功能：
PCoA（principal co-ordinates analysis）主坐标分析是一种展示样本间相似性的分析方式，它的分析思路与PCA分析基本一致， 都是通过降维方式寻找复杂样本中的主要样本差异距离。与PCA不同的是，PCoA主要利用Unifrac、Bray-Curtis等样本距离信息进行计算以及降维图形展示，因此结果更集中于体现样本间的相异性距离。

输入：

（1）丰度表格或者样本距离矩阵为必输入文件，两者二选一。其中丰度表格可为OTU丰度表格，也可以是物种或者某功能丰度表格

（2）如果有分组信息，请输入样本分组信息表。单样本最多支持两种分组信息，如A样本同时属于病人分组，也属于成年人分组。注意此文件一定要有表头，可以参考示例文件。

（3）所有表格格式为tab-delimited所保存的txt格式。

参数：

（1）点大小：可任意选择点大小（工具默认为3）

（2）组名称：可自定义分组名称，其中输入内容仅限英文、数字

（3）点的透明度：为了防止点重叠看不清，可以设置点的透明度

输出：

PCoA_sites.xls：记录了样本在各个维度上的位置。

PCoA_eig.xls：记录了各维度解释结果的百分比。如果PC1值为50%，则表示x轴的差异可以解释全面分析结果的50%。

pcoa_plot.png/pdf: PCoA图 （默认输出PCo1-PCo2、PCo1-PCo3、PCo2-PCo3三种图形）

原理：

(1)在输入OTU丰度表情况下，工具默认算出每个样本中OTU的相对丰度信息，然后计算样本间的Bray-Curtis距离（R），最后进行PCoA计算（R）及作图（ggplot2）。

(2)如果直接输入样本间距离（例如unifrac等），工具直接根据所输入距离类型进行分析和作图。