R语言绘图：相关性分析报告及绘图展示.doc

word
word
精彩文档
word
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与结果展示。利用的测试数据还是word
word
精彩文档
word
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与结果展示。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，进展简单分析，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。
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。先利用根本函数plot展示下我们样品的结果。
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
word
word
精彩文档
word
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函数进展绘图
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，以与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
word
word
精彩文档
word
从图中我们可以看出T04、T05、T06以与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_format ="%.4f",color =col(100),main ="correlation test",number_color ="white",fontsize_number =5)#这里把聚类树局部都去除了