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。

###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 - read.table(otu_table,row.names=

Tree - read.tree(muscle.align.tree.nhx)=#输入OTU表格

Otu_tab -

Otu_tab_rff -

unifracs - gunifrac(otu_tab_rff,tree,alpha=c(0, 0.5,=

du - unifracs$unifracs=# 计算Unweighted UniFrac距离

Group - c(a,b,c)=#按照目的输入样本

shape - c(a=16,B =17,c=16)#定义点形状

color - c(a=#CCFF33 ,b=#CCFF33 ,c=#CCFF33 )=#定义点颜色

PCOA - pcoa(du,= correction=none ,= rn=NULL)#利用PCOA()指令做pcoa分析

网络虽好，但要注意劳逸结合哦！

如果是青少年，小编在这里提示大家千万不能沉迷网络！