在线作图丨数据降维分析④—

Question 1：什么是NMDS分析？
非度量多维标度（Non-metric Multidimensional Scaling，NMDS）是一种将多维空间的研究对象（样本或变量）简化到低维空间进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法。

Question 2：NMDS与其他降维方式有什么区别？
PCA基于线性模型，仅适用于物种少，环境因素、物种丰度波动变化小的情况。PCoA与NMDS用于反映样本距离矩阵关系，不同点在于NMDS更侧重反映距离矩阵中数值的排序关系，弱化数值的绝对差异程度。在多样本、物种数量多的情况下（可进行排序的数量更大）。NMDS都使用样本相似性距离矩阵进行降维排序分析，但NMDS侧重反映距离矩阵中数值的排序关系，当样本或者物种数量过多的时候使用NMDS会更加准确。NMDS图形常用作微生物群落研究的β分析。

Question 3：如何不使用R语言绘制NMDS分析图？
小编和他的小伙伴们开发了一个在线的作图小网站——云图图（https://www.cloudtutu.com/#/index，免费的哦~），操作步骤如下：
①登录网址：https://www.cloudtutu.com/#/index（推荐使用360或者谷歌浏览器）
②输入用户名和密码（小编已经为大家填好了，如果不显示可添加文末二维码添加小编获取），输入验证码后即可登录，无需注册，直接使用，不必担心隐私泄露，是不是诚意满满~
③登录后在工具一栏（全部分析）里找到NMDS分析，点击进入；
④请按照界面右侧的说明书或者下文进行操作，即可在2分钟内获得一张精美的NMDS分析图喽~
话不多说，我们开始行动吧~

Step 1：上传数据
※目前平台仅支持.txt(制表符分隔)文本文件或者.csv文件的文件上传。
平台可对不规范的数据格式进行部分处理，但还是请您尽量按照示例数据的格式调整数据，以便机器可以识别。
a)准备一个数据矩阵（形式参照示例数据，如微生物OTU表、物种丰度表、基因表达量矩阵、代谢物含量表，也可以是测量数据，例如身高、体重、表型等）；
b)表格需要带表头和列名，第一行为样本名，第一列为各种指标名（如代谢物名称、OTUID、genus等）。
c)请提交txt(制表符分隔)文本文件或者.csv文件。操作方法为：全选excel中的所有内容（ctrl+A），复制到记事本中，将记事本文件另存后上传该文件。

※传完文件后一定要填写说明书下方的分组信息！否则无法绘图。

Step 2：调整参数

2.1方法选择：本平台提供了4种加权方法：bray、jaccard、gower、altgower。
2.2 横/纵坐标字体大小：根据需求酌情选择。
2.3 元素大小：图中代表样品的图表的大小。
2.4 是否添加椭圆：
椭圆一：按照正常计算方式得到分组椭圆（有些结果可能无法添加分组椭圆）
椭圆二：对无法正常添加分组椭圆的数据强行添加分组椭圆。
否：不添加分组椭圆
2.5 椭圆的粗细：调节椭圆边界线条的宽度
2.6 是否显示标签：是否在元素旁边显示样品名称。
2.7 分组信息：整个页面的右下角（图片的下方）
需要对所有样品进行分组，本网站支持在线修改分组名称和样品名称的功能。

Step 3：下载文件
根据个人需求进行参数调整后点击运行后等待5-10秒即可下载结果，平台提供PDF格式的矢量图下载。

Step 4：作图后处理

TUTU云平台提供的是PDF格式的矢量图，可通过矢量图处理软件（Inkscape或AI）进行编辑和调整（如：文字字体，文字大小，图片分辨率等）。图形处理软件和使用方法可扫描文后的二维码添加小编微信获取。

写作建议

NMDS analysis was performed on Tutools platform (http://www.cloudtutu.com), a free online data analysis website.

尊敬的用户，如果图图云平台在您的科研中有幸提供了些许帮助，我们期望您能在方法学或者致谢中提及我们，引用方法如下：XXXX analysis was performed on Tutools platform (https://www.cloudtutu.com), a free online data analysis website. 目前平台还处于测试阶段，使用过程中有任何疑问或者报错欢迎随时联系小编反馈。您的反馈和建议是我们最大的动力~

在线作图丨数据降维分析④——NMDS分析相关推荐

在线作图丨数据降维方法②——主坐标分析PCoA
什么是PCoA? 主坐标分析(principal co-ordinates analysis,PCoA)呈现研究数据相似性或差异性的可视化坐标,是一种非约束性的数据降维分析方法,可用来研究样本群落组成 ...
在线作图丨数据降维方法③——正交偏最小二乘方判别分析（OPLS-DA）
Question1:什么是PLS-DA? 与PCA不同,PLS是"有监督"模式的偏最小二乘法分析,也就是在分析数据时,已知样本的分组关系,这样可以更好的选择区分各组的特征变量,确 ...
在线作图丨数据降维方法①——主成分分析PCA
PCA是什么? 主成分分析算法(PCA)是最常用的线性降维方法,它的目标是通过某种线性投影,将高维的数据映射到低维的空间中,并期望在所投影的维度上数据的信息量最大(方差最大),以此使用较少的数据维度, ...
在线作图丨数据降维方法⑤——t-SNE(t-Distributed Stochastic Neighbor Embedding)
Question 1:什么是t-SNE? t-Distributed Stochastic Neighbor Embedding (t-SNE) 是一种非线性降维技术,特别适用于高维数据集的可视化.它 ...
在线作图丨数据降维方法⑥——消除趋势对应分析(Detrended correspondence analysis, DCA)
Question 1: What is DCA? 想要理解DCA(Detrended correspondence analysis, 消除趋势对应分析),首先要理解CA(Correspondence ...
在线作图丨绘制一个含饼图的组内网络分析图（Network Analysis）
前几期小编给大家介绍了如何做一个组间网络分析图(Network Analysis) 在线作图丨绘制组间网络分析(Network Analysis),有小伙伴希望小编更新一期组内互作网络的说明.所以,它 ...
机器学习——数据降维和相关性分析
特征工程中数据降维方法思想有两种: 1. 破坏数据原有的结构从而提取数据的主要特征,例如主成分分析(PCA): 2. 对数据进行相关性分析,按照一定的法则来对数据的属性进行取舍达到降维的目的. 相关性 ...
在线作图丨如何画一个优美的相关性热图
相关性热图相关性分析是通过计算两种因子之间的相关性(Spearman.Pearson.Kendall's Tau系数等),将获得的数值矩阵通过热图直观展示.通过颜色变化反映二维矩阵或表格中的数据信息 ...
在线作图丨差异分析——ANOSIM相似性分析
Question 1:什么是ANOSIM分析? ANOSIM分析(Analysis of Similarities)即相似性分析,主要用于分析高维数据组间相似性,为数据间差异显著性评价提供依据.在一些 ...
在线作图丨高级的微生物分析——在线做Variance Partitioning Analysis（VPA分析）
今天小编给大家分享点厉害的干货~ Question 1:什么是VPA? 群落分析中常见的环境因子分析包括CCA典范对应分析(canonical correspondence analysis)和RDA ...

在线作图丨数据降维分析④——NMDS分析

在线作图丨数据降维分析④——NMDS分析相关推荐

最新文章

热门文章