r语言系统计算上是奇异的_R语言相关性分析（上）

接触组学数据这么久了，大家一定少不了分析各种相关性，譬如大到几个转录组样本的整体相关性分析，小到挑选了一些候选基因看它们在不同样本中的表达模式相关性。今天这篇文章给大家讲讲如何利用R语言进行相关性分析。

1 前言

组学数据分析主要有两类，一类是基于被研究对象的位置和序列。一类是基于算法。前者比如说lncRNA与mRNA的antisense和cis的作用关系，miRNA和piRNA的靶向基因预测等。后者就比如说机器学习、降维、聚类等算法。

其中机器学习是通过程序不断迭代来寻找合适的模型。

降维就是将高维数据通过计算，在尽量保证数据原始分布特征的情况下，将数据映射在低维的刻度。

聚类方法很多，常用的是计算欧式距离后，用K-mean聚类算法进行聚类。

K-mean聚类算法就是先随机挑选k个中心，按照距离远近分别聚在一起，然后在聚类的簇里重新选择平均值作为中心点，重新聚类，再不断迭代设置的次数，最后的结果就是聚类结果。

当然如果画树，还涉及分类树的算法。简而言之，麻烦，不详细说了。

相关性分析，这就是本文要详细说的了。

2 相关性分析

相关性分析是一种统计技术。

相关性分析，就是衡量两个变量之间的依赖性强弱

相关性：可以显示两个变量是否相关以及如何相关。例如，身高和体重是相关的; 较高的人往往有更大的体重。那么这种关系就是正相关。那么再例如汽车排量与每升汽油的里程，是负相关的，汽车排量越大，每升汽油跑的里程就越短。

尽管这种相关性非常明显，但您的数据可能包含未预料到的相关性。您可能还会产生怀疑，怀疑两个变量之间是否存在相关性，或者不知道两者之间的依赖和联系程度。这个时候，就需要一种可以量化的指数分析。相关分析可以帮助我们更好地理解数据。

但是，使用相关性分析的时候，我们需要记住的一个关键事项是：永远不要假设相关性就一定意味着A变量的变化会导致B变量的变化。

多年来个人电脑和运动鞋的销售都急剧增长，并且它们之间存在高度相关性，但你不能认为购买电脑会导致人们购买运动鞋(反之亦然)。但可能还是可能存在相同的调节因素，比如社会生产力的提高和经济状况的改善。

1

正负相关性

当两个变量之间存在非常强烈的相互依赖关系的时候，我们就可以说两个变量之间的存在高度相关性。

若两组的值一起增大，我们称之为正相关，若一组的值增大时，另一组的值减小，我们称之为负相关。

本次我们用R来进行计算和绘图，所用的数据是R自带的mtcars数据。

> mtcars

> head(mtcars)

                   mpg cyl disp  hp drat    wt  qsec vs am gear carb

Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4

Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4

Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1

Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1

Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2

Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1