相关系数(一):皮尔森相关 返回
我们时常看到文章中有基因共表达网络图片,其实大部分基因网络分析的方法,都与基因间表达量相关系数的计算相关。例如,通过计算不同基因表达量的相关系数,来构建基因共表达网络。所以理解相关系数,对分析生物学数据非常重要。
相关表和相关图可反映两个变量之间的相互关系及其相关方向,但无法确切地表明两个变量之间相关的程度。于是统计学家设计了统计指标——相关系数。
相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算,同样以两变量与各自平均值的离差为基础,通过两个离差相乘来反映两变量之间相关程度。
这里,我们就来谈谈基因共表达分析中最常用的两种相关系数:皮尔森相关系数(Pearson correlation coefficient)与斯皮尔曼等级相关(Spearman’s correlation coefficient for ranked data)系数。
皮尔森相关系数
在所有相关系数的计算方法里面,最常见的就是皮尔森相关。皮尔森相关系数也称皮尔森积差相关系数,是一种线性相关系数。皮尔森相关系数是用来反映两个变量线性相关程度的统计量。相关系数用r表示,其中n为样本量,Xi Yi与
分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的绝对值越大表明相关性越强。SX SY分别为样本标准差。
假设样本可以记为(Xi ,Yi),则样本Pearson相关系数为:
公式是抽象的,我们利用几组值就可以更好理解相关系数的意义。从皮尔森相关系数定义来看,如果两个基因的表达量呈线性关系(数学上,线性相关指的是直线相关,指数、幂函数、正弦函数等曲线相关不属于线性相关),那么两个基因表达量的就有显著的皮尔森相关系性。下面用几组模拟数值来测试一下:
1、测试1
两个基因A、B,他们的表达量关系是B=2A,在8个样本中的表达量值如下:
表1 基因A、B在8个样本中的表达量值
图1 基因A、B在8个样本中的表达量示意图
计算得出,他们的皮尔森相关系数r=1,P-vlaue≈0。
2、测试2
两个基因A、C,他们的关系是C=15-2A,在8个样本中的表达量值如下:
表2 基因A、C在8个样本中的表达量值
图2基因A、C在8个样本中的表达量示意图
计算得出,他们的皮尔森相关系数r=-1,P-vlaue≈0。
从以上可以直观看出,如果两个基因的表达量呈线性关系,则具有显著的皮尔森相关性。如果两个基因“共舞”(如图1),则两者正相关;相反如图2,则两者负相关。
以上是两个基因呈线性关系的结果。如果两者呈非线性关系,例如幂函数关系(曲线关系),下面也用模拟数值来测试一下。
3、测试3
两个基因A、D,他们的关系是D=A10,在8个样本中的表达量值如下:
表3 基因A、C在8个样本中的表达量值
图3基因A、C在8个样本中的表达量示意图
计算得出,他们的皮尔森相关系数等于 0.77,P value= 0.0267。
可以看到,基因A、D相关系数,无论数值还是显著性都下降了。皮尔森相关系数是一种线性相关系数,因此如果两个变量呈线性关系的时候,具有最大的显著性。对于非线性关系(例如A、D的幂函数关系),则其对相关性的检测功效会下降。但在生物体内的许多调控关系,例如转录因子与靶基因、小干扰RNA与靶基因,可能都是非线性关系,这时可以考虑另外一个相关系数计算方法:斯皮尔曼等级相关。
关联阅读:相关系数(二):斯皮尔曼等级相关
更多基迪奥精彩原创文章,可继续关注我们网站动态发布,同时关注基迪奥微信~扫一扫添加基迪奥好友~随时随地关注行业动态!