r语言相关性分析_R语言数据分析系列相关性

相关性分析

相关性是指两个变量的关联程度，两个随机变量之间的关系可以用相关系数来描述。相关系数的大小表示两者关系的强弱程度(若系数等于0则完全不相关，系数绝对值等于1表明完全相关),相关系数的正负值表示两者关系呈正相关或负相关。 衡量随机变量相关性的方法主要有三种：pearson相关系数，spearman相关系数和kendall相关系数。在本案例中，主要涉及的是pearson相关系数。笔者接下来将讲解如何通过R语言软件来实现变量间的相关性的统计计算，并绘制几种时下较为常用的相关性图形供大家学习参考，希望各位老师同行可以多多指点。

跟往常一样，我们在进行相关性分析之前，首先先准备好我们所需的数据。本次我们下载了GEO数据库的数据，该数据库也是一个常用的公共数据库。在R语言中，我们读取并查看数据前6行，我们可以看到，该数据以行对应每个样本，以列对应每个基因的表达， 如下：

在R语言本身是就带有计算相关性的函数cor.test，因此我们可以直接用该函数计算任意两个基因之间的相关性，结果如下：

我们从以上结果得知，PTEN和Gli基因的相关性系数达到0.356，呈正相关，并且p值小于0.05，表明显著相关。以此类推，我们也可以计算其他基因之间的相关性。

图形能够更加直观地表达两者之间的关系，因此我们可以选择相关性散点图，鉴于ggplot2在绘图方面的表现能力独一档，本次就使用该包来绘制相关性散点图。代码如下：

上图中，我们可以看到两种基因的表达情况之间的相关性，随着PTEN的表达升高，Gli的表达也同样呈上升趋势，因此两者具有正相关性。但我们也发现，图中缺乏相关性系数和p值，因此我们通过以下代码可以实现对两种参数的添加。代码如下：

以上只是提到如何进行其中两种基因的相关性分析，但如果我们想探索PTEN与其他基因之间的相关性分析，就要改代码进行进一步的计算，我们想到，R语言中可以进行循环计算。在此，我们编写for循环函数，对每个基因与PTEN的表达相关性进行分析并绘制相关性散点图，代码如下：

我们对每个基因都与PTEN进行了相关性分析，并将相关性散点图输出到工作目录中。

其实，以上也不是最简单的方法，数据科学家早就想到了大家的需求。以下将介绍在R语言中两种更加简单的方法：

1. PerformanceAnalytics包

    通过以上，简单的代码，我们即可得到如下结果，其中数字表示相关性系数，星号代表统计学显著性，星号越多，p值越小。

2．Corrplot包

Corrplot是另一种进行批量分析的方法，我们可以得到相关性热图，其中颜色的深浅代表相关性系数的大小，结果如下：

当然，我们也可以对其中的参数进行进一步修改，使图形更具可读性，如下：

这样的图形可能会更加美观一点。或者，我们还可以试着其他调整：

总之，在R语言中，我们可以利用多种方法对数据中的变量进行相关性分析。如果我们对其中某两个变量的相关性感兴趣，就可以利用先前讲到的ggplot2，如果我们想探索所有基因的相关性，那我们就可以利用corrplot或者PerformanceAnalytics了。

————————————————————————————————————————————

好了，今天的内容就跟大家分享到这里吧，如果大家感兴趣的话，可以加笔者的企鹅获取完整代码或做进一步的交流，谢谢！

或者关注我们的微信订阅号，关注即可获得我们完整的代码，我们后续还会不定时发布最新的内容供大家学习参考，谢谢支持！！！