测序行业的蓬勃发展，带来微生物组学日新月异的变化。目前，单一组学的文章不断“贬值”，前沿研究的目光从单一组学逐步拓展至多组学对贯穿分析，即结合多个组学的分析角度，从多个层面阐述生物学机制。微生物多组学贯穿分析策略十分丰富：如常见的16s与宏基因组贯穿分析，可以验证物种的特征、丰富功能的探究；而16s与代谢组的贯穿分析思路同样常见于高分文章中，通过16s探究不同处理/环境下菌群的物种组成变化，结合代谢组对应的代谢物的变化，进而找到不同处理/环境下引发细菌丰度差异最终导致代谢表型差异的机制。参考阅读《选好思路和方法，给自己一篇多组学高分文章》在16s与代谢组贯穿分析中，相关性热图是一个重要的分析手段，主要用于逐一呈现细菌物种与代谢物间的相关性高低，是筛选潜在关联的物种与代谢物的主要途径，对于下游的实验起到指导意义。此类相关性热图在高分文章中频繁出现，足见其重要性(图1、图2)。

图1 物种代谢物热图(2015，Cell Host& Microbe，IF=15.753 )[1]

图2 物种代谢物热图(2018，NatureMedicine，IF=30.641)[2]那么，该如何画出此类高分文章中的相关性热图呢？这里，以16s与代谢组的数据为例，向大家分享如何使用R语言进行两个组学数据的相关性计算、绘制相关性热图。1.加载R包

#psych包用于计算相关性、p值等信息library(psych)#pheatmap包用于绘制相关性热图library(pheatmap)#reshape2包用于输出数据的整合处理library(reshape2)

2.读入数据

#读取微生物丰度信息表#表头需带有分类水平、物种名称等关键信息#第一列为样本名称信息phy "phy.xls", sep = "\t", header = T,row.names=1)

图3 微生物丰度信息表格

#读取代谢物信息表met "met.xls", sep = "\t", header = T,row.names=1)

图4 代谢物丰度信息表格3.计算相关性、p值

#计算相关性矩阵(可选：”pearson”、”spearman”、”kendall”相关系数)、p值矩阵cor "pearson",adjust="none")#提取相关性、p值cmt pmt head(cmt)head(pmt)

4.数据保存

#输出相关系数表格,第一行为代谢物信息，第一列为物种信息cmt.outwrite.table(cmt.out,file="cor.txt",sep="\t",row.names=F)

图5 相关性系数表格

#输出p值表格，第一行为代谢物信息，第一列为物种信息pmt.outwrite.table(pmt.out,file="pvalue.txt",sep="\t",row.names=F)

图6  p值表格

#以关系对的形式输出表格#第一列为物种名，第二列为代谢物名，第三、第四列对应显示相关系数与p值df "cor")df$pvalue as.vector(pmt)head(df)write.table(df,file="cor-p.txt",sep="\t")

图7  关系对信息5.绘制显著性标记

0.01的以“**”标注，p值

6.绘制相关性热图

#自定义颜色范围

图8 R语言绘制的物种+代谢物相关性热图

#图片保存，代码中输入”filename=”,或在R语言软件中点击“文件-另存为” 进行保存pheatmap(cmt,scale = "none",cluster_row = T, cluster_col = T, border=NA,      display_numbers = pmt, fontsize_number = 12, number_color ="white",      cellwidth = 20, cellheight =20,color=mycol，filename="heatmap.pdf")

参考文献[1]Kostic AD, Gevers D, Siljander H, et al. The dynamics ofthe human infant gut microbiome in development and in progression toward type 1diabetes. Cell Host Microbe. 2015;17(2):260–273.doi:10.1016/j.chom.2015.01.001[2]Hoyles, Lesleyet al. “Molecular phenomics and metagenomics of hepatic steatosis innon-diabetic obese women.” Nature medicine vol. 24,7 (2018):1070-1080. doi:10.1038/s41591-018-0061-3

实用科研工具推荐      
详实生信软件教程分享
前沿创新组学文章解读
独家生信视频教程发布