2025-05-08
降維(wei)處理的(de)重要性
每(mei)一(yi)個(ge)物種(ASV/OTU)在兩個(ge)樣(yang)本(ben)之間(jian)差(cha)異，即是(shi)反映這(zhe)兩個(ge)樣(yang)本(ben)間(jian)群(qun)落(luo)差(cha)異的(de)一(yi)個(ge)維(wei)(wei)度(du)。而由于群(qun)落(luo)中物種的(de)數(shu)量往(wang)往(wang)非(fei)常巨大，樣(yang)本(ben)間(jian)群(qun)落(luo)的(de)差(cha)異往(wang)往(wang)就會是(shi)多維(wei)(wei)度(du)的(de)，進而難以進行直接比較。此時，就需要相關算法對(dui)這(zhe)個(ge)多維(wei)(wei)數(shu)據進行降維(wei)(wei)。
主坐(zuo)標分(fen)析（PCoA）原理與優勢
主(zhu)坐標(biao)分(fen)析(Principal coordinates analysis，PCoA)便是一種最(zui)(zui)經(jing)典的非約束排序(xu)(Classical Multidimensional Scaling，cMDScale)分(fen)析方法。它(ta)通過將樣(yang)(yang)本(ben)距離矩陣(zhen)經(jing)過投影后，在(zai)低(di)維度空間進(jin)行展開，并最(zui)(zui)大(da)限度地保留原始樣(yang)(yang)本(ben)的距離關系。PCoA以樣(yang)(yang)本(ben)距離為(wei)整體考慮，相比于主(zhu)成分(fen)分(fen)析(Principal components analysis，PCA)，更符合生(sheng)態學數據特征，因此(ci)作(zuo)為(wei)排序(xu)分(fen)析手段，更為(wei)推(tui)薦使(shi)用(yong)。
快(kuai)捷應用
在#派森諾基因云 平臺新版微生物(wu)多樣性組成譜分析(xi)分析(xi)中，PCoA作為一種基于距離矩陣的(de)降維技(ji)術，其圖表呈現(xian)的(de)多樣性可(ke)通過(guo)分析(xi)設置模塊中的(de)是否包含二級信息，實現(xian)從(cong)基礎到高階(jie)的(de)轉換。以下(xia)從(cong)兩個核(he)心(xin)方向詳細闡(chan)述其繪(hui)圖方式的(de)區別之處(chu)。
一、基礎繪圖(tu)模式
1. 分析設(she)置
在分析設(she)置模塊，如果二級信息選項中(zhong)選擇“無”，直接提交(jiao)分析任務，運行(xing)成功后切換對應分析記錄。
2. 圖(tu)表調整
a. 基礎(chu)調整：修改圖(tu)表類型（散點圖(tu) / 按組連線 / 置信橢(tuo)圓）、點的大小(xiao)與形狀。
b. 邊(bian)緣圖擴(kuo)展(zhan)：
密度圖(tu)：可(ke)視化樣(yang)本聚集程(cheng)度。
箱(xiang)線圖：對比不同(tong)分(fen)組間的離(li)散(san)趨勢。
二、高階繪(hui)圖模式
1. 分析設置
在(zai)分(fen)(fen)析(xi)設置模塊，如果在(zai)二級信息選項中選擇“有”，然(ran)(ran)后選擇預先創建(jian)好(hao)的因子(zi)表及對應(ying)的因子(zi)數據，在(zai)提交分(fen)(fen)析(xi)任務之后，等(deng)待分(fen)(fen)析(xi)記(ji)錄運行成功，然(ran)(ran)后切換對應(ying)分(fen)(fen)析(xi)記(ji)錄。
*若尚未創(chuang)建(jian)理化(hua)因子列(lie)表，需先進入「數(shu)據系統管理」模塊完成創(chuang)建(jian)，點(dian)擊下方圖片可查看具體的(de)創(chuang)建(jian)理化(hua)因子的(de)步驟。
2. 圖(tu)表調(diao)整
在圖表(biao)設置我們可以去(qu)調整(zheng)圖表(biao)選項(xiang)，點的大小(xiao)、形狀、顏色等，根據(ju)是(shi)按(an)因子和按(an)分(fen)組(zu)有不同(tong)的情況(kuang)。
點的形(xing)狀：
按(an)因子劃分：每(mei)個因子都可(ke)以設置不同形(xing)(xing)狀，便于區分不同因子（如(ru)圓形(xing)(xing)、三角形(xing)(xing)）。
按分(fen)組劃(hua)分(fen)：每(mei)個(ge)組即(ji)為(wei)一個(ge)形狀(zhuang)，便于觀(guan)察分(fen)組間差異(yi)。
點(dian)的顏色(se)
按因子分布：圖上每個(ge)(ge)因子都會有不同顏色，每一(yi)個(ge)(ge)點(dian)即為一(yi)個(ge)(ge)因子。
按分(fen)(fen)組(zu)(zu)分(fen)(fen)布：圖表(biao)將按照分(fen)(fen)組(zu)(zu)進行上色，通過顏色區分(fen)(fen)不同(tong)的分(fen)(fen)組(zu)(zu)，觀察不同(tong)組(zu)(zu)別差異情況。
最后，還可以(yi)選擇添(tian)加密(mi)度圖和箱線圖，以(yi)展示樣本(ben)點在X軸和Y軸上(shang)的(de)分(fen)布密(mi)度情況(kuang)。
百度搜索“#派森諾基因云 ”或直接訪問官方網站//www.genescloud.cn/home進入平臺。登錄后，點擊“云分析”功能模塊，通過搜索關鍵詞新(xin)版(ban)微(wei)生物(wu)多樣性(xing)組成譜分析，側邊欄找到Beta多樣性分(fen)析模塊—— PCoA分(fen)析開始分析繪圖。
溫馨提示：平(ping)臺(tai)現已正(zheng)式接入DeepSeek-R1滿血版，您可(ke)以根據需(xu)(xu)求切(qie)換不同模型(xing)進行體驗。在繪圖(tu)過程中，如果遇(yu)到常見問題(ti)，建議先使用(yong)#PAI繪圖(tu)小助(zhu)手(shou)進行自助(zhu)解決(jue)；若有(you)個性化(hua)需(xu)(xu)求或遇(yu)到無法解決(jue)的問題(ti)，歡迎通過【工單中心】與平(ping)臺(tai)聯系，提出您的需(xu)(xu)求或建議。
#派森(sen)諾基(ji)因(yin) 云始終秉(bing)持(chi)“持(chi)續創新，不斷升級”的理(li)念，未來將(jiang)推出更多精美(mei)的可(ke)視化圖表與實用的分析(xi)工具，期(qi)待您的使用與反(fan)饋！
