介绍

在代谢物网络分析领域，研究者采用斯皮尔曼系数来定量评估代谢物之间的相关性。该系数作为一种有效的非参数统计工具，能够揭示代谢物间潜在的关联模式，不受它们分布特性的限制。通过计算所有代谢物配对间的斯皮尔曼系数，研究者能够构建出反映代谢物相互关系的网络。

进一步地，基于特定的分组标准，例如不同的生物学状态或样本类别，研究者能够分别构建各个分组的代谢物网络。通过细致地比较这些网络，可以观察到代谢物相互作用模式在不同分组间的变化，进而识别特定条件下代谢途径的调控差异或代谢物的异常表达行为。

此外，对两个代谢网络进行差异性分析，有助于深入理解不同生物学条件下代谢过程的动态变化，为揭示代谢调控机制提供重要线索。这种分析方法不仅增强了我们对代谢网络结构和功能的理解，也为代谢相关疾病的诊断和治疗提供了新的视角。

加载R包

导入所需要的R包，在导入前需要用户自己安装。

library(tidyverse)
library(SummarizedExperiment)
library(patchwork)

# rm(list = ls())
options(stringsAsFactors = F)
options(future.globals.maxSize = 1000 * 1024^2)

grp_names <- c("None", "Mild", "Moderate", "Severe")
grp_colors <- c("