BioF3 组学数据分析

03 跨层相关性探索

导出日期：2026年6月27日

03 跨层相关性探索

在跑复杂的整合模型之前，先做一轮简单的相关性分析。它能告诉你：哪些基因在不同组学层之间有一致的信号，哪些层之间整体相关性高，以及数据里有没有明显的异常样本。

全局相关性：RV 系数

RV 系数衡量两个矩阵之间的整体相似度，取值 0-1，类似于矩阵层面的 Pearson 相关。

library(FactoMineR)

# 计算两两 RV 系数
rv_rna_meth <- coeffRV(t(rna_final), t(meth_final))$rv
rv_rna_prot <- coeffRV(t(rna_final), t(prot_final))$rv
rv_meth_prot <- coeffRV(t(meth_final), t(prot_final))$rv

cat("RNA vs Methylation RV:", round(rv_rna_meth, 3), "\n")
cat("RNA vs Protein RV:", round(rv_rna_prot, 3), "\n")
cat("Methylation vs Protein RV:", round(rv_meth_prot, 3), "\n")

通常 RNA 和蛋白的 RV 系数在 0.3-0.6 之间，甲基化和表达的相关性更低（因为甲基化主要是负调控，且只有 promoter 区域的甲基化与表达强相关）。

Cis 相关分析

Cis 相关指的是同一个基因在不同组学层之间的相关性。最经典的例子是：某个基因的 promoter 甲基化水平与它自身的 mRNA 表达之间的 Pearson 相关。

# 找到两层都有的基因
common_genes <- intersect(rownames(rna_final), rownames(meth_final))

# 逐基因计算相关
cis_cor <- sapply(common_genes, function(g) {
  cor(as.numeric(rna_final[g, ]),
      as.numeric(meth_final[g, ]),
      method = "pearson", use = "complete.obs")
})

# 分布
summary(cis_cor)
hist(cis_cor, breaks = 50, main = "Cis correlation: RNA vs Methylation",
     xlab = "Pearson r", col = "steelblue")

预期结果：大部分基因的 cis 相关接近 0，少部分呈现强负相关（promoter 甲基化抑制表达）。如果你看到大量正相关，可能是映射到了 gene body 而不是 promoter。

跨层相关热图

用 ComplexHeatmap 画一张跨层相关矩阵，展示 top 变异基因在不同组学层之间的关系：

library(ComplexHeatmap)
library(circlize)

# 选 top 500 变异基因（在 RNA 层）
rv <- apply(rna_final, 1, var)
top_genes <- names(sort(rv, decreasing = TRUE))[1:500]

# 只保留三层都有的
top_common <- Reduce(intersect, list(top_genes,
                                     rownames(meth_final),
                                     rownames(prot_final)))

# 计算 RNA vs Protein 的逐基因相关
rna_prot_cor <- sapply(top_common, function(g) {
  cor(as.numeric(rna_final[g, ]),
      as.numeric(prot_final[g, ]),
      use = "complete.obs")
})

# 热图：行是基因，列是相关类型
cor_mat <- cbind(
  RNA_Meth = cis_cor[top_common],
  RNA_Prot = rna_prot_cor[top_common]
)

col_fun <- colorRamp2(c(-1, 0, 1), c("blue", "white", "red"))
Heatmap(cor_mat, name = "Pearson r",
        col = col_fun,
        cluster_columns = FALSE,
        show_row_names = FALSE,
        column_title = "Cross-layer cis correlation")

Trans 相关的注意事项

Trans 相关（一个基因的甲基化与另一个基因的表达）在计算上是 O(n^2) 的，特征数多时不现实。常见策略：

相关性不等于因果

高相关不代表一层驱动了另一层。甲基化和表达的负相关可能是因果（甲基化沉默基因），也可能是共同受上游调控。如果需要因果推断，考虑 Mendelian randomization 或 mediation analysis。

常见坑

坑 1：cis 相关做了上万次检验却不校正

逐基因计算 cis 相关时，如果有 5000 个基因，就做了 5000 次检验。不做多重校正（BH/Bonferroni）就筛 p < 0.05，假阳性率会非常高。正确做法是对所有 cis 相关的 p 值统一做 FDR 校正，再设阈值。

坑 2：混杂变量导致虚假相关

年龄、性别、肿瘤纯度等混杂因素同时影响多层数据。不校正这些变量，计算出的 RNA-甲基化相关可能只是反映了"肿瘤纯度高的样本 RNA 高、甲基化也变了"。建议在相关分析前先用线性模型回归掉已知混杂，或者在 cor.test 中用偏相关。

坑 3：甲基化映射到 gene body 导致正相关"反直觉"

Promoter 甲基化与表达通常负相关，但 gene body 甲基化与表达正相关。如果在映射时没有限制到 TSS200/TSS1500 区域，混入了 gene body 探针，cis 相关的分布会出现大量正相关，容易误判为"甲基化激活基因表达"。

坑 4：样本量太小时 Pearson r 的置信区间巨大

20 个样本计算 Pearson 相关，即使 r = 0.5，95% CI 也是 [0.07, 0.78]。在小样本下不要过度解读单基因的相关系数，应该关注整体分布模式（比如 cis 相关的中位数是否显著偏离 0）。

不想本地装环境？在 BioF3 上跑

下一步

接着深入：

横向延伸：

参考资源