俗话说“一图胜千言”，而一张“美貌与智慧并重”的图放在文章中，往往会让审稿人眼前一亮，无形中给文章加分！

相关系数是生物医学论文中最常见的一个指标，用于描述两个连续变量之间的线性相关程度，例如A基因的表达是否和B基因的表达正相关？基因A的表达是否与其甲基化程度负相关等等。最常用的就是皮尔森相关系数，其值介于-1和1之间。

相关系数与相关程度一般划分为：

   0.8 - 1.0 极强相关

   0.6 - 0.8 强相关

   0.4 - 0.6 中等程度相关

   0.2 - 0.4 弱相关

   0.0 - 0.2 极弱相关或无相关。

R语言中，我们可以使用cor()函数来计算相关性。

Python语言中，我们可以使用scipy.stats.pearsonr函数来计算相关性。 

对于多个基因，计算出来的就是一个相关系数矩阵，如图1所示。

                           图1. 相关性矩阵

虽然这种展示方式非常直观，然而看起来比较费劲，同时占空间比较大。这时，我们可以使用圆形形式来展示相关系数矩阵，如图2所示。圆形有着天然的魅力，因为从视觉运动方面来讲，曲线具有天然的平滑性、节奏感、饱满、扩张和一定方向感，因此会让人感觉很柔美、很丰富，并且有深度和动感（摘自网络）。

图2. 圆形相关系数图

1， 打开圆形相关系数绘图页面

首先，使用浏览器（推荐chrome或者edge）打开圆形相关系数绘制页面。左侧为常见作图导航，中间为数据输入框和可选参数，右侧为描述和结果示例。也可以在主页搜索框中搜索相关系数，找到绘图页面。

https://www.bioinformatics.com.cn/plot_basic_circle_correlation_plot_133

                          图3.可视化绘图页面

2，示例数据

点击右侧“示例数据”链接下载excel格式的示例数据。

 图4. 输入数据示例

示例数据（仅供参考）为矩阵形式，其中

行为基因

列为样品

行列相交的cell为基因在该样品中的表达值。一般需要用标准化后的值进行计算。 

注意：需要参考示例数据，将自己的数据在excel中整理成示例数据的样式，每个cell都需要有，表达值不能为空或者NA。行列相反的话，可以转置后使用。 

3，粘贴示例数据

直接复制示例数据中的A-K列数据，然后粘贴到输入框。

注意：不是拷贝excel文件，是拷贝excel文件里边的数据。另外粘贴到输入框后，格式乱了没关系，只要在excel中是整齐的就行。并且数据矩阵中不能有空的单元格，中文字符等。

图5. 必需输入

4，修改参数，并提交

我们设置了数据转换、相关系数计算方法、图片尺寸、colorbar位置、连线颜色、基因颜色、字体等参数，基本能满足日常绘图使用。如需更高级的定制，请联系我们。

图6.颜色、字体、colorbar位置等可调参数

5，提交出图

粘贴好输入数据，调整好参数（或者全部默认）后，点击提交按钮，几秒钟后，会在页面右侧出现预览图。我们提供了4种图片格式供下载使用，两种矢量图（pdf，svg）和两种标量图（600 dpi tiff和300 dpi png）。同时提供了相关系数矩阵计算结果供下载。

图7.预览与下载

图解读：

该图为弦图，外圈是11个基因，内圈为基因间的相关系数连线。其中A-B，与B-A的相关系数仅保留1次，因此每个弦上延伸出来10条带（去掉了自身与自身的），红色带表示正相关，绿色带表示负相关，颜色越深表示相关性越大（越正相关或越负相关），带越宽表示绝对值越大。弦上的刻度表示该基因与其他基因间的相关性的绝对值之和，因此其刻度和长度不是固定的。

没有预览就没有出图，这时请参考示例数据，检查自己输入数据的格式。

遇到文字截断，需要修改字体、调整字体大小等，请参考用inkscape编辑svg矢量图

微生信助力发文章，谷歌引用640+，知网引用480+