①热图部分探讨的是两两变量间的相关性。横/纵坐标为17个变量（本图中的变量即为理化性质），例如第2行表示了温度（Temperature）与这17个变量的相关性大小，其中发现温度和溶解氧（Oxygen）的负相关性很强（方块大、颜色深蓝）
②颜色越蓝，代表负相关性越强；颜色越红，代表正相关性越强。Spearman（斯皮尔曼）相关系数是一种用于衡量两个变量之间非线性关系的统计指标
③方块的大小和颜色代表相关性大小
④左边的连线部分探讨的是3个矩阵与这17个变量的关联。这3个矩阵分别是分类群落（16S OTUS 和mOTUs是两种不同的操作分类单元，前者是以16S HRA基因标签来分类的，后者是以宏基因组）和功能群落。变量与矩阵之间连线，表明变量与相应矩阵之间存在关联
⑤图例说明
- 线的颜色与p值有关，绿色代表p<0.001，即矩阵间几乎不存在关联性
- 经过距离相关性的Mantel’sr统计，线越粗说明相关性越强
案例解读
温度和溶解氧在表层分类组成和功能组成中相关性最强，而盐度相关性不显著。在去除一些温度极低的极端区域后，养分（与微生物数据）之间只有微弱的相关性，且除了硅酸盐之外，（其余指标）相关性在统计上没有显著性。
03
Spearman和Pearson的异同？Mantel test是什么？
解答一
Spearman和Pearson相关系数都是用来衡量两个变量之间相关性的统计工具，但它们在计算方法和适用场景上有所不同。
Pearson相关系数：①用于衡量两个连续变量之间的线性相关性；②计算基于变量之间的差异程度和协方差：③假设数据是正态分布的。
Spearman相关系数：①用于衡量两个变量之间的单调相关性，不一定是线性的；②计算基于变量值的等级（排名）：③不受数据分布形态的限制。
简而言之，Pearson适用于测量线性关系且数据正态分布，而Spearman适用于测量任何类型的单调关系，对数据分布没有要求。
解答二
Mantel test（Mantel检验）是一种在生态学、地理学、环境科学等领域中常用的统计方法，用于检验两组距离矩阵之间的相关性。这种检验经常用于比较生物群落之间的相似性（例如，基于物种组成）与地理距离或环境距离之间的相关性。
04
两个变量存在强相关，说明两个变量之间有因果关系吗？
相关不等于因果。即使两个变量之间存在强相关，也不能直接推断出一个变量是另一个变量变化的原因。
05
没有线性相关就说明没有关系吗？
在探讨变量关系时，线性相关是常见视角但非唯一。Pearson相关系数评估正态分布的线性关系，而Spearman相关系数适用于非正态分布的线性关系。相关系数0.1不代表无相关性，仅表明线性相关性不明显。变量间关系复杂，可能存在曲线相关。现实中，许多现象呈现非线性特征。因此，评估变量相关性需综合考虑多种可能性。
以上就是今天的所有内容啦，继续期待下期【文献读图】的精彩内容吧~
往期推荐
·【文献读图】Pearson/Spearman相关性分析散点图怎么看？3分钟详解！（附详细案例）
·【文献读图】一文看懂UpSet图！（附详细案例）
·【文献读图】一文读懂生存曲线！（附详细案例）
·【文献读图】一文读懂Co-IP！（附详细案例）
声明：本文提供的部分资料综合整理自网络，仅供学习和研究使用。如有侵权，请联系我们删除~
数据分析工具不会用？数据挖掘无从下手？
与其花半年自学，磨个1年没结果
不如交给专业团队，最快10天出成果！
基础&临床
数据分析服务
8年服务经验，20000+成功案例
数据分析0失误率，成果真实有效
👇服务答疑环节👇
Q1
服务靠谱吗，分析师是否专业？
团队——「教授级」水平
一流服务团队，来自985/211顶尖院校
深耕医学生物领域，20+数据分析工具手拿把掐
结果——100%真实有效
尊重原始数据，最大程度挖掘有效结果
单位是否认可？放心！绝对认可！
隐私——密上加密
业务开展前期签署保密协议
个人隐私绝对安全
抢发SCI
评职称的要求达到了，心里美滋滋~
即刻咨询，抢占先机👇
Q2
多久能拿结果，数据会泄露吗？
速度比找课题还快！
3天定方案，10天拿结果
加快文章完稿，SCI发表不耽误
数据比锁保险箱里还保险！
正规企业，诚信经营！
数据泄露0发生，100%严格保密！
同事文章都投稿了，你还在犹犹豫豫?
即刻咨询，早定早享受👇
END返回搜狐，查看更多