关注|多组学研究者看过来！！！

╱ preface ╱

       多组学（Multi-Omics）即为利用多个组学数据整合，从基因组、转录组、蛋白质组、表观基因组、代谢组和微生物组等不同分子层面大规模获取组学数据，进行整合分析。多组学整合数据分析使得生物学发生了革命性的变化，促进对生物过程和分子机制的深刻理解，为基础生物学以及临床研究提供新思路。

       了解多组学分析内容及应用，是挖掘多组学数据间联系的必经之路。多组学分析结果表现形式多种多样，本期小易重点介绍几种文章中常见的相关性分析，赶紧来围观，总有一种展示方式能成为您的心头爱！

01  相关性热图

       相关性热图是一种能直观展现多组学间相关性趋势变化的首选，展示对象多变，任君选择——微生态研究中的差异代谢物与差异微生物种类分布，转录组研究中基因表达与代谢产物的相关性，或者表型参数与对应测序数据的联系等等，相关示例图如下：

说明：中间的热图展示的是差异微生物与差异代谢物的spearman相关性。横坐标表示代谢物，纵坐标表示微生物，其中p-value<0.05为差异显著，用“*”表示，p-value<0.01为差异极显著，用“**”表示。右边热图展示的是不同分类水平上微生物的丰度，下边的热图展示的是代谢物的丰度。微生物和代谢物的丰度数据均使用Z-score标准化

说明：行表示微生物，列表示代谢物。左侧进化树表示微生物层次聚类结果，上方的进化树表示代谢物的层次聚类结果。红色表示正相关，蓝色表示负相关。相关系数的显著性检验的p-value<0.05为差异显著，用“*”表示，p-value<0.01为差异极显著，用“**”表示

说明：行为代谢物，列为微生物。红色椭圆表示负相关，蓝色椭圆表示正相关。相关性绝对值越大，椭圆越细。空白格子表示显著性P值大于0.05

02   相关性散点图

       相关性散点图是相关性分析中常用的一种直观分析方法，计算两组数据的相关性，用散点图和拟合曲线可以完美展示数据内在的分布。如果两者之间完全相关，数据点全落在拟合直线上；如果部分相关，数据点则落在直线的两侧；如果不相关，则两个变量的数据点分布分散，无任何规律。

说明：横纵坐标为两计算变量，点代表样本，不同分组可以用不同颜色代表，左上角的r为相关系数，P值为该相关性的显著性水平

03   相关性和弦图

       和弦图是另外一种展示数据间相互关系的可视化方法，节点数据沿圆周径向排列，节点之间使用带权重（有宽度）的弧线连接，弧线越宽，相关性越高，同时不同的颜色可以表示正负相关性。

说明：弦连接（link）的宽度表示所连接的两个对象的相关性大小，link越宽，相关性绝对值越大。粉红色表示正相关性，蓝色表示负相关性

04   相关性网络图

       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，既适用于单一组学分析，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。

说明：目标微生物与差异代谢产物之间的相关性网络，不同的颜色代表不同的聚类模块