原文链接:带P值的相关性热图绘制教程
本期教程
往期教程部分内容
**注意:若是在MarkDown格式中无法运行成功,请新建有一个R script
文件 **
一、加载R包
if (!require(corrplot)) install.packages("corrplot")
if (!require(Hmisc)) install.packages("ggplot2")library(ggplot2)
library(corrplot)
二、加载示例数据
# 示例数据
data <- mtcars
三、计算相关性
1. 计算代码
cor_matrix <- cor(data, use= 'pairwise.complete.obs',method='spearman')
- 参数的选择
use
参数来处理包含缺失值的数据
"everything", "all.obs", "complete.obs", "na.or.complete", or "pairwise.complete.obs"
everything
:默认选项,不处理缺失值。如果数据中有缺失值,将返回 NA。all.obs
:只有当所有观察值都存在时才会计算相关性。如果数据中有缺失值,将返回错误。complete.obs
:只使用完整的观测对来计算相关性。如果有缺失值,将忽略包含缺失值的观测对。na.or.complete
:在有缺失值的情况下会先使用完整的观测对,如果全部是缺失值,则返回 NA。pairwise.complete.obs
:每对变量单独处理缺失值,计算每一对变量的相关性时,只使用这两个变量都有数据的观测值。
method
参数:计算相关性的方法。
pearson(default),kendall,spearman
cor_matrix
mpg cyl disp hp drat wt qsec vs
mpg 1.0000000 -0.9108013 -0.9088824 -0.8946646 0.65145546 -0.8864220 0.46693575 0.7065968
cyl -0.9108013 1.0000000 0.9276516 0.9017909 -0.67888119 0.8577282 -0.57235095 -0.8137890
disp -0.9088824 0.9276516 1.0000000 0.8510426 -0.68359210 0.8977064 -0.45978176 -0.7236643
hp -0.8946646 0.9017909 0.8510426 1.0000000 -0.52012499 0.7746767 -0.66660602 -0.7515934
drat 0.6514555 -0.6788812 -0.6835921 -0.5201250 1.00000000 -0.7503904 0.09186863 0.4474575
wt -0.8864220 0.8577282 0.8977064 0.7746767 -0.75039041 1.0000000 -0.22540120 -0.5870162
qsec 0.4669358 -0.5723509 -0.4597818 -0.6666060 0.09186863 -0.2254012 1.00000000 0.7915715
vs 0.7065968 -0.8137890 -0.7236643 -0.7515934 0.44745745 -0.5870162 0.79157148 1.0000000
am 0.5620057 -0.5220712 -0.6240677 -0.3623276 0.68657079 -0.7377126 -0.20333211 0.1683451
gear 0.5427816 -0.5643105 -0.5944703 -0.3314016 0.74481617 -0.6761284 -0.14819967 0.2826617
carb -0.6574976 0.5800680 0.5397781 0.7333794 -0.12522294 0.4998120 -0.65871814 -0.6336948am gear carb
mpg 0.56200569 0.5427816 -0.65749764
cyl -0.52207118 -0.5643105 0.58006798
disp -0.62406767 -0.5944703 0.53977806
hp -0.36232756 -0.3314016 0.73337937
drat 0.68657079 0.7448162 -0.12522294
wt -0.73771259 -0.6761284 0.49981205
qsec -0.20333211 -0.1481997 -0.65871814
vs 0.16834512 0.2826617 -0.63369482
am 1.00000000 0.8076880 -0.06436525
gear 0.80768800 1.0000000 0.11488698
carb -0.06436525 0.1148870 1.00000000
2. 计算P值
使用cor.mtest()
函数计算
# 计算P值矩阵
p_values <- cor.ptest(data, conf.level = 0.95, method = "spearman")
#
p_values
mpg cyl disp hp drat wt qsec
mpg 0.000000e+00 4.690287e-13 6.370336e-13 5.085969e-12 5.381347e-05 1.487595e-11 7.055765e-03
cyl 4.690287e-13 0.000000e+00 2.275443e-14 1.867686e-12 1.943342e-05 3.574157e-10 6.195832e-04
disp 6.370336e-13 2.275443e-14 0.000000e+00 6.791338e-10 1.613884e-05 3.346362e-12 8.108019e-03
hp 5.085969e-12 1.867686e-12 6.791338e-10 0.000000e+00 2.277988e-03 1.953795e-07 3.105344e-05
drat 5.381347e-05 1.943342e-05 1.613884e-05 2.277988e-03 0.000000e+00 7.593194e-07 6.170251e-01
wt 1.487595e-11 3.574157e-10 3.346362e-12 1.953795e-07 7.593194e-07 0.000000e+00 2.148388e-01
qsec 7.055765e-03 6.195832e-04 8.108019e-03 3.105344e-05 6.170251e-01 2.148388e-01 0.000000e+00
vs 6.191450e-06 1.484058e-08 2.863870e-06 7.125286e-07 1.023343e-02 4.129434e-04 6.860828e-08
am 8.156989e-04 2.178046e-03 1.352011e-04 4.155768e-02 1.432515e-05 1.453656e-06 2.643506e-01
gear 1.328681e-03 7.678209e-04 3.334775e-04 6.390322e-02 1.014930e-06 2.162837e-05 4.182425e-01
carb 4.337570e-05 5.016643e-04 1.430209e-03 1.799847e-06 4.946824e-01 3.583063e-03 4.150300e-05vs am gear carb
mpg 6.191450e-06 8.156989e-04 1.328681e-03 4.337570e-05
cyl 1.484058e-08 2.178046e-03 7.678209e-04 5.016643e-04
disp 2.863870e-06 1.352011e-04 3.334775e-04 1.430209e-03
hp 7.125286e-07 4.155768e-02 6.390322e-02 1.799847e-06
drat 1.023343e-02 1.432515e-05 1.014930e-06 4.946824e-01
wt 4.129434e-04 1.453656e-06 2.162837e-05 3.583063e-03
qsec 6.860828e-08 2.643506e-01 4.182425e-01 4.150300e-05
vs 0.000000e+00 3.570439e-01 1.169934e-01 9.878823e-05
am 3.570439e-01 0.000000e+00 2.304063e-08 7.263524e-01
gear 1.169934e-01 2.304063e-08 0.000000e+00 5.312358e-01
carb 9.878823e-05 7.263524e-01 5.312358e-01 0.000000e+00
绘制相关性热图
原文链接:带P值的相关性热图绘制教程
若我们的教程对你有所帮助,请
点赞+收藏+转发
,这是对我们最大的支持。
往期部分文章
1. 最全WGCNA教程(替换数据即可出全部结果与图形)
-
WGCNA分析 | 全流程分析代码 | 代码一
-
WGCNA分析 | 全流程分析代码 | 代码二
-
WGCNA分析 | 全流程代码分享 | 代码三
-
WGCNA分析 | 全流程分析代码 | 代码四
-
WGCNA分析 | 全流程分析代码 | 代码五(最新版本)
2. 精美图形绘制教程
- 精美图形绘制教程
3. 转录组分析教程
-
转录组上游分析教程[零基础]
-
一个转录组上游分析流程 | Hisat2-Stringtie
4. 转录组下游分析
-
批量做差异分析及图形绘制 | 基于DESeq2差异分析
-
GO和KEGG富集分析
-
单基因GSEA富集分析
-
全基因集GSEA富集分析
小杜的生信筆記 ,主要发表或收录生物信息学教程,以及基于R分析和可视化(包括数据分析,图形绘制等);分享感兴趣的文献和学习资料!!