组学关联散点图

开发者:haoyuqi  |  更新于2 日,10 小时前  |  浏览量 335

本工具为组学关联散点图(Scatter plot),可以通过两组学在二维(即水平X轴和垂直Y轴)平面分布直观表现出两者总体关系趋势。
通过线性回归来衡量两组数据的相关性(可选Pearson,Spearman和 Kendall)。P值小于0.05的情况下,R2值越大,相关性越高。
另外,也可以计算置信区间,用浅灰色阴影绘制在散点图中。

参数信息
  1. 含有3列信息,第一列对应名称(基因/蛋白/代谢物等),若包含重复,请去重。第二列表示第一个组学的表达量,第三列表示第二个组学的表达量。
    可以选pearson,spearman和 kendall中的一个
    是否进行线性回归并添加置信区间,TRUE为添加,FALSE为不添加,如不添加此参数则默认不添加。
  2. 输出文件名称
相关数据
  • 使用说明
  • 结果说明
  • 重要提示
  • 版本说明
    1. 1. 输入文件

        第一列:对应名称(基因/蛋白/代谢物/微生物等),若包含重复,请去重。

        第二列:表示第一个组学的表达量。

        第三列:表示第二个组学的表达量。


    scatter_data.png


        demo数据下载:data.xls


    1. 1. 结果说明

        图中的每个点表示分别在X轴和Y轴的数值分布,通过线性回归可以来衡量两组学数据的线性关系。还可以计算两组数据的(Pearson,Spearman和 Kendall)相关性,结果保存在Scatter_plot.txt中。另外,线两边的浅灰色阴影代表置信区间。


        demo结果下载Scatter_plot.xls


    scatter_t.png


        图中的每个点表示分别在X轴和Y轴的数值分布。可以计算两组数据的(Pearson,Spearman和 Kendall)相关性,结果保存在Scatter_plot.txt中。


    scatter_f.png


        通过计算两组学数据的(Pearson,Spearman和 Kendall)相关性可以得到相关性系数R2和P值,P值小于0.05的情况下,R2值越大,相关性越高。



    1. (1) 支持文本格式数据;

    2. (2) 外来数据格式不兼容时,请使用本工具前,按照输入示例文件格式对数据进行修改;


  • 版本
    更新日期更新内容
    v1.1
    2020.10.25
    更新说明文档