R语言绘图：相关性分析及绘图展示.doc

.
精选文档.
相关性分析
gaom
在我们平时分析的时候，经常会遇到样品间的相关性检验分析，并以此判断对我们后续分析的影响。今天主要跟大家讨论一下简单的相关性分析以及结果展示。
利用的测试数据还是之前我们在geo数据库中随便找的一份表达谱数据。首先还是导入数据，进行简单分析，获取相关数值。
rm(list=ls())#先把我们的R清空一下
data<-(file = "C:\\Users\\gaom\\Desktop\\R语言绘图\\相关性分析\\",header = T, =1,sep="\t")#读取数据
cor(data,method = "pearson")#方法可选pearson、kendall、spearman。
## T01 T02 T03 T04 T05 T06 T07
## T
## T05 0.
##
## T08 T09 T10 T11 T12
## T11 0
获得每个样品之间的相关系数，下面让我们把这些结果可视化。先利用基本函数plot展示下我们样品的结果。
.
精选文档.
plot(data[,1:6],pch=19,col=rgb(0,0,100,50,maxColorValue=255))#我们截取前面6个样品看看他们的相关性
从上面的结果来看T01、T02、T03之间的相关性要稍微差些，而T04、T05、T06之间的相关性要好的多。
下面我们根据cor函数的结果做成类似热图的形式。
library("lattice")
cor_data<-(cor(data,method = "pearson"))#获取相关系数矩阵
levelplot(cor_data)#直接利用levelplot函数进行绘图
.
精选文档.
上图中颜色非常淡，所以我们想考虑一下自己把这个图再进化一下。
col<-colorRampPalette(c("green","black","red"),space = "rgb")#我们自己设置填充颜色
levelplot(cor_data,main ="cor plot test",xlab ="",ylab ="", = col(100))#main对应的是图的标题，以及xlab、ylab分别对应x轴和y轴的标题，这里表示不添加，所以都是"",引号里面是没东西的
.
精选文档.
从图中我们可以看出T04、T05、T06以及T07、T08、T09这两组的相关性就更好。当然，我们也可以直接用pheatmap这个画热图的函数将结果展示出来。
library("pheatmap")
pheatmap(cor_data,cluster_rows = F,cluster_cols = F,display_numbers = T,number_fo