层次聚类树

Plot hcluster tree（层次聚类树）

　　利用树枝结构描述和比较多个样本间的相似性和差异关系。首先使用描述群落组成关系和结构的算法计算样本间的距离，即根据beta多样性距离矩阵进行层次聚类（Hierarchical cluatering）分析[1]，使用非加权组平均法UPGMA（Unweighted pair group method with arithmetic mean）算法构建树状结构，得到树状关系形式用于可视化分析。

　　输入：

样本距离矩阵文件，由分析模块 "Generate distance matrix from OTU Table in biom format" 生成。

Bio1 Bio2 Bio3 Bio4 Bio5

Bio1 0 0.1984 0.238883 0.222763 0.259351

Bio2 0.1984 0 0.127324 0.153768 0.160351

Bio3 0.238883 0.127324 0 0.194398 0.147496

Bio4 0.222763 0.153768 0.194398 0 0.20812

Bio5 0.259351 0.160351 0.147496 0.20812 0

其他参数默认。

　　输出：

newick-formatted树文件，newick是一种树状的标准格式文件，可被多种建树软件识别，例如：PHYLIP、TREEVIEW、ARB。

注：如需对样本进行分组画图，可将该文件作为高级分析中模块"Plot Tree using Newick tree format file"的输入，支持多种树状图展示方式。

样本相似度树状图：

注：多样本相似度树状图，利用树枝结构描述和比较多个样本间的相似性和差异关系。树枝长度代表样本间的距离，末端竖线表示样本聚在一起相似度较高。

分析模块引用R语言（v2.12.1）进行相关的作图。