视频实操SCI作图课(17)：高级相关性网络图

通过相关性分析计算变量之间的相关系数，以⽹络图来展⽰数据的内部结构，并利用点及连线颜色、大小、粗细等元素展示显著相关的特征节点间的相互作⽤关系，以寻找变量之间的关系。变量可为单一数据矩阵，也可为两个数据矩阵，即适用与单一组学分析，如代谢组、蛋白组、转录组、微生物组等，也适用于两两组学间分析，如代谢组+蛋白组、代谢组+转录组等。

相关性网络图可应用于代谢组、蛋白组、基因组数据，可针对单一组学分析，也可针对两两组学分析。相关性网络图中使用的相关性分析可选pearson、spearman、kendall等，如果是宏基因组和代谢组相关性分析，建议选用spearman方法。

■ ■ ■ ■ ■

图1 代谢物相关性网络图

■ ■ ■ ■ ■

图2 基因与代谢物相关性网络图

单一组学以代谢物相关性网络图为例。图中点代表显著性差异代谢物，点的大小与连接度degree相关，点越大连接度越大，即与它连接的点（邻居）个数越多。粉色线条代表正相关，蓝色线条代表负相关。线条的粗细代表相关性系数绝对值的大小，线条越粗，相关性越大。

■ ■ ■ ■ ■

图3 代谢物相关性网络图示例

多组学以代谢物与转录组相关性网络图为例。在图中代谢物用绿色方形标出，基因用红色圆形标出。实线代表正相关，虚线代表负相关。

■ ■ ■ ■ ■

图4 基因与代谢物相关性网络图示例

由于代谢组学数据较转录组、蛋白组少，因此单一组学相关性一半在代谢组学中应用，以衡量代谢物之间关系，并寻找关键代谢物节点。另外多组学相关性网络图可明确各组学之间关系，方便进行数据挖掘，以了解从基因到蛋白再到代谢的调控过程。明确基因、蛋白质、代谢物之间的相关强度对于进一步筛选研究中生物标志物以及它们之间的相关网络至关重要。

■ ■ ■ ■ ■

图5 基因与代谢物相关性网络图应用案例