PCA、PCoA、NMDS、Anosim R绘图

最新推荐文章于 2025-04-14 14:41:08 发布

原创

最新推荐文章于 2025-04-14 14:41:08 发布 · 1w 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#统计 #绘图

本文介绍了如何使用R语言进行多元统计分析，包括PCA、PCoA、NMDS和Anosim等方法，并提供了详细的操作步骤和参考链接，特别强调了R包vegan在PCA绘图中的应用，以及在R中正确运行ANOSIM进行样品组间差异显著性检测的关键点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于R包

PCA R绘图 vegan

### 输入文件的格式处理
>head(dataT)
            sp1    sp2    sp3    sp4    ...
sample1    相对丰度
sample2
sample3
  ...

>dataTD=decostand(data,"hell")  ## 数据的标准化“采用total标准化以后再取平方根”
>pca1=rda(dataTD)          ## RDA冗余分析
>pc1=c(pca1$CA$eig/sum(pca1$CA$eig))[1]*100  ## 计算第一主成分
>pc2=c(pca1$CA$eig/sum(pca1$CA$eig))[2]*100  ## 计算第二主成分
##绘制散点图
>plot(pca1,display="si",scaling=1,type="n", main="")
>points(pca1, dis="si", scaling=1,col=c("#C1E168", "#C1E168", "#C1E168", "#FD9347" ),pch=c(15, 15, 15, 17 ),cex=1)
##legend("bottomright", legend=levels(groups$g1), col=mycol, =shape,bty="n",cex=0.8) ##添加图例
> ordispider(pca1,groups = groups$group,display = "si", scaling=1,col = mycol)
#添加辅助线，ordispider把项目组合至它们的（加权）类质心，ordiellpse画出类标准差、标准误差或者置信区域的椭圆。

PS：
head(groups)
samples group
sample1    A    
sample2    A
sample3    B
 ...

PCoA