如何合理的展示相关性分析结果？？

DoubleHelix

发布于 2021-11-01 16:02:33

1.7K00

代码可运行

文章被收录于专栏：生物信息云生物信息云

运行总次数：0

代码可运行

TCGA | GEO | 文献阅读 | 数据库 | 理论知识

R语言 | Bioconductor | 服务器与Linux

如果是做肿瘤研究的，TCGA的数据分析，有很多在线工具是可以直接出图的，比如TIMER和GEPIA。上图的绘制，可以使用ggscatterstats函数，搜狗|微信搜索一下，有很多现成的代码，就不多介绍了。

有时候，分析2个基因之间的相关性，但是我们的分组特别多，比如不同癌症类型中，某2个基因之间的相关性。你可以绘制上面那种散点图，但有一个问题，癌症类型多了，图片也就多了。像TCGA数据库中就有33种癌症细胞，绘制33个？？这种展现形式是不友好的，有的是以table，一般的table展现是不如图形直观的。取每种癌症相关性分析的p值取负对数和r值绘制在一个散点图中，是可以的。像下图。这是来自Cancer Cell的文章中的。

你可以直接美化为不同的样式。比如类似下面这种，我就觉得比上面的好看，可以只标记自己研究的癌症。没必要把所有相关性高的都打上标签。

还有就是多基因与多基因之间相关性的展示，这种一般通过热图展示。一个基因与多个基因之间的相关性也可以通过热图展示。

再比如下面这个图，就是分析了一个基因与免疫相关的基因的相关性热图。来自一篇11分的生信文章。

下面是我自己的展现形式：

上面这个图的代码，可参考火山图绘制：R绘图笔记 | 火山图的绘制

下面是热图的核心代码，没有数据处理部分，热图绘制可参考：

R绘图笔记 | 热图绘制，基因表达谱热图绘制

> head(imm_pearson)[,1:7]
              ACC          BLCA         BRCA        CESC        CHOL       COAD       DLBC
XCL2  -0.11289478 -0.0074156190 -0.091435192  0.05554143 -0.20569379 0.06994135 0.07217948
XCL1  -0.03185412  0.0009956689 -0.065105843 -0.02074591 -0.22037181 0.04113111 0.05250785
CXCL9  0.08235721 -0.0219799189 -0.047291140  0.08587092  0.09323496 0.27370484 0.23913222
CXCL8  0.01503183  0.0848421082  0.003487368  0.09328172  0.07930675 0.20557264 0.21788931
CXCL6  0.16841511  0.0845977731 -0.070598332  0.09556112 -0.04812168 0.20902860 0.17207613
CXCL5  0.14677202 -0.0118261660 -0.186559842  0.06131988  0.10913933 0.19119847 0.18207390

group <- c(
  "Chemokine",
  "immunomodulator",
  "MHC",
  "Receptor"
)
split = c(rep(1,41),rep(2,42),rep(3,21),rep(4,18))#对应group分组的个数
ha <- rowAnnotation(
  empty = anno_empty(border = FALSE),
  foo = anno_block(
    gp = gpar(fill = 2:5),
    labels = group
  )
)
Heatmap(
  matrix = as.matrix(imm_pearson),
  name = "pearson",
  col= colorRampPalette(color.key)(50),
  #column_split = split,
  row_split = split,
  left_annotation = ha,
  cluster_rows = F,
  column_title = NULL,
  row_title = NULL
)