PCoA 主坐標分析

　　Unifrac 分析得到的距離矩陣可用于多種分析方法，可通過多變量統(tǒng)計學(xué)方法PCoA 分析，直觀顯示不同環(huán)境樣品中微生物進化上的相似性及差異性。

　　PCoA（principal co-ordinates analysis）是一種研究數(shù)據(jù)相似性或差異性的可視化方法，通過一系列的特征值和特征向量進行排序后，選擇主要排在前幾位的特征值，PCoA 可以找到距離矩陣中最主要的坐標，結(jié)果是數(shù)據(jù)矩陣的一個旋轉(zhuǎn)，它沒有改變樣品點之間的相互位置關(guān)系，只是改變了坐標系統(tǒng)。通過PCoA 可以觀察個體或群體間的差異。

分析軟件：R 語言PCoA 分析和作PCoA 圖。

　　unifrac.pcoa.tiff :樣品PCoA 分析圖

參考文獻：

　　Xiao-Tao Jiang ,Xin Peng, et al.Illumina Sequencing of 16S rRNA Tag Revealed Spatial Variations of Bacterial Communities in a Mangrove Wetland. Microb Ecol (2013) 66:96–104.DOI10.1007/s00248-013-0238-8.

　　注：PC1 和PC2 是兩個主坐標成分，PC1 表示盡可能最大解釋數(shù)據(jù)變化的主坐標成分，PC2 為解釋余下的變化度中占比例最大的主坐標成分，PC3 等依次類推。