使用方法（3步）
- 选择一个示例，或粘贴 OTU/ASV 表（或导入 CSV/TSV 文件）。
- 选择一个指标（Jaccard / Bray–Curtis）和预处理（相对丰度等）。
- 查看距离矩阵、热图和 PCoA（如果需要，导出 CSV/PNG）。
Beta 多样性对于探索和可视化很有用，但统计结论需要额外的分析（测试或建模）。
输入
—
度量和预处理
如果样本深度不同，请尝试“相对丰度”。
样本组（可选：PCoA 中的色点）
两列：样本、组（标题是可选的）。
结果
该工具用于探索和学习。它并不声称具有统计学意义。
—
分享和导出
共享 URL 仅恢复设置（不包括输入数据）。要保存输入，请使用 JSON 导出。
距离矩阵
热图
PCoA (2D)
Jaccard VS 布雷-柯蒂斯
- Jaccard 仅比较存在/不存在。
- 布雷-柯蒂斯 还使用丰度（计数或相对丰度）。
Bray-Curtis 可能会受到文库大小（样本深度）的影响。如果需要，比较计数和相对丰度。
方程（参考）
- Jaccard 距离：
d = 1 - |A∩B| / |A∪B| - 布雷-柯蒂斯差异：
d = Σ|xᵢ - yᵢ| / Σ(xᵢ + yᵢ)
这里，A 和 B 是观察到的特征集，xᵢ/yᵢ 是特征值（相对丰度或计数）。轴方向是任意的，因此翻转 PCoA 图不会改变含义。
常见问题
什么是贝塔多样性？
一种将不同样本之间的差异描述为距离（相异性）的方法。越小意味着越相似；越大意味着越不同。
Jaccard 和布雷-柯蒂斯之间有什么区别？
Jaccard 仅比较存在/不存在。布雷-柯蒂斯还使用丰度（计数或相对丰度）。
什么是PCoA？
一种基于距离矩阵（主坐标分析）以二维方式放置样本的方法。轴方向是任意的，因此翻转不会改变含义。
我可以仅凭这个结果就断言统计显着性吗？
不会。 Beta 多样性对于探索和可视化很有用，但统计测试需要额外的分析。
相关工具
- 首先检查样本内多样性（α 多样性）→ 多样性指数计算器 (Shannon / Simpson)
- 建立对人口规模和漂移的直觉 → 遗传漂变模拟器 (Wright–Fisher)
评论
如果您发现问题或有建议，请发表评论（非匿名形式）。