a)登录TUTU云平台（https://www.cloudtutu.com/#/login）‍点此登录‍；

b)默认账号密码已填好，输入验证码即可登录；

c)找到“相关性热图”进入作图界面。

1. 说明

相关性分析是通过计算两种因子之间的相关性（Spearman、Pearson、Kendall's Tau系数等），将获得的数值矩阵通过热图直观展示。通过颜色变化反映二维矩阵或表格中的数据信息，颜色深浅表示数据值的大小，它可以直观地将数据值的大小以定义的颜色深浅表示出来。

相关性在组学数据中应用非常广，如样本的重复检验、基因的共表达分析、微生物群落的共发生网络分析等。

2.    上传文件

2.1.   组间相关性

a）准备两个数据矩阵（如微生物物种丰度表、基因表达量矩阵、代谢物含量表，也可以是测量数据，例如身高、体重、表型等）；

b）表格需要带表头和列名，每一列为样本名，每一行为各种指标数据名，例如OTU，基因ID、身高、代谢物名称等。

c）请提交txt(制表符分隔)文本文件。操作方法为：全选excel中的所有内容（ctrl+A），复制到记事本中，将记事本文件另存后上传该文件。

2.2.   组内相关性

a)    准备一个数据矩阵（如微生物物种丰度表、基因表达量矩阵、代谢物含量表，也可以是测量数据，例如身高、体重、表型等）；

b)    表格需要带表头和列名，每一列为样本名，每一行为各种指标数据名，例如OTU，基因ID、身高、代谢物名称等。

c)    请提交txt(制表符分隔)文本文件。操作方法为：全选excel中的所有内容（ctrl+A），复制到记事本中，将记事本文件另存后上传该文件。

3.    设置参数：

3.1 是否转置（组内相关性特有）：默认是以列为单位，显示每一列之间的相关性。转置后显示行与行之间的相关性。

3.2 计算方法：

（1）Pearson相关系数（皮尔逊积差相关系数）

适用于两个正态分布的连续变量。

（2）Spearman等级相关系数（斯皮尔曼秩相关系数）

利用两变量的秩次大小来进行分析，属于非参数统计方法。适用于不满足Pearson相关系数正态分布要求的连续变量。也可以用于有序分类变量的之间的相关性测量。

皮尔森评估的是两个变量的线性关系，而斯皮尔曼评估的两变量的单调关系。斯皮尔曼相关系数对于数据错误和极端值的反应不敏感。

3.3 颜色选择：

改变图形配色，可以视实际需要任意调整颜色

3.4显著性符号：

不显著标记：在不显著相关的方格上显示×；

显著标记：

p>=0.05 无标记

0.01<p<0.05 标记：*

0.001<p<=0.01 标记：**

p<=0.001 标记：***

       3.5 图片样式（组内相关性特有）：

              全显：显示区全部图片（轴对称）

上三角：显示右上方

              下三角：显示左下方

3.6 填充形状

圆形：圆形面积大小代表相关性大小；

椭圆：椭圆面积大小代表相关性大小，椭圆的不同方向表示正相关和负相关；

矩形：矩形面积大小代表相关性大小

星形：星形面积大小代表相关性大小

3.7 pvalue值筛选：

0.01：仅显示P小于0.01的显著性相关的方格，不显著相关的方格为白色。

0.05：仅显示P小于0.05的显著性相关的方格，不显著相关的方格为白色。

写作建议：

Spearmancorrelation by xxx abundance. Only significant values (p < 0.05/0.01 afterFDR adjustment) are shown. Orange and blue colors (替换颜色） represent significant negative correlations and positivecorrelations. Darker color represents stronger correlations

4. 下载文件

根据个人需求进行参数调整后点击运行，平台提供PDF和PNG格式的文件下载。同时，还可以下载相关性系数矩阵表。相关性系数矩阵可用于后续其他分析。