探“云”指南 | 如何進行共表達相關(guān)性分析

創(chuàng)新多組學(xué)技術(shù)服務(wù)

2023.6.15

共表達相關(guān)性分析的基本思想是通過計算不同特征的表達量在樣本中間的相關(guān)性，以此來揭示其之間的相互作用關(guān)系。常見的共表達相關(guān)性分析方法包括相關(guān)系數(shù)分析、主成分分析、聚類分析、因子分析等。這些方法可以用于挖掘具有生物學(xué)意義的跨組學(xué)特征對模式，預(yù)測未知基因的功能和生物學(xué)過程，甚至發(fā)現(xiàn)新的藥物靶標(biāo)。

功能介紹

共表達相關(guān)性分析小工具可以根據(jù)樣本一一對應(yīng)關(guān)系對，計算兩個組學(xué)特征之間的相關(guān)性，或一個組學(xué)特征的自相關(guān)性（即兩個不同的表或者相同的表），繪制熱圖，矩陣圖和網(wǎng)絡(luò)關(guān)系圖。相關(guān)性算法可選用的有pearson相關(guān)性、spearman相關(guān)性、kendall相關(guān)性。如果不指定，默認(rèn)使用pearson相關(guān)性計算方法。

文件要求

輸入文件1

計算文件1和文件2為不同的數(shù)據(jù)：

接受兩個特征表達量矩陣文件，兩個文件的表頭(樣本)信息需要一一對應(yīng)。

圖1 | 輸入文件1格式示例

輸入文件2

圖2 | 輸入文件2格式示例

計算自相關(guān)表格

相關(guān)性表1和相關(guān)性表2和填寫相同的特征表達量矩陣文件

圖3 | 計算自相關(guān)表格格式示例

參數(shù)調(diào)整

主要參數(shù)

圖4 | 主要參數(shù)

常用參數(shù)

圖5 | 常用參數(shù)

作圖步驟

準(zhǔn)備工作

請于上傳文件前首先查看“重要提示”的提示信息以及“使用說明”中的示例文件格式，根據(jù)提示進行文件準(zhǔn)備。

主要參數(shù)設(shè)置

①請于主要參數(shù)中的相關(guān)性表1、相關(guān)性表2處上傳您所要進行分析的文件，二者為必填參數(shù)。如果您要進行自相關(guān)分析，請在相關(guān)性表1、相關(guān)性表2處上傳同一份文件。我們以計算兩個組學(xué)特征之間的相關(guān)性為例，上傳不同的文件。在“選擇文件”后顯示上傳的文件名說明上傳成功。

此處為上傳成功示例：

圖6 | 文件上傳成功示例

②相關(guān)性計算方法：相關(guān)性算法可選用的有pearson相關(guān)性、spearman相關(guān)性、kendall相關(guān)性。如果不指定，默認(rèn)使用“pearson”；

③任務(wù)命名：對結(jié)果進行命名用于區(qū)分不同的任務(wù)，默認(rèn)為結(jié)果創(chuàng)建日期時間，在歷史記錄的注釋處可見，可接受默認(rèn)或自行輸入。

常用參數(shù)設(shè)置

①選擇top特征：選擇top特征進行繪圖，最大不超過200，若相關(guān)性表中特征數(shù)超過200，則將選取豐度值top200進行計算；

②是否列聚類、是否行聚類：默認(rèn)均為“是”；

③是否顯示x軸的標(biāo)簽、是否顯示y軸的標(biāo)簽：默認(rèn)均為“是”；

④顯著性標(biāo)識繪制方法：可選擇pvalue或者qvalue；

⑤作圖顏色選擇：可參考“重要提示”中的配色展示；

⑥x軸標(biāo)簽名稱的旋轉(zhuǎn)度、坐標(biāo)軸字體大小、字體類型、字體樣式、格子高度、格子寬度：根據(jù)需求填寫即可；

⑦網(wǎng)絡(luò)圖特征關(guān)系對相關(guān)系數(shù)閾值：篩選繪制網(wǎng)絡(luò)圖特征關(guān)系對的相關(guān)系數(shù)閾值，默認(rèn)為“0.8”；

