TCGA|GEO可视化分析第1篇---相关性分析

导读

今天有小伙伴问我，筛选完差异基因后，想看自己关注的基因和其他基因的关系，应该怎么做？那当然要先做一下相关性分析了！好，下面让我给大家娓娓道来…

正文：

step1：我们先读取下所需要的数据

library(openxlsx)setwd("E:\\Bioinfo_analysis\\scripts\\corr\\corr_batch") #设置工作路径
fr<-read.xlsx('infile.xlsx',rowNames = T,colNames = T)
View(fr) #查看下数据类型，列名基因名，行名为样本名

Step2：下载安装包

library("ggstatsplot") #加载包的时候失败了，因为之前没有安装这个包
library("BiocManager")
BiocManager::install("ggstatsplot") #安装ggstatsplot

要安装很多依赖包，泡杯咖啡，静静的等着它，差不多花了30分钟才把所有的包安装完，下面开始进行相关性分析，假如我们关注的基因是COX1和ATP6。
Step3：绘图

ggscatterstats(data = fr, 
y = COX1, 
x = ATP6,
centrality.para = "mean", 
margins = "both",
xfill = "red", 
yfill = "blue", 
marginal.type = "histogram",
title = "Relationship")

图出来的还是很快的，大概5秒钟。图中每个点代表一个样本，两条虚线分别代表两个基因在样本中的平均表达量。看一下结果，P<0.001，r=0.46,说明COX1, ATP6存在正相关关系，P值过关了，不过相关系数r有点低，还没有超过0.5。
到这里结束了么，不。我的小伙伴又问了，我想看一下COX1和其他所有基因的相关性怎么办？你手动一个个画呗。。。。哈哈哈，开个玩笑，这里我们可以用ggcorrplot绘图！

corr.result<-cor(fr,method = 'pearson') #先计算相关性系数
	corr.p<-ggcorrplot::cor_pmat(fr) #再计算P值
	#开始绘图
	ggcorrplot(  corr = corr.result,  type = 'full')

如果你想看哪些基因间是显著性相关，怎么办，往下看：

ggcorrplot( 
corr = corr.result,  
type = 'full',  
p.mat = corr.p,#P-Value  
sig.level = 0.05 #P-Value大于0.05的在图中标记出来)

图中标记❌号的即为P值大于0.05的，反之为P值小于0.05。今天就给大家介绍到这里，有什么疑问或者建议，可以下方留言探讨哦！