Q1：PCA、PCoA、NMDS图如何看？
A：图中的点代表样本，不同颜色的点属于不同样本（组），点与点之间的距离表示样本差异程度，两点之间的距离越近，表明两个样本之间的相似度越高，差异越小。
Q2：PCA与PCoA的区别？
A：主成分分析(Principal Component Analysis，PCA)是一种分析和简化数据集的技术，通过将方差进行分解，将多组数据的差异反映在二维坐标图上；主坐标分析法(Principal coordinates analysis，PCoA)是一种与PCA类似的降维排序方法。PCoA与PCA的区别在于PCA是基于原始的物种组成矩阵所做的分析，使用的是欧式距离，仅仅比较的是物种丰度的不同，而PCoA首先根据不同的距离算法计算样品之间的距离，然后对距离矩阵进行处理，使图中点间的距离正好等于原来的差异数据，实现定性数据的定量转换。
Q3：对于组内的生物学重复差异较大的情况，如何进行分析？
A：从样本的准备过程进行分析，组内样本除了和设定的分组条件有关外，可能还受到很多其他因素的影响，进而造成分析结果出现差异。
1）取样：对于取样样方区域较大的环境样本（比如土壤、水体、污泥等），可应用多点采样混合成一个生物学重复的方法减少样本间的个体差异。
2）个体差异：对于出现显著离群的个别样本，推测可能为样本自身的原因，建议剔除该样本后，再进行分析。若剔除离群样本后如果剩余生物学重复不足，可考虑补送样本凑足生物学重复。
微信二维码