三分钟绘制一张优美的PCoA图 | 云平台
云平台官网：
http://www.lc-bio.cn/
PCoA图绘制：
http://www.lc-bio.cn/overview/31?tools=PCoA_V1.4
PCoA分析（Principal Coordinates Analysis）是一种降维的数据处理方法。从生物学的应用上来说，其主要目的是判断组内样本的重复性是否足够好（图上距离较近），组间样本的差异是否足够大（图上距离较远）。若PCoA分析结果不好，则后续差异分析结果不可靠；若存在离群样本，可剔除该样本再进行后续分析，以确保后续结果有意义。
PCA与PCoA的区别：PCA是基于样本的相似系数矩阵(如欧式距离)来寻找主成分，而PCoA是基于距离矩阵(欧式距离以外的其他距离)来寻找主坐标。
本文主要为您迅速绘制一张优美的PCoA图提供步骤指导（1-4要点），另附细节优化方法（5及之后的要点），可后期慢慢研究调整，同时提供相关分析方法说明和参考文献，为您深入了解提供支持。
点击“示例文件下载”查看：
从您的微生物组学结果中找到如下距离矩阵表格，行列名均为样本，表中数字代表样本间距离。
上传完成后，自动开始作图，等待十几秒即可出图
Ø 为什么要设置分组？
如上图所示，是一个样本一个配色，我们会需要一个组的样本配同一个颜色，以突出组内和组间样本的关系，如图。
Ø 下载分组文件
上传文件后，云平台会针对您的数据自动生成分组格式文件，直接下载修改即可，能减少您整理格式的时间。
Ø 填写分组信息
1. 修改组名，该组名决定了它在图例中的名 字，但不能是中文；
2. 这个文件中组名的顺序决定了图例中组名的顺序。
Ø 上传分组信息
分组信息上传后图片自动刷新完成，“设置颜色”栏自动根据您的分组生成对应组别的颜色控件，颜色会自动分配，而您也可以自行按组修改颜色。
1. 不建议您在上述未分组的情况下调整颜色，上传分组信息后调整更简单容易；
2. 上传分组后出现“是否画圈？”选项，当组内样本数大于四个时可以绘制。
Ø PCoA分析结果表
如下图所示，为PCoA分析结果表，BC列是您的样本和分组信息，DE列是PCoA的分析结果，也是x轴y轴的绘图依据。
Ø 强烈推荐：PPT/DOC格式
此格式不仅是矢量图，每个元素都是独立的！意味着您可以自行任意调整。
1.下载后可能遇到字体问题，点击如下提示，在提示框中选择字体，点击确定即可。
2.调整重叠的点标签：一开始，您无法直接选中点标签，因为圆圈在最上一层，您会先选中圆圈，然后点击右键将圆圈“置于底层”。
此时，圆圈消失，点标签可选中，您可以任意调整。然后分别将画布和坐标轴“置于底层”即可恢复圆圈。
如上图所示，两份参考文件均为pdf格式，双击字符即可选中。给出了两种参考的配色方案，分别是十六进制的颜色值和R语言可识别的颜色名称，这两种格式均可识别。需要注意的是，若使用十六进制，“#”不可或缺，但使用颜色名称时，不需要这个前缀。
下面两图为填色示例：
该使用手册已内置在工具中，另附分析方法和参看文献