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]),
)
好了,这样就可以达到我们要绘制的这张图了~
大家也可以尝试更改这些参数来达到不同的效果,例如:更改可视化方法,颜色等。
结语
小鹿今天介绍了一种特别的相关性图的绘制,希望可以为大家在日后学习绘制相关性图时提供一些帮助。有任何问题可以在文末留言哦~
文末看点 鹿明生物
上海鹿明生物科技有限公司多年来,一直专注于生命科学和生命技术领域,是国内早期开展以蛋白组和代谢组为基础的多层组学整合实验与分析的团队。
同时,鹿明生物线上学习平台易明学院也拥有众多生信教程,欢迎访问:https://www.yimingxueyuan.com/
猜你还想看
END
柚子 撰文
欢迎转发到朋友圈
本文系鹿明生物原创
转载请注明本文转自鹿明生物
我知道你在看哟
点“阅读原文”了解更多
03-06
“第四届客户关怀季”莱伯泰科售后直播专场即将开启,快来报名吧!03-06
邀请函 | 莱伯泰科邀您相约第十三届中国病理年会03-06
分析的力量 | 精密分析的“火眼金睛”,让“隐形杀手”无处遁形03-05 安捷伦科技
名单公布!快来看看《2020 年版〈中国药典〉中药标准物质分析图谱》究竟花落谁家?03-05 安捷伦科技
新能源 大时代 | 安捷伦携全套分析方案护航新能源电池产业链03-05 安捷伦科技
新型 AdvanceBio 酰胺 HILIC 色谱柱,一键实现多聚糖分离分析03-05 安捷伦科技
体察万象,绿色引航 | 一册概览安捷伦GC/Q-TOF新污染物应用方案03-05 安捷伦科技
从不断跨界,到打通氢能底层逻辑,听听她的故事03-05 安捷伦科技
Ultim Max 170能谱仪分析NASA“贝努”小行星样品03-05
沃特世脂质偶联ASO LC-MS 标准品,助力寡核苷酸分析03-05 沃特世技术服务
工程师说仪器 | 您的新机保养指南03-05 沃特世技术服务
“钾”如你相信光,“钠”就有无限能量03-05 飞飞
使用349NX激光器进行SiC的拉曼光谱和光致发光实验03-05 圈内人都会关注
即将开课|哈希在线产品培训火热报名中03-05
客户案例 | eBioMedicine:单一组学如何发10+分?请看这项针对中国男性肝癌风险生物标志物的前瞻性研究03-04 麦特绘谱
想少生病?记得给免疫系统“解压”03-04 HMI
绘谱导读 | 为反式脂肪酸“正名”!可促进抗肿瘤免疫!「202402」03-04 麦特绘谱
活动报名 | 牛津仪器地质矿物显微分析技术研讨会03-04
展会资讯 | 爱色丽诚邀您参观2024华南国际印刷展03-04 爱色丽彩通