Spearman相關(guān)性分析 使用TPM值

#  R語(yǔ)言里自帶的相關(guān)性分析的函數(shù)是cor()，默認(rèn)的皮爾遜相關(guān)性分析,
sp.data<- cor(TPM, method = "spearman")
# 圖展示
library(corrplot)
corrplot(sp.data,
         order = "AOE", # 指定相關(guān)系數(shù)排序的方法，可以是特征向量角序(AOE)、第一主成分順序(FPC)、層次聚類順序(hclust)
         type = "full", # 展示類型。默認(rèn)為全顯full，還有upper和lower
         addCoef.col = "grey")# 添加相關(guān)系數(shù)值

# hclust聚類展示 , 有框框
corrplot(sp.data, order = "hclust", addrect = 2, rect.col = "black",hclust.method = "ward.D2")

## 表格展示
library(PerformanceAnalytics)
chart.Correlation(sp.data,histogram = T,pch=19)

PCA 使用TPM值

data <- t(TPM)
data.pca <- prcomp(data, scale. = T)  #對(duì)數(shù)據(jù)標(biāo)準(zhǔn)化后做PCA，這是后續(xù)作圖的文件 
summary(data.pca)  # 查看結(jié)果文件
## 畫圖
library(factoextra)
# 設(shè)置分組：
group=c(rep("Zebu",5),rep("Holstein",5))     ## 樣本
fviz_pca_ind(dat.pca, col.ind=group, 
             mean.point=F,  # 去除分組的中心點(diǎn)
             label = "none", # 隱藏樣本標(biāo)簽
             addEllipses = T, # 添加邊界線
             legend.title="Groups",
               ellipse.type="confidence", # 繪制置信橢圓 
              ellipse.level=0.9,
             palette = c("#CC3333", "#339999"))+  #Cell配色哦 
  theme(panel.border = element_rect(fill=NA,color="black", size=1, linetype="solid"))#加個(gè)邊框