微生物组β-多样性——PCoA分析及可视化

在微生物组测序结果中对于β-多样性的分析一般以PCoA 和 NMDS 为主，并且以 Bray-Curtis 距离最为普遍，因此本文以该距离进行PCoA分析和可视化

（一）数据格式

分别为分析样本的特征表和分组信息

表1. pcoa （特征表）

表2，group（分组信息）

（）9

#清除变量
rm(list=ls())
library(vegan)
library(ggplot2)
library(ggrepel)
#读取数据(特征表)
df<- read.delim('pcoa.txt', row.names = 1, sep = '\t', head = TRUE, check.names = FALSE)
#读取分组
group<-read.delim('group.txt', row.names = 1, sep = '\t', head = TRUE, check.names = FALSE)
#数据转置
df1<-t(df)
#计算距离
distance<-vegdist(df1,method=&