PCoA分析
一文学会PCA/PCoA相关统计检验(PERMANOVA)和可视化 详细论述了PERMANOVA 检验(也包括最基本的方差检验基础),PERMANOVA检验的问题,并提供了代码生成 PCoA+统计结果。
下面我们看下如何在线完成这个操作。
输入数据
输入数据支持 2 种,一种是标准化后的 OTU 表(太愁了!这个分析需要哪种数据?原始count?标准化?抽平?FPKM?TPM?),一种是计算好的距离矩阵。
OTU 表
每一行为一个OTU
,每一列为一个样品。
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
如果给定 OTU 表,还可以进一步选择数据归一化方式、距离计算算法和是否加权等。
距离矩阵
每一行和每一列都是样品之间的距离。
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
实验设计信息
至少 2 列,第一列为样本名字,系统会检测与数据表是否一致;第二列为样本属性,一般是分组信息。在线平台设置了该信息为必选项。
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
必选参数
把数据粘贴或上传后,点击Check data
核对数据是否有问题。
为了避免一般性错误,在线平台设置了一个必选项Color variable
。该选项有 2 个用途:
-
设置样本点的颜色
-
设置样本点的分组信息 (如果
Group variable
没设置的情况下)
之所以这么设计,是习惯上样本点的颜色属性一般等同于分组属性。
美化参数、统计参数
与其它工具类似,不再赘述。
查看结果
访问网址:http://www.ehbio.com/Cloud_Platform/front/#/analysis?page=b%27MzQ%3D%27 (点击阅读原文直达)
往期精品(点击图片直达文字对应教程)
机器学习
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集