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。