ccrepe的相关性分析与直线相关回归分析对比

先贴上R的源码
library(ccrepe)

data <- matrix(rlnorm(40,meanlog=0,sdlog=1),nrow=10)
data.rowsum <- apply(data,1,sum)
data.norm <- data/data.rowsum
testdata <- data.norm
dimnames(testdata) <- list(paste(“Sample”,seq(1,10)),paste(“X”,seq(1,4)))
nc.score.results <- nc.score( x=testdata )
nc.score.results.bins <- nc.score( x=testdata)
nc.score.results.bin.cutoffs <- nc.score( x=testdata)
nc.score.results
nc.score.results.bins
nc.score.results.bin.cutoffs

df <- data.frame(data)
cor(df)

然后以下是结果

nc.score.results.bin.cutoffs #这个是ccrepe的输出结果
X 1 X 2 X 3 X 4
X 1 1.00000 -0.21875 -0.59375 0.34375
X 2 -0.21875 1.00000 0.43750 -0.65625
X 3 -0.59375 0.43750 1.00000 -0.59375
X 4 0.34375 -0.65625 -0.59375 1.00000
cor(df) #这个是直线回归输出结果
X1 X2 X3 X4
X1 1.0000000 0.3353504 0.1656832 0.4775072
X2 0.3353504 1.0000000 0.5356147 -0.1980195
X3 0.1656832 0.5356147 1.0000000 -0.2675427
X4 0.4775072 -0.1980195 -0.2675427 1.0000000

通过结果看差别还是很大的比如X1与X2

如果不会安装ccrepe的我下面贴出安装脚本
if (!requireNamespace(“BiocManager”, quietly = TRUE))
install.packages(“BiocManager”)
BiocManager::install(version=‘devel’)
BiocManager::install(“ccrepe”)