分析微生物的Beta多样性可以直接使用Qiime1中的beta_diversity_through_plots.py，这个命令包括以下三步骤：
beta_diversity.py
2.principal_coordinates.py
3.make_emperor.py
同样我们可以通过参数文件修改命令中一系列的参数，比如很多人想要计算bray-curtis的距离，就可以通过参数文件添加。
具体的命令如下：
beta_diversity_through_plots.py -i otu_table.biom -o bdiv_plots/ -m mapping_file.txt -t rep_set.tre -p parameters.txt
Note:如果你想对样本进行挑选，你可以用--seqs_per_sample | -e参数进行筛选。
最后会产生以下文件：
用于计算显著性的距离matrix文件
bdiv_plots/unweighted_unifrac_dm.txt
bdiv_plots/weighted_unifrac_dm.txt
用于做PCA和PCoA的主成分分析文件
bdiv_plots/unweighted_unifrac_pc.txt
bdiv_plots/weighted_unifrac_pc.txt
一旦Beta多样性的PCoA图产生，你就会好奇你所关注的2个组或者多个组间究竟是否存在显著差异。目前有多种统计方法，qiime也为我们提供了几种包括Adonis等方法，它们都可以对Beta多样性进行检验，因此你可以根据你的数据集选择合适的方法进行检验。（参考：http://qiime.org/tutorials/category_comparison.html）
具体的命令如下：
# Unweighted UniFrac statscompare_categories.py -i bdiv_plots/unweight_unifrac_dm.txt -o bdiv_stats_adonis_unweighted/ -m mapping_file.txt -c SampleType --method adonis# Weighted UniFrac statscompare_categories.py -i bdiv_plots/weight_unifrac_dm.txt -o bdiv_stats_adonis_weighted/ -m mapping_file.txt -c SampleType --method adonis距离箱形图的绘制
make_distance_boxplots.py -d bdiv_plots/unweighted_unifrac_dm.txt -o bdiv_plots/unweighted_distance_boxplot -m mapping_file.txt -f "SampleType" --save_raw_dataPCoA 2D图像的绘制
产生的PCoA是3D的，如果你想要2D的图像怎么办呢？
make_2d_plots.py -i bdiv_plots/unweight_unifrac_pc.txt -o bdiv_2d_plot/ -m mapping_file.txt
你还可以对PCoA的图像进行什么修改呢？
1、添加自定义轴
比如你还想将样本的采集时间添加进去，怎么办呢？
要注意因为是添加到轴所以必须是数字型的变量，不然无法画轴。
make_emperor.py -i bdiv_plots/unweighted_unifrac_pc.txt -o bdiv_plots_axes -m mapping_file.txt --custom_axes Day
2、添加向量线
如果你想要连接享有同一个变量的点，比如你想要连接所有来自同一个样本的点。可以使用--add_vectors这个参数。
make_emperor.py -i bdiv_plots/unweighted_unifrac_pc.txt -o bdiv_plots_vector -m mapping_file.txt --add_vectors Subject
3、添加自定义颜色
emperor会对每个变量自动填充默认的颜色，如果你想要依据其他信息对点进行上色，你可以使用--color_by parameters这个参数。
make_emperor.py -i bdiv_plots/unweighted_unifrac_pc.txt -o bdiv_plots_colorby -m mapping_file.txt --color_by "Subject&&Day"
作者：jlyq617
链接：https://www.jianshu.com/p/d8a3b71f878e
