探“云”指南 | 如何进行共表达相关性分析

计算文件1和文件2为不同的数据：

接受两个特征表达量矩阵文件，两个文件的表头(样本)信息需要一一对应。

图2 | 输入文件2格式示例

图3 | 计算自相关表格格式示例

①请于主要参数中的相关性表1、相关性表2处上传您所要进行分析的文件，二者为必填参数。如果您要进行自相关分析，请在相关性表1、相关性表2处上传同一份文件。我们以计算两个组学特征之间的相关性为例，上传不同的文件。在“选择文件”后显示上传的文件名说明上传成功。

此处为上传成功示例：

图6 | 文件上传成功示例

②相关性计算方法：相关性算法可选用的有pearson相关性、spearman相关性、kendall相关性。如果不指定，默认使用“pearson”；

③任务命名：对结果进行命名用于区分不同的任务，默认为结果创建日期时间，在历史记录的注释处可见，可接受默认或自行输入。

①选择top特征：选择top特征进行绘图，最大不超过200，若相关性表中特征数超过200，则将选取丰度值top200进行计算；

②是否列聚类、是否行聚类：默认均为“是”；

③是否显示x轴的标签、是否显示y轴的标签：默认均为“是”；

④显著性标识绘制方法：可选择pvalue或者qvalue；

⑤作图颜色选择：可参考“重要提示”中的配色展示；

⑥x轴标签名称的旋转度、坐标轴字体大小、字体类型、字体样式、格子高度、格子宽度：根据需求填写即可；

⑦网络图特征关系对相关系数阈值：筛选绘制网络图特征关系对的相关系数阈值，默认为“0.8”；

⑧网络图特征关系对显著性阈值：筛选绘制网络图特征关系对的显著性阈值，默认为“0.05”。

文件上传成功后点击“提交”，右侧工作区将提示您所需时间。有时会遇到任务排队情况，请您耐心稍等。

如图所示区域：

图7 | 工具预估耗时提示处

（本说明为上传两个不同文件及其他参数保持默认的情况）

图9 | 结果文件示例

5.2.2、Corheatmap图

列为表2特征，行为表1特征，其中的每个小方格都代表两特征的相关性，颜色代表相关性的大小，根据右侧的色阶我们可以看出红色表示正相关，蓝色表示负相关，且颜色越深表示相关性越大，越接近黄色表示相关性越接近零。左侧树状图表示来自表1特征的聚类分析结果，图片上方的树形图表示来自表2特征的聚类分析结果。图中的“*”为显著性标记，“*”代表p<0.05，“**”代表p<0.01，“***”代表p<0.001。

图10 | Corheatmap图示例

5.2.3、相关性矩阵图

列为表1特征，行为表2特征。根据右侧的色阶我们可以看出红色表示正相关，蓝色表示负相关，且颜色越深表示相关性越大，越接近白色表示相关性越接近0，同时，点的大小代表相关性的大小，点越大相关性越大。

图11 | heatmap_matrix图示例

图12 | heatmap_matrix_square图示

5.2.4、关联网络图

关联网络图中为基于 spearman 相关性分析计算相关性表1和相关性表2数据间的关联性，共表达关系对根据选择的显著性标识绘制方法的所选阈值及相关性系数的所选阈值镜像筛选。蓝点来自表2，红点来自表1，红线代表正相关，绿线代表负相关。线的粗细代表相关性系数的高低。

图13 | Correlation_cor0.8p0.05_Network图示例

图14 | 历史记录示例

END

排版人：七七

原创声明：本文由欧易生物(OEBIOTECH)学术团队报道，本文著作权归文章作者所有。欢迎个人转发及分享，未经作者的允许禁止转载。