导读

用R软件corr.test函数进行两组数组的相关性分析，用Cytoscape绘制相关网络图。

一、输入数据

代谢数据：metabo.txt

示例数据

16S数据：genus.txt

示例数据

二、R分析相关性

计算genus和metabo相关性

利用psych函数包中的corr.test函数计算两组数据之间的相关性
参数说明:
pairwise: 样品配对剔除
use: 相关性计算方法pearson/spearman/kendall
adjust: 矫正方法
ci & alpha: 置信区间
minlength: 缩写长度

# 加载函数包
library(psych)

# 数据导入
genus=read.table("genus.txt", row.names=1, header=T, sep="\t")
metabo=read.table("metabo.txt", row.names=1, header=T, sep="\t")

# 计算相关性: print & data.frame调整结果格式
result_pair=data.frame(print(corr.test(genus, metabo, use="pairwise", method="spearman", adjust="fdr", alpha=.05, ci=TRUE, minlength=10), short=FALSE))

# 查看结果
head(result_pair)

三、整理分析结果

pair=rownames(result_pair)  # 行名
result_pair2=data.frame(result_pair[, c(2, 4)], pair)  # 提取信息

# P值排序
result_pair3=data.frame(result_pair2[order(result_pair2[,"raw.p"], decreasing=F),])

# 统计显著相关的数量
n=0
for(i in 1:nrow(result_pair3))
{
    if(result_pair3[i, 2]<=0.05)
    {
        n=n+1    
    }
}
# n=71

# 提取显著相关结果
result_pair4=result_pair3[result_pair3$raw.p<=0.05, ]

# 保存提取的结果
write.table(result_pair4, file="corr.txt", sep="\t", row.names=F, quote=F)

查看结果：相关性大于在[-1, 1]之间，绝对值越接近1表示相关性越强