使用方法（3步）
- 選擇一個範例，或貼上 OTU/ASV 表（或匯入 CSV/TSV 檔案）。
- 選擇一個指標（Jaccard / Bray–Curtis）和預處理（相對丰度等）。
- 查看距離矩陣、熱圖和 PCoA（如果需要，匯出 CSV/PNG）。
Beta 多樣性對於探索和可視化很有用，但統計結論需要額外的分析（測試或建模）。
輸入
—
度量和預處理
如果樣本深度不同，請嘗試“相對丰度”。
樣本組（可選：PCoA 中的色點）
兩列：樣本、組（標題是可選的）。
結果
該工具用於探索和學習。它並不聲稱具有統計學意義。
—
分享和匯出
分享 URL 僅恢復設定（不包括輸入資料）。要儲存輸入，請使用 JSON 匯出。
距離矩陣
熱圖
PCoA (2D)
Jaccard VS 佈雷-柯蒂斯
- Jaccard 僅比較存在/不存在。
- 佈雷-柯蒂斯 還使用丰度（計數或相對丰度）。
Bray-Curtis 可能會受到定序深度（樣本深度）的影響。如果需要，比較計數和相對丰度。
方程（參考）
- Jaccard 距離：
d = 1 - |A∩B| / |A∪B| - 佈雷-柯蒂斯差異：
d = Σ|xᵢ - yᵢ| / Σ(xᵢ + yᵢ)
這裡，A 和 B 是觀察到的特徵集，xᵢ/yᵢ 是特徵值（相對丰度或計數）。軸方向是任意的，因此翻轉 PCoA 圖不會改變含義。
常見問題
什麼是貝塔多樣性？
一種將不同樣本之間的差異描述為距離（相異性）的方法。越小意味著越相似；越大意味著越不同。
Jaccard 和佈雷-柯蒂斯之間有什麼區別？
Jaccard 僅比較存在/不存在。佈雷-柯蒂斯還使用丰度（計數或相對丰度）。
什麼是PCoA？
一種基於距離矩陣（主座標分析）以二維方式放置樣本的方法。軸方向是任意的，因此翻轉不會改變含義。
我可以僅憑這個結果就斷言統計顯著性嗎？
不會。 Beta 多樣性對於探索和可視化很有用，但統計測試需要額外的分析。
相關工具
- 首先檢查樣本內多樣性（α 多樣性）→ 多樣性指數計算器 (Shannon / Simpson)
- 建立對人口規模和漂移的直覺 → 遺傳漂變模擬器 (Wright–Fisher)
評論
如果您發現問題或有建議，請發表評論（非匿名形式）。