選項有 2 個用途：

設置樣本點的顏色

設置樣本點的分組信息 (如果 Group variable沒設置的情況下)

之所以這么設計，是習慣上樣本點的顏色屬性一般等同于分組屬性。

美化參數、統計參數

與其它工具類似，不再贅述。

查看結果

訪問網址：http://www.ehbio.com/Cloud_Platform/front/#/analysis?page=b%27MzQ%3D%27 （點擊閱讀原文直達）

往期精品(點擊圖片直達文字對應教程)

機器學習

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

總結

以上是生活随笔為你收集整理的在线进行 PCoA 分析和相关统计检验的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。