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
Comparison of targeted metagenomics and IS-Pro methods for analysing the lung microbiome. Fig2
论文写作
Principal component analysis (PCoA) plot derived using Jaccard diversity measure of the sputum microbiome of COPD participants. The PCoA plot compares targeted metagenomics and IS-Pro methods; with the dots representing each sample.
如何引用？
建议直接写网址。4800+篇
google学术，3900+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 10 Dec 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.
