别再只画PCA了！用R语言玩转PCoA：深入比较欧式距离与Bray-Curtis距离的差异
别再只画PCA了！用R语言玩转PCoA：深入比较欧式距离与Bray-Curtis距离的差异
在微生物组学和生态学研究中，β多样性分析是揭示样本间差异的核心工具。许多研究者习惯性地使用PCA（主成分分析）来可视化数据，却忽略了PCoA（主坐标分析）在特定场景下的独特优势。这两种方法看似相似，实则存在根本性差异——PCA基于原始数据矩阵的欧式距离，而PCoA可以灵活适配各种距离算法，尤其适合处理生态学中的非欧式空间数据。
1. PCoA与PCA：本质差异与适用场景
PCoA（Principal Coordinates Analysis）和PCA（Principal Component Analysis）都是降维可视化技术，但它们的数学基础和适用场景存在显著不同：
计算基础差异：
- PCA直接对原始数据矩阵进行奇异值分解（SVD），默认使用欧式距离
- PCoA先计算样本间的距离矩阵，再通过特征值分解将该矩阵映射到低维空间
距离度量灵活性：
# PCA计算（使用prcomp函数） pca_result <- prcomp(otu_table, scale. = TRUE) # PCoA计算（使用vegdist + dudi.pco） dist_matrix <- vegdist(otu_table, method = "bray") pcoa_result <- dudi.pco(dist_matrix, scannf = FALSE, nf = 2)生态学数据适用性：
特征 PCA PCoA 数据要求 连续变量 任何距离矩阵 零值处理 敏感 可通过距离算法优化 稀疏数据 效果差 适配良好 非线性关系 无法捕捉 部分距离算法可处理
提示：当分析微生物组数据（如16S/ITS）时，由于存在大量零值和稀疏特征，Bray-Curtis距离通常比欧式距离更能反映真实的生物学差异。
2. 距离度量的科学选择：从理论到实践
在vegan包的vegdist函数中，提供了20多种距离算法，每种都有其特定的生物学意义：
2.1 欧式距离（euclidean）
- 计算样本间直线距离
- 适用于：
- 环境变量（pH、温度等连续指标）
- 基因表达量数据
- 局限性：
当应用于物种组成数据时，会过度放大稀有物种的影响# 对物种丰度数据进行欧式距离计算 euclidean_dist <- vegdist(otu_table, method = "euclidean")
2.2 Bray-Curtis距离
- 考虑物种组成和丰度差异
- 对零值不敏感，适合微生物组数据
- 计算示例：
# 计算Bray-Curtis距离矩阵 bray_dist <- vegdist(otu_table, method = "bray") # 查看前5个样本间的距离 as.matrix(bray_dist)[1:5, 1:5]
2.3 Jaccard距离
- 只考虑物种有无，忽略丰度信息
- 适用于：
- 存在/缺失比丰度更重要的场景
- 高度稀疏的数据集
3. 实战：不同距离算法对PCoA结果的影响
让我们通过实际案例观察距离选择如何改变分析结论：
3.1 数据准备与预处理
library(vegan) library(ggplot2) # 载入示例数据 data(dune) otu_table <- dune # 植被覆盖度数据 # 创建模拟分组 set.seed(123) group <- factor(rep(c("A","B"), each = 10))3.2 可视化比较
# 定义绘图函数 plot_pcoa <- function(dist_method, title){ dist_matrix <- vegdist(otu_table, method = dist_method) pcoa <- dudi.pco(dist_matrix, scannf = FALSE, nf = 2) df <- data.frame( Axis1 = pcoa$li$A1, Axis2 = pcoa$li$A2, Group = group ) ggplot(df, aes(x = Axis1, y = Axis2, color = Group)) + geom_point(size = 3) + stat_ellipse(level = 0.95) + labs(title = paste("PCoA using", dist_method, "distance"), x = paste0("PCoA1 (", round(pcoa$eig[1]/sum(pcoa$eig)*100,1), "%)"), y = paste0("PCoA2 (", round(pcoa$eig[2]/sum(pcoa$eig)*100,1), "%)")) + theme_minimal() } # 生成三种距离的PCoA图 gridExtra::grid.arrange( plot_pcoa("euclidean", "Euclidean"), plot_pcoa("bray", "Bray-Curtis"), plot_pcoa("jaccard", "Jaccard"), ncol = 3 )3.3 结果解读关键点
- 欧式距离：倾向于夸大稀有物种的贡献，可能导致误导性聚类
- Bray-Curtis：平衡了常见和稀有物种的影响，通常最适合微生物组数据
- Jaccard：当关注物种存在/缺失而非丰度时效果最佳
4. 高级技巧与常见问题排查
4.1 距离矩阵选择指南
| 数据类型 | 推荐距离 | 原因 |
|---|---|---|
| 物种丰度 | Bray-Curtis | 考虑组成和丰度 |
| 基因表达 | Euclidean | 连续变量 |
| 功能通路 | Jaccard | 关注存在/缺失 |
| 环境因子 | Manhattan | 对异常值稳健 |
4.2 常见错误与解决方案
错误："Error in vegdist: input data must be numeric"
- 解决：检查数据中是否包含非数值列
str(otu_table) # 查看数据结构 otu_table <- apply(otu_table, 2, as.numeric) # 强制转换类型问题：PCoA图形状奇怪，样本挤在一起
- 检查：距离矩阵是否包含NA值
sum(is.na(as.matrix(dist_matrix))) # 检查NA值优化：改善图形可视化
ggplot(pcoa_df, aes(x = Axis1, y = Axis2)) + geom_point(aes(color = Group), size = 4, alpha = 0.8) + geom_text(aes(label = SampleID), vjust = 1.5, size = 3) + stat_ellipse(aes(fill = Group), geom = "polygon", alpha = 0.2) + scale_color_brewer(palette = "Set1") + theme_bw(base_size = 12) + coord_equal() # 保持纵横比一致
4.3 统计检验：距离矩阵的显著性评估
使用PERMANOVA检验分组差异的显著性：
# 使用adonis2函数进行PERMANOVA检验 adonis2(bray_dist ~ group, data = metadata, permutations = 999) # 输出示例： # Df SumOfSqs R2 F Pr(>F) # group 1 0.8321 0.19861 4.7178 0.001 *** # Residual 19 3.3516 0.80139 # Total 20 4.1837 1.000005. 从PCoA到更复杂的β多样性分析
虽然PCoA是强大的可视化工具，但在实际研究中可能需要结合其他方法：
互补技术：
- NMDS（非度量多维标度）：更适合排名数据
- CCA/RDA（典范对应分析）：包含环境因子的约束排序
进阶工作流：
# 1. 计算多种距离矩阵 dist_list <- list( Bray = vegdist(otu_table, "bray"), Jaccard = vegdist(otu_table, "jaccard"), UniFrac = phyloseq::UniFrac(physeq) # 需要phyloseq对象 ) # 2. 批量生成PCoA结果 pcoa_results <- lapply(dist_list, function(x) dudi.pco(x, scannf = FALSE, nf = 2)) # 3. 比较不同距离的解释度 sapply(pcoa_results, function(x) x$eig[1]/sum(x$eig))
在实际项目中，我发现当处理高度稀疏的微生物组数据时（如土壤样本），Bray-Curtis距离配合Hellinger预处理往往能得到最符合生物学直觉的结果。而针对宿主相关样本（如肠道微生物组），加权UniFrac距离可能更适合捕捉系统发育信号。