⑧網(wǎng)絡(luò)圖特征關(guān)系對顯著性閾值：篩選繪制網(wǎng)絡(luò)圖特征關(guān)系對的顯著性閾值，默認(rèn)為“0.05”。

最終提交

文件上傳成功后

如圖所示區(qū)域：

圖7 | 工具預(yù)估耗時提示處

結(jié)果分析

（本說明為上傳兩個不同文件及其他參數(shù)保持默認(rèn)的情況）

結(jié)果展示及下載

分析結(jié)果保存6個月，請注意及時下載保存，

圖8 | 結(jié)果展示處

結(jié)果說明

5.2.1、結(jié)果文件

圖9 | 結(jié)果文件示例

5.2.2、Corheatmap圖

列為表2特征，行為表1特征，其中的每個小方格都代表兩特征的相關(guān)性，顏色代表相關(guān)性的大小，根據(jù)右側(cè)的色階我們可以看出紅色表示正相關(guān)，藍色表示負(fù)相關(guān)，且顏色越深表示相關(guān)性越大，越接近黃色表示相關(guān)性越接近零。左側(cè)樹狀圖表示來自表1特征的聚類分析結(jié)果，圖片上方的樹形圖表示來自表2特征的聚類分析結(jié)果。圖中的“*”為顯著性標(biāo)記，“*”代表p<0.05，“**”代表p<0.01，“***”代表p<0.001。

圖10 | Corheatmap圖示例

5.2.3、相關(guān)性矩陣圖

列為表1特征，行為表2特征。根據(jù)右側(cè)的色階我們可以看出紅色表示正相關(guān)，藍色表示負(fù)相關(guān)，且顏色越深表示相關(guān)性越大，越接近白色表示相關(guān)性越接近0，同時，點的大小代表相關(guān)性的大小，點越大相關(guān)性越大。

圖11 | heatmap_matrix圖示例

該圖展示了兩表之間的特征以及同一表內(nèi)特征之間的相關(guān)性值，紅色為正相關(guān)，藍色為負(fù)相關(guān)，顏色越深表示相關(guān)性越大，越接近白色表示相關(guān)性越接近零。點上都標(biāo)記了對應(yīng)的相似性大小，左下至右上的點相關(guān)性均為1，表明它們對應(yīng)的是同一個變量的相關(guān)性，點的大小代表相關(guān)性的大小，點越大相關(guān)性越大。

圖12 | heatmap_matrix_square圖示

5.2.4、關(guān)聯(lián)網(wǎng)絡(luò)圖

關(guān)聯(lián)網(wǎng)絡(luò)圖中為基于 spearman 相關(guān)性分析計算相關(guān)性表1和相關(guān)性表2數(shù)據(jù)間的關(guān)聯(lián)性，共表達關(guān)系對根據(jù)選擇的顯著性標(biāo)識繪制方法的所選閾值及相關(guān)性系數(shù)的所選閾值鏡像篩選。藍點來自表2，紅點來自表1，紅線代表正相關(guān)，綠線代表負(fù)相關(guān)。線的粗細代表相關(guān)性系數(shù)的高低。

圖13 | Correlation_cor0.8p0.05_Network圖示例

歷史記錄

圖14 | 歷史記錄示例

常見Q&A

請問我的相關(guān)性表中特征數(shù)超過200的話，在“選擇top特征”參數(shù)填寫200，繪圖所選特征會怎么選擇呢？

您好，首先感謝您的咨詢。若上傳的相關(guān)性表中特征數(shù)超過200，同時您在“選擇top特征”參數(shù)處也填寫200，則會選取豐度值top200進行計算。

往期推薦

探“云”指南 | 一文教你WGCNA分析

探“云”指南 | 微生物ROC曲線