视频实操SCI作图课(13)：样本相关性分析告诉你生物学重复如何选

在转录组、代谢组以及蛋白组学研究中，通常会设计多个生物学重复以尽可能消除个体间的差异，但生物学重复的选择是否合适，则需要通过样本相关性分析来体现。

相关性分析是指对两个或多个具备相关性的元素进行分析，从而衡量两个元素的相关密切程度。

样品相关性分析：利用样本的组学检测数据（如基因的FPKM值、代谢物的含量值等）去计算样本间的相关系数，以反应不同组织或处理方式的样品在表达水平方面的相似程度。

样本相关性分析的计算方法有三种：A. Pearson correlation; B. Spearman rank correlation; C. Kendall’stau。其中Pearson相关系数是最常用的线性相关系数，因此在迈维云平台样本相关性分析中，默认选择此种分析方法进行计算，其原理详见下图。

但Pearson相关性分析对数据有一定的要求：①两个连续变量呈线性相关性；②数据符合正态分布；③两个变量间相互独立。

Spearman相关系数又称为秩相关系数，其对原始变量的分布不做要求，属于非参数统计方法，适用范围要广，对服从Pearson相关系数的数据也可计算Spearman相关系数，但统计效能要低一些。

Kendall’stau 相关系数用于反映分类变量相关性的指标，适用于两个分类变量均为有序分类的情况，对相关的有序变量进行非参数相关检验。

以转录组数据为例，基因的表达在不同的个体间存在生物学可变性，不同的基因之间表达的可变程度存在差异，而转录组测序技术、qPCR以及生物芯片等技术都不可能消除这种可变性。为了寻找真正感兴趣的差异表达基因，需要考虑和处理因生物学可变性造成的表达差异，目前最常用的方法就是在实验设计中设立生物学重复。对于设立生物学重复的项目，评估生物学重复的相关性对于分析转录组和代谢组数据都非常重要。

（1）对于质控样本（QC）的相关性分析可以检验生物学实验操作的可重复性，即评估项目检测过程的稳定性，一般情况下代谢组学中的QC样本相关性系数 | r | ＞0.99，则表明整个检测过程稳定性较好，数据质量较高；

（2）对同组内的生物学重复进行相关性分析可以辅助异常样品的筛查，在转录组数据分析中，通常要求生物学重复样品间的R²至少要大于0.8；

（3）组内样本相对组间样本的相关性系数越高，获得的差异基因或差异代谢物就越可靠。

通常将皮尔逊相关系数r（Pearson’sCorrelationCoefficient）作为生物学重复相关性的评估指标，通过迈维云小工具可将样本相关性分析结果会绘制成如下展示图。图中横纵坐标均为样本名称，对角线红色方格代表该样本与自身的相关性情况，因此相关系数均为1；对角线左下角方格为对应样本的相关性饼图，饼图面积代表着相关性系数 |r | 的大小；对角线右上角方格为对应样本的皮尔逊（Pearson）相关性系数 |r | 。|r | 越接近于0，表示两个样本间相关性越弱，对应方格颜色越黄； |r | 越接近于1，表示两个样本间相关性越强，对应方格颜色越红。