PCA与PCoA：降维工具如何选？一篇文章理清思路
你是否也曾盯着PCA和PCoA的散点图陷入沉思：“这俩结果长得像亲兄弟，难道可以随便用？”——打住！ 这对“数据降维双胞胎”看似相似，实则内核天差地别。本文带你3分钟理清它们的异同，再附赠一个零代码、秒出图的科研神器（文末揭晓）！
PCA：从变量中提炼核心趋势
PCA（主成分分析）专注于从原始数值型变量中提取隐藏的规律。它的核心思想是通过线性变换，将多个可能存在相关性的变量转化为少数几个相互独立的主成分，这些主成分能够最大程度保留原始数据的方差信息。
PCoA：从距离中绘制样本地图
PCoA（主坐标分析，又称多维标度分析）则从样本间的关系出发，不依赖原始变量，而是基于预先计算的距离矩阵（如欧氏距离、Bray-Curtis距离），将样本投影到低维空间，从而可视化它们的相似性或差异性。
共性与差异：如何选择？
共性：
两者均可实现数据降维与可视化，帮助识别数据中的关键模式或异常点。
不同点：
小结
选择 PCA：当数据为连续型、需要解释变量贡献，或隐含欧氏距离合理时（如基因表达、物理指标）。
选择 PCoA：当数据为非连续型、需自定义距离（如生态学中的物种组成），或需要保留复杂距离结构时。
更高效的工具选择：康测科技云分析平台
无论是PCA还是PCoA，传统分析往往需要调取资源、调试代码参数……，消耗大量时间。
康测科技云分析平台集成这两种工具，为科研人员提供了一站式解决方案。
1. 无需编程基础：上传数据（Txt格式），选择分析方法（PCA或PCoA），即可自动生成高质量可视化图表。
2. 灵活可控：支持自定义参数（如PCA的标准化选项、PCoA的多种距离算法），图形样式可自由调整。
3. 快速迭代：实时预览不同降维效果，助力高效探索数据规律。
看起来确实比较方便快捷，但是有没有具体操作教程呢？当然！在前面我们已经为大家出了详细的操作教程。点击下方链接，小白也能轻松搞定！
康测科技云分析平台试用
康测科技云分析平台整合超过100种组学分析工具，配备详细、精炼的讲解视频和工具文档，全程零代码、自主参数设置。如果您有使用需求，可私信小编，小编将给您发送试用账号~
链接：http://www.seqcloud.cc:8888
参考文献
1. Jiebin Zuo, Panpan Wang, Kewen Xue, et al. Lipid alterations in acute myocardial infarction are associated with gut microbiota[J]. Microbiology Spectrum, 2025.
2. Ye Feng, Ruike Wei, Qiuli Chen, et al. Host specificity and cophylogeny in the “animal-gut bacteria-phage” tripartite system[J]. npj Biofilms and Microbiomes, 2024.
热门工具推荐
更多平台
bilibili
（长干货科普）
视频号
（产品知识分享）
小红书
（短干货科普）
点个“在看”再走呗（右下角）
关于康测
康测致力于先进组学技术的开发和在生物医学研究领域的应用，建立了涵盖基因组学、表观基因组学、转录组学、表观转录组学、免疫组学和互作组学的全面组学服务体系。而在医学检测方面，康测基于自主研发的SMP（Stranded Multiplex PCR）靶向测序技术，可提供检测灵敏度和特异性均为100%的MRD一站式自动化解决方案。
康测提供全面的基因表达调控研究工具
康测提供高度自动化MRD一站式解决方案
