原标题：如何绘制精美的PCoA图形？

今天我们来分享干货——PCoA图形的代码。继PCA、火山图、热图等代码后，基迪奥的程序猿又整理出PCoA代码。具体往期我们分享过的代码贴，可以在文末查看哦。

什么是PCoA？

微生物群落结构受多种因素影响，例如光照、温度、人群性别、年龄等。要了解目的分组是否与某种因素存在联系，我们常常会用到PCA、PCoA等排序方法。

PCoA能够将样本之间的相似性距离(虚拟距离)，经过投影后，在低维度空间进行欧几里德距离展示，以最大限度地保留原始样本的距离关系，使相似的样本在图形中的距离更为接近，相异的样本距离更远(图1)。因此相比于PCA，PCoA以样本距离为整体考虑，更符合生态学数据特征，应用也更为广泛。

图1. PCoA原理

如何作图？

虽然一般的16S或者宏基因组等分析流程当中都会包含PCoA分析，但如果自己想要更改分组的形状，或者挑选特定的OTU进行分析，那么自己进行操作会高效很多。

PCoA的作图主要分为三个步骤：

选择特定的相似性距离并计算距离矩阵。距离的选择可以有Bray-curits、Unifrac等，不同的距离有不同的作用和意义(具体可以参考 微生物β多样性常用计算方法比较)。相似性距离可以利用R的GUniFrac和vegan等包计算，也可以利用QIIME计算。

进行PCoA分析，也就是利用表征分析选择最能表示样本距离的坐标轴。这个可以利用R的ape包的pcoa()命令完成。

PCoA图形展示。图形可以用ordiplot()命令展示，但如果需要比较美观的图形，建议用ggplot来画。

下面我们以R为基础，展示如何根据Unweighted Unifrac距离来画PCoA图：

----------------------代码开始了-----------------------

###导入需要的R包

library(GUniFrac) #用于计算Unifrac距离

library(ape) # 用于pcoa分析

library(ggplot2) #用于画图

##读文件

Otu_tab

Tree

Otu_tab

Otu_tab_rff

unifracs

du

Group

shape

color

PCOA

result

pro1 = as.numeric(sprintf("%.3f",result[1]))*100

pro2 = as.numeric(sprintf("%.3f",result[2]))*100

x = PCOA$vectors

sample_names = rownames(x)

pc = as.data.frame(PCOA$vectors)

pc$names = sample_names

legend_title = ""

group = Group

pc$group = group

xlab=paste("PCOA1(",pro1,"%)",sep="")

ylab=paste("PCOA2(",pro2,"%)",sep="")

pca=ggplot(pc,aes(Axis.1,Axis.2)) + #用ggplot作图

geom_point(size=3,aes(color=group,shape=group)) +

# geom_text(aes(label=names),size=4,vjust=-1) +

labs(x=xlab,y=ylab,title="PCOA",color=legend_title,shape=legend_title) +

geom_hline(yintercept=0,linetype=4,color="grey") +

geom_vline(xintercept=0,linetype=4,color="grey") +

scale_shape_manual(values=shape) +

scale_color_manual(values=color) +

theme_bw()

-------------------------代码结束------------------------

结果图展示：

输入OTU表格之后，运行上面代码，就可以出来图形(当然结果的数据输入是经过一定修改，自己根据需求定义样本数目，点的形状和颜色就可以)。

图2. PCoA结果展示

好了，今天分享的内容就到这里啦。想查看往期代码贴的朋友可以直接戳下面的题目：

责任编辑：