WGCNA相关性图的绘制

刘融晨

已于 2024-01-05 08:51:54 修改

阅读量638

点赞数 10

CC 4.0 BY-SA版权

文章标签： r语言

于 2024-01-05 08:50:39 首次发布

本文链接：https://blog.csdn.net/m0_73361516/article/details/135400451

本文介绍了如何处理生物数据中的宽数据并将其转换为长数据格式，以分析不同性状之间的相关性。使用pvalue和调整后的p值（BH方法），对相关性进行分级，并通过ggcor库创建相关性连线图展示强相关、弱相关和无相关。两个部分分别针对单个和多个性状进行详细操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

针对只有一个性状

##  整理cor—data (宽数据转化为长数据)
cor_data = moduleTraitCor %>% as.data.frame() %>% 
  rownames_to_column(var = "module") %>% 
  dplyr::select(module,cor = V1) %>%
  left_join(moduleTraitPvalue %>% as.data.frame() %>% 
              rownames_to_column(var = "module") %>% 
              dplyr::select(module,pvalue = V1) ) %>% 
  mutate(datTrait = "sex") %>% 
  dplyr::select(module,datTrait,cor,pvalue)
    
# 添加相关性级别 "Strong Cor" "Weak Cor" “no Cor
cor_data = cor_data %>% mutate(levels = if_else(abs(cor) >= 0.5 & pvalue <= 0.05,
                                                "Strong Cor",
                                                if_else(
                                                  abs(cor) >= 0.3&abs(cor)< 0.5 & pvalue <= 0.05,