三维PCoA
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。PCoA降维结果的可视化也可以用三维坐标表示，即三维PCoA图。
image.png
如何不使用R语言绘制三维PCoA
免费的云图图（www.cloudtutu.com）可以画！操作步骤如下：
①登录网址：www.cloudtutu.com（推荐使用360或者谷歌浏览器）
②输入用户名和密码（已经为大家填好了），输入验证码后即可登录；
③登录后在全部工具那一栏找到三维PCoA，点击进入；
④请按照界面右侧的说明书或者下文进行操作~
image
Step 01 上传文件
※目前平台仅支持.txt(制表符分隔)文本文件或者.csv文件的文件上传。(平台可对不规范的数据格式进行部分处理，但还是请您尽量按照示例数据的格式调整数据，以便机器可以识别)
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。
image
Step 02 参数设置
2.1在界面右侧编辑分组信息：需要对所有样品进行分组，本网站支持在线修改分组名称的功能。有在线输入(方式一)和手动粘贴(方式二)两种方式。(绘图前必须检查分组名称)
image
2.2 方法选择：本平台提供bray、jaccard、gower、altGower等加权方法
2.3 颜色选择：按需求自行选择
2.4 元素的大小：显示元素的圆点图形的大小
Step 03 网页预览
点击“运行”开始作图，出图后可选择“网页预览”的方式进行在线查看。预览小工具使用方法如下：
image
Step 04 下载文件
图片确认无误后可点击“下载”保存压缩包查看网页版文件（网页版也可以调整以上细节）。
Step 05 作图后处理
TUTU云平台提供的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）。
网友评论