告别俗套相关性图，助您文章锦上添花！

2021-09-28 18:18:56, 多层组学定制服务上海欧易生物医学科技有限公司

点击上方“蓝色字体”关注我们

蛋白组学、代谢组学服务专家

编者按

相关性heatmap频繁出现在我们生物学研究的文章中，那么，它为什么如此受青睐呢？

原因就在于：

1.可视化（通过使用不同颜色可直观地将数据值大小表示出来）；

2.聚类（聚类后可清晰的显示两个不同指标的相关性程度）；

深耕科研多年，你是否也遇到“将自己的结果与其它研究结果比较”这样的问题？到底那些大神是怎么做的呢？俗话说“大神一句话，菜鸟跑半年”，在这里小编不是大神，但是小编的分享可以缩短你走弯路的半年。

大家一定都对相关性图有一些了解，常见的相关性图通常都是这样的。

或者是这样的

“特别”的相关性图

今天我们要绘制的相关性图是一张图形和数值混合的相关性图，是不是看上去就很特别呢？

开始绘制

现在就让我们一起来绘制这张图吧~

1.首先呢，先安装接下来绘图所需要用的R包；

library(corrplot)library(psych)

2.读取数据；

data<-read.xlsx("data.xlsx",rowNames = T)

样本中的第一列数据就是我们等下绘图要用到的代谢物名称；

3.对数据进行处理；

将数据进行转置之后计算相关系数及显著系数，这些都是绘制相关性图所必需的，并创建一个新的数据集对不同的数据分组设置不同的颜色；

data <- t(data)corr <- cor(data)cor_r <- corr.p(corr,n = nrow(data),alpha=.05)#计算相关系数和显著系数data1<-data.frame(corr[,1])colnames(data1)[1]<-"color"data1[1:12,]="#993333"data1[13:25,]="#336633"

现在让我们先来看一下所有参数在默认条件下绘制的相关性图

corrplot(corr)

可以看出这张图只是一个初始的状态，离我们要绘制的图还相差巨大。

完善

首先，我们要绘制的这张图可以看出它的上三角和下三角分别是不同的形式；

上三角是方形，下三角是数字，并且图中还添加了相关性和显著性；同时更换了图形的颜色和文本标签颜色及图例和进行了聚类。

接下来我们就开始绘制这张图吧!

1.更改图形中上三角和下三角不同的形式，将上三角设置为方形，下三角设置为数字型；

备注：下三角图形中的数字为相关性

pic<-corrplot.mixed(corr,lower = "number",                   upper = "square")

当然，我们也可以选择设置成其他不同的形式，比如：圆形、椭圆形、或饼图形。

2.由于上面这张图中文本标签在对角线上，所以接下来是更改文本标签的位置以及图形颜色；

pic<-corrplot.mixed(corr,lower = "number",                   upper = "square", tl.pos = "lt",upper.col=c("#336633","#99CC99","#FFFFCC","#f19b78","#993333"),                  lower.col = c("#336633","#99CC99","#FFFFCC","#f19b78","#993333"))

现在文本标签位置已经更改好为图形的上方和左侧，并且更改了图形颜色；

3.下一步是添加显著性,并进行层次聚类；

pic<-corrplot.mixed(corr,lower = "number",                   upper = "square", tl.pos = "lt",upper.col=c("#336633","#99CC99","#FFFFCC","#f19b78","#993333"),                  lower.col = c("#336633","#99CC99","#FFFFCC","#f19b78","#993333"),p.mat = cor_r$p,insig = "label_sig",sig.level = c(.001, .01, .05),pch.cex = 1,pch.col = "white",order="hclust")

4.最后就是对字体大小、颜色进行设置；

现在让我们把所有需要改动的参数都设置好吧~

pic<-corrplot.mixed(corr,lower = "number",                   upper = "square", upper.col=c("#336633","#99CC99","#FFFFCC","#f19b78","#993333"),        lower.col = c("#336633","#99CC99","#FFFFCC","#f19b78","#993333"),                  p.mat = cor_r$p,insig = "label_sig",                  sig.level = c(.001, .01, .05),                   pch.cex = 1,                  pch.col = "white",                  order="hclust",                   tl.cex=0.6,#文本标签的大小                  number.cex = 0.5,#下三角中字体大小                  cl.cex = 1 ,#图例字体大小                  tl.col=c(data1[,1]), 
）