导读：

相关系数衡量两个变量之间的线性关系，通常以N*N的矩阵形式展示。例如样品vs样品，或者基因vs基因的相关性。本文介绍了使用corrplot R包绘制M*N的相关系数矩阵，例如M个基因表达与N个代谢物信号间的相关性，同时带上p值显著性标注。

Diabetes, Metabolic Syndrome and Obesity文章《Dysbiosis of the Salivary Microbiome is Associated with Hypertension and Correlated with Metabolic Syndrome Biomarkers》fig 9 展示了不同微生物与生化、表型特征间的相关系数。图中X轴为不同的微生物，Y轴为不同的血浆生化指标或人口统计特征。图中的点表示spearman相关系数，红色点表示负相关，绿色点表示正相关。红色点越大，表示负相关越大；绿色点越大，表示正相关越大。点上的星号（*）表示p值。***: p<=0.001, **: p<=0.01，*：p<=0.05。从图中可以看出，收缩压（Systolic BP）、舒张压（Diastolic BP）、葡萄糖（Glucose）等指标与众多微生物正相关，且显著。而乳制品摄入（Dairy_intake）、胰岛素（insulin）、吸烟（Smoking）等与微生物相关性不显著。

相关系数简介

相关系数（correlation coefficient）是一个介于-1和1之间的数，用于衡量两个变量之间的线性关系。如果两个变量之间的变化趋势是一致的，即一个变量增加时另一个也增加，那么它们之间的相关系数为正；如果一个变量增加而另一个减少，则相关系数为负。接近1的相关系数表示强正相关。接近-1的相关系数表示强负相关。接近0的相关系数表示两个变量之间没有或几乎没有线性关系。

常见的相关系数包括：

• 皮尔逊相关系数（Pearson correlation coefficient）：适用于测量两个连续变量之间的线性相关性
• 斯皮尔曼等级相关系数（Spearman’s rank correlation coefficient）：适用于测量两个变量的等级（或排序）之间的相关性，不要求数据是线性的

Spearman相关系数更适用于非线性关系和不满足正态分布的数据，适用于评估变量之间的顺序关系；而Pearson相关系数适用于线性相关性和正态分布的数据，用于评估两个连续变量之间的线性关系程度。

注意：相关系数只能告诉我们变量之间是否存在线性关系，以及这种关系的强度和方向，但它不能告诉我们这种关系的原因或机制。此外，相关系数对异常值比较敏感。

1，打开作图URL

微生信-在线绘制带p值显著性标注的相关系数图，支持行列不同

2，示例数据

点击图片上方的示例数据，下载，并使用excel打开。

示例数据包括2个矩阵：

矩阵1：mRNA表达矩阵。行是样品，列是基因。交叉的cell为标准化表达值。

矩阵2：代谢物信号强度矩阵。行是样品（与表达矩阵完全一样，包括顺序），列是代谢物。交叉的cell为标准化信号强度。

注意：这里计算的是矩阵1的列元素和矩阵2的列元素间的相关性。它们的列数可以相同（N*N矩阵），也可以不同（N*M矩阵）。当然，两个矩阵也可以完全一样（即最常见的相关系数矩阵）。

3，输入检查

示例数据：点击输入框下面的“示例”按钮，将载入示例数据。

真实数据：数据放在excel中，调整好后，Ctrl+A选中数据，Ctrl+C拷贝，Ctrl+V粘贴数据到输入框中。

然后使用输入框下面的“输入检查”按钮先对输入数据进行检查。若检查不通过，请根据检查提示重复【修改-输入检查】步骤，直到检查通过（如下图所示），然后可以继续选择参数。

注：输入检查是新加功能，它会根据不同模块的输入要求，逐行逐列检查输入数据，并给出提示，确保数据符合模块要求。

4，选择参数

图片大小：包括图片宽度，图片高度。图片不易过小，太小的话，文字有可能被截断，此时可以使用acrobat illustrator或者inkscape软件编辑pdf/svg文件调整

相关系数计算方法：Pearson或者Spearman

图形：绘图时每个小矩形里边的图形形状。包括圆形，正方形，椭圆形，阴影（负的值加阴影），颜色（完全填充的颜色矩形），饼图（见文档最后）。

布局：矩阵形式，上三角或者下三角（见文档最后）

颜色：低、中、高三种颜色。若低=中，或者中=高时，仅两种颜色

Colorbar数值范围：留空则默认。填写的话则根据所填数值限定colorbar的范围，但是所填数值必须完全覆盖原始范围，否则还是默认。例如若实际范围是-0.4到0.5，那么可以填写-0.5,0.5，但是填写-0.4,0.4则还是会自动转成-0.4到0.5。

Colorbar的字体大小

行列名字：字体大小，颜色

显著性标注：默认是0.001,0.01,0.05,对应***：p<=0.001，**：p<=0.01，*：p<=0.05

显著性标注字符：默认是*，也可以使用其他符号，例如+

显著性标注字体大小，颜色

是否根据相关性排序：默认按照输入的顺序绘图，若要根据相关性进行聚类（根据相关性进行层次聚类），则可以选择排序，并可以选择添加黑色矩形边框，以达到突出显示的效果。必需是1-4。1就是整个矩阵添加一个边框。注意：排序选项仅支持N*N的矩阵（见文档最后）

是否显示对角线：针对N*N矩阵，可以选择不显示对角线都是1的相关系数。

字体：设置了期刊杂志中最常用的两种：Times New Roman和Arial。如需使用其他字体，可以使用acrobat illustrator编辑生成的pdf或者svg图片

5，提交出图

检查通过，并且参数选好后，点击“提交”按钮，约2s后，会在页面上显示带p值显著性标注的相关系数矩阵图。我们提供了pdf、svg两种矢量图，png、tiff两种标量图供大家下载使用。可以使用acrobat illustrator等软件编辑矢量图，进行组图，调整字体等操作，以满足论文要求。

同时提供了计算结果，相关系数矩阵，p值矩阵。

也可以绘制其他样式的图。例如：

微生信助力高分文章，用户200000+，谷歌学术3900