0

我使用了 2 种方法来尝试在 R-Studio 中生成基于 Unifrac 的 PCoA 图。它们看起来彼此相似,但与 QIIME 生成的截然不同。由于各种原因,我们的实验室希望能够在 R 中正确生成这些图。我可以让基于 Bray-Curtis 的图看起来与在 QIIME 中生成的图相似,所以我相信这个问题与系统发育树或Unifrac 值的生成方式。我试过使用

plot_ordination(Phyloseqobject, ordinate(phyloseqobject, "PCoA", distance = "unifrac", weighted = TRUE), color =  "Categoryofinterest ")

UniFrac(Phyloseqobject, weighted=TRUE, normalized=TRUE) ->dist 
PCOA <- pcoa(dist)
biplot.pcoa(PCOA)

我目前正在使用在 QIIME 中生成的根树,以及在 QIIME 中生成的 OTU。知道为什么这两个图与 QIIME 生成的图有很大不同吗?我是否错过了一些我需要对价值观做出的不那么明显的调整?还是我需要对树做点什么?

另外,值得注意的是,我不是生成 QIIME PCoA 的人,所以我对那里所做的事情知之甚少。

4

0 回答 0