|
一、基于统计学的关联分析 1. 关联热图 通过计算代谢物与菌群（或者功能蛋白）之间Pearson相关系数或spearman等级相关系数及其显著性差异，来分析代谢物与菌群（或者功能蛋白）之间的相关性。 2. 关联散点图 通过计算代谢物和菌群（或功能蛋白）之间的Pearson或Spearman相关系数，获得具有较强关联的代谢物和菌群（或功能蛋白），同时展示各个样本在代谢物与菌群（或功能蛋白）影响下的相对分布。 3. 受试者工作特征曲线 （receiver operating characteristic curve，ROC曲线） 在两种不同的判定标准下对同一信号刺激的反应结果，曲线上各点反映着相同的感受性，以假阳性概率（False positive rate）为横轴，真阳性（True positive rate）为纵轴所组成。ROC曲线表达了潜在标记代谢物和菌群物种对不同组别的识别分类能力。 4. 冗余分析（Redundancy analysis, RDA） 一种回归分析结合主成分分析的排序方法，也是多相应变量回归分析的拓展。基本上来讲，RDA展示了相应标量与解释变量之间多元多重线性回归的关系。 二、基于代谢通路的关联分析 1. 基于KEGG（https://www.）数据库中已经绘制好的代谢通路，将感兴趣的代谢物，或基因、蛋白，在代谢通路上通过不同颜色显著标示，从而清楚知晓感兴趣的代谢物或基因、蛋白之间在代谢基础上的相互关系。 2. 对感兴趣代谢物和基因（蛋白）进行Pearson或Spearman相关性分析，及其显著性检验，通过不同节点（代谢物，基因或蛋白）之间的连线颜色来表示关联的正负相关，并根据代谢通路的共同性，对不同节点（代谢物，基因或蛋白）进行聚类。 |
|
|
