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

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！