看起来你已经走通了核心流程——用LDA结合马氏距离的思路来纳入协方差结构，再用ape包构建NJ树，这个方案很合理！我把你的代码和思路整理得更清晰，方便后续扩展：

完整实现代码 #

# 加载系统发育分析工具包ape
require(ape)

# 执行线性判别分析（LDA），将类群标签转换为因子变量
lda <- lda(y, as.factor(ynames))

# 基于LDA转换后的类群均值计算距离矩阵（这里的距离等价于考虑协方差的马氏距离）
# 保留矩阵的上三角和对角线元素
dist_matrix <- dist(as.matrix(predict(lda, lda$mean)$x), upper = TRUE, diag = TRUE)

# 构建邻接（NJ）树并可视化
plot(nj(dist_matrix))

关键步骤解释 #

• 加载ape包：require(ape)是调用系统发育分析的核心工具包，包含nj()和plot()等树构建与可视化函数；
• LDA转换：通过lda()将原始度量性状映射到LDA空间，自动纳入了类群间的协方差结构，这一步是为后续计算马氏距离做铺垫；
• 距离矩阵计算：predict(lda, lda$mean)$x提取LDA空间下的类群均值坐标，再用dist()计算的距离等价于马氏距离，完美满足你纳入协方差的需求；
• NJ树构建与绘图：nj(dist_matrix)生成NJ树对象，plot()直接可视化树结构。

如果你后续有具体的计算需求（比如自展检验支持度、树的修剪、添加类群注释等），可以补充细节，我再帮你调整代码～

内容的提问来源于stack exchange，提问作者Anti