生物学重复好不好--看看样本相关性

引言

生物学实验中，常常需要设置重复，例如技术重复、生物学重复，以此确保不是个体的偶然变异对结果产生影响。以转录组数据为例，一般会设置3-5个生物学重复，如何确认生物学重复的效果好坏呢，方法有很多，可以计算两两样本之间的相关性，可以进行样本的PCA分析，或者绘制聚类热图，这里首先介绍样本相关性方法。
我们将在R，使用Rstudio进行计算绘图。

数据

转录组数据分析完成以后，我们会拿到基因表达矩阵，格式如下，行为基因，列为样本（也可以是行为样本，列为基因，在R中转置函数t()可以秒秒种搞定）。

计算相关系数

何谓相关？简单来说若你高我也高，你低我也低，或者你高我低都可以叫做相关。数理统计上通过计算相关系数来衡量，取值[-1, 1]，负数表示负相关，正数表示正相关。在显著性的前提下，绝对值越大，相关性越强。绝对值为0， 无线性关系；绝对值为1表示完全线性相关。有Pearson, Spearman和 Kendall 三类相关系数，它们的特点是：
| 相关系数 | 适用变量类型 |假设条件|
|–|–|–|–|
| Pearson | 连续变量|1.服从正态分布，2.两个变量的标准差不为0 |
| Spearman|连续变量/等级数据| 成对等级相关数据即可|
|Kendall|有序分类变量| 成对等级相关数据即可|
可以看到除了Pearson相关系数对数据有严格要求外，其他两种的适用范围都比较广，当你不确定数据分布时，一般适用Spearman即可。

这里要计算样本之间的相关性，落实到代码中，其实就是分别计算数据列与列之间的相关系数。

## 设置工作路径
setwd('/Users/yut/Desktop/data')

fpkm <- read.table('control_case_fpkm.txt', header = T, row.names = 1)	#header=T,第一行指定为列名，row.names=1指定第一列为行名
View(fpkm) #查看数据
## 计算样本之间的相关性

corr <- cor(fpkm, method = 'spearman')  #cor函数计算两两样本（列与列）之间的相关系数
View(corr)	#查看样本之间的相关系数

cor函数返回样本之间的相关系数矩阵，对角线为样本自身与自身的相关系数1，左下和右上半角是一样的