OmicStudio又双叒叕上新啦，这次上线的是 【相关性热图】。熟悉云平台的用户知道，我们已经有了 【相关性系数图】 云工具了，为什么还要再上线一个相关性的云工具呢：
1.这个云工具与联川微生物组学结果中的相关性分析结果一致，做了微生物组的用户可以直接用您的数据重现分析结果；
2.原相关性系数图只能计算单张表格的相关性，即表中数据间的相关性，此云工具不仅可以计算表内的，还可以计算表间数据的相关性；
3.这款云工具提供了更多细致的功能，如更换数据处理和筛选方式、调整配色方案、增加图例注释和聚类等高级功能，另外基础调图参数也更丰富了（如下图）；
4.原相关性系数图中显示的是相关性数值，此工具默认显示的是p值的显著性符号，即一张图中既体现了R值（相关性值，用颜色表示），又体现了P值（R值结果的显著性，用符号表示），信息呈现的维度更为丰富了；
5.完善了说明资料：点击页面中的紫色问号（如下图）即可查看先关模块的说明，本文以下内容均来自此处。
云工具除了微生物组，其他组学可用么？
可用。相关性分析的原理都是一致的，只要您的数据符合计算相关性的应用场景即可使用。
这个云工具的应用场景是什么？
此云工具可以计算两张表数据间的相关性，也可以计算一张表内数据的相关性。依据您想观察的对象（X与X的相关，X与Y的相关）来决定如何输入数据。
如示例数据，观察的是菌群丰度（1） 和环境因子间（2） 的相关性，图片的行列分别与两张数据表对应。
如下图，是分析单张表 的结果示例，数据用的是上述的菌群丰度（1），可以看到这张图的结果与原相关性系数云工具的分析结果接近，行列名是相同，观察的是表内数据的相关性。
图片如何解读？
图中颜色越深代表相关关系越强，相关关系有两种：强相关和负相关，一般用暖色系代表正相关，冷色系代表负相关。星号标记代表相关性值的显著性，依据显著性不同再细分符号，一般星号越多显著性越大。如果一个方法颜色较深（相关性强），显著性也强（相关性值的计算结果在统计学意义上更可靠），那么我们认为这个格子对应的横纵坐标对象之间有强烈的相关关系。对于单表来说，图片是斜对角对称的，且对角线数字恒为1（自己和自己的相关性为100%）。
通过这个分析我可以得到什么？
如上右图（6）为相关性分析结果表格和图片，共6张表格（也可能是3张，见下文输出表格说明）和至少1张图片（图片张数由您选择的图片格式类型决定（4））。
如何进行数据处理和筛选？
（1）相关性计算方法：本工具提供两种相关性计算方法：spearman（斯皮尔曼）和pearson（皮尔逊）【1】【2】。
（2）数据筛选：本工具提供两种数据筛选方式：相关性排序前N个；自定义文本筛选。若选择这两种筛选方式任意一种，分析结果中会出现带filter后缀的表格文件，您可在这些表格中查看您筛选后的数据。若数据较多，建议进行筛选后再绘图以清晰地在图中呈现p值显著性或相关性数值。
相关性排序前N个：选择这个选项后，出现新的选项（2），参数修改完成后需点击【重新绘图】按钮（3）。相关性排序前N个的定义是：对行（或列）的相关性绝对值总和进行排序，取前N个。这是一种快速的选择方式，如果您关注的对象不在其中，可以选择“自定义文本筛选”，见下文。
自定义文本筛选：这种方式更适合剔除数据，若想大量指定需要呈现的数据，建议在上传文件前就整理好需要呈现的对象。
（1）选择这个选项后，图片区域悬浮框出现新的选项（2）；
（2）此处可以分别调整行和列的呈现对象，若您的数据名称较长，界面可能不够宽敞，点击（3）可放大此界面，如右图；
（4）点击（2）中控件出现此界面：搜索框可以直接查找您关注的对象，点击“全选”或“全不选”按钮可以实现快速选择，“√”意味着被选择，点击即可选择或取消；
（5）修改完参数后，需点击此按钮。
如何调整配色方案？
（1）云平台精炼了一些配色方案供您挑选，当然，若有特殊数据需求，您也可以自定义配色方案；
（2）将您选择的设置的颜色顺序翻转；
（3）云平台的配色方案已罗列在左测，主要分为三个部分：“经典”是常用的配色方案，推荐使用；“三色渐变”适合表达相关性系数，绝对值越大颜色越深；“两色渐变”一般适用单向变化的数据；
（4）您可以自定义设置配色方案，除了定义颜色外，还可以调整颜色的分布：一般来说，三个颜色分别对应您数据的最大值、中值和最小值，您也可以调整此值以设置非均匀的配色方案。另：颜色设置方式除了点选，也可以填值，所填值可以是十六进制，也可以是rgb形式。若您填写的最大值小于您数据的最大值，则超过此值的数据均使用设定的最大值所对应的颜色；“小值”以此类推。
如何只以相关性强度来配色（不分正负）？
图例范围不对称，如何调整？
如何进行分组注释（增加彩条）？
分组注释功能可用于绘制如上图的效果，用彩条代表样本（或物种、环境因素等）分类。
参考文献：
【1】D. J. Best & D. E. Roberts (1975). Algorithm AS 89: The Upper Tail Probabilities of Spearman's rho. Applied Statistics, 24, 377–379. doi: 10.2307/2347111.
【2】Myles Hollander & Douglas A. Wolfe (1973), Nonparametric Statistical Methods. New York: John Wiley & Sons. Pages 185–194 (Kendall and Spearman tests).