九象限:完整技术报告
主要发现:45 个比较累计,除 Q5 外同向(Q3+Q7)占 31.8%,反向(Q1+Q9)占 38.5%。由于高相关配对中负相关占多数,反向象限多是这一点的直接体现。
本页保留全部详细说明;日常浏览请用简洁页面。
1 分析目的
把高相关的基因-代谢物对放到某个比较的变化倍数坐标上,看这些配对在该比较中是同向变化(基因升、代谢物也升)还是反向变化,帮助区分可能的“合成促进”与“消耗/反馈”两类关系。
2 分析原理
配对来自全局相关分析中通过主筛选的配对(|r_all|≥0.8,FDR<0.05)。对某个比较,横坐标为基因 log2FC,纵坐标为代谢物 log2FC,各以 ±1(2 倍)为界分三段,组成 9 个象限,Q1–Q9 从左上到右下编号:Q3 与 Q7 为同向,Q1 与 Q9 为反向,Q2、Q4、Q6、Q8 为一方变化不足 2 倍,Q5 为两者都不足 2 倍。
象限只看变化倍数,不看显著性;数据表中的 gene_status、met_status 给出各自是否显著。基因或代谢物在该比较两组都未检出时没有 log2FC,配对被排除,不落入 Q5,单独计入 excluded_not_available。
3 输入数据及预处理
全局高相关配对(含 Tier1、Tier2);每个比较的基因 log2FC(服务商)和代谢物 log2FC。
4 软件、算法及参数
| 软件 / 函数 | 版本 | 用途与关键参数 |
|---|---|---|
| R / data.table | 1.18.6.1 | 象限划分和计数 |
| ggplot2 | 4.0.3 | 每象限最多随机抽 6,000 点绘制,数字为真实数量 |
5 统计指标解释
下表列出本页出现的全部统计指标和缩写(由页面内容自动生成)。全部术语见术语表。
| 术语 | 中文名 | 英文名 | 定义与读法 |
|---|---|---|---|
| log2FC | 以 2 为底的倍数变化对数 | log2 fold change | 两组均值之比取 log2。本报告统一为 log2(后一组/前一组),比较名 A_vs_B 中 B 为后一组;log2FC=1 表示后一组是前一组的 2 倍,-1 表示一半。基因的 log2FC 来自服务商 DESeq2 结果;代谢物为两组原始强度均值之比。两组都未检出时没有 log2FC(记为 NA,不是 0)。 |
| FDR | 错误发现率 | false discovery rate | 多重检验校正指标,表示在所有判为显著的结果中,预期假阳性所占比例。本报告全部用 Benjamini–Hochberg 方法计算,检验范围在各分析中分别说明(如“该比较的全部配对”“全部可评估通路”)。 |
| r_all | 全样本相关 | correlation across all samples | 30 个样本上的 Pearson r(代谢物未检出的样本不参与),包含组间差异和组内个体差异两部分。 |
| Tier1 | 一级证据配对 | Tier 1 pair | |r_all|≥0.8 且 FDR<0.05,同时组内相关 FDR<0.05 且与 r_all 同号。说明两者的关联在扣除组间差异后仍存在。 |
| Tier2 | 二级证据配对 | Tier 2 pair | 只满足 |r_all|≥0.8 且 FDR<0.05,组内相关不显著或方向不同,关联可能主要来自组间差异。 |
| Q1 | 第 1 象限 | quadrant 1 | 九象限图左上:基因下调、代谢物上调(反向)。Q1–Q9 从左上到右下编号。 |
| Q3 | 第 3 象限 | quadrant 3 | 右上:基因上调、代谢物上调(同向)。 |
| Q5 | 第 5 象限 | quadrant 5 | 中央:两者变化都小于 2 倍。 |
| Q7 | 第 7 象限 | quadrant 7 | 左下:基因下调、代谢物下调(同向)。 |
| Q9 | 第 9 象限 | quadrant 9 | 右下:基因上调、代谢物下调(反向)。 |
6 图表与结果展示
全局结果

- 目的
- 比较 45 个比较中各象限配对数。
- 坐标轴
- 横坐标为象限(不含 Q5),纵坐标为比较,按类别分面。
- 颜色
- 颜色为 log10(配对数+1)。
- 点的形状与大小
- 无。
- 图例
- 右侧为色标。
- 显著性标记
- 本图不标注显著性。
- 数据筛选
- 全局高相关配对。
- 样本与缺失值
- 无 log2FC 的配对不计入。
- 如何阅读
- 同向象限(Q3、Q7)与反向象限(Q1、Q9)颜色深浅的对比。
表注:pairs 有 log2FC、参与分象限的配对数;excluded_not_available 基因或代谢物在该比较两组都未检出、没有 log2FC 的配对数;Q1–Q9 各象限配对数。
| comparison | category | pairs | excluded_not_available | Q1 | Q2 | Q3 | Q4 | Q5 | Q6 | Q7 | Q8 | Q9 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| R1_vs_R2 | B_R组内跨水平 | 108167 | 79473 | 17 | 3958 | 113 | 557 | 91041 | 2077 | 72 | 10124 | 208 |
| R1_vs_R3 | B_R组内跨水平 | 107835 | 79805 | 21 | 6161 | 132 | 431 | 93022 | 3102 | 33 | 4825 | 108 |
| R1_vs_R4 | B_R组内跨水平 | 109986 | 77654 | 3457 | 33419 | 2602 | 4050 | 57412 | 2490 | 692 | 5372 | 492 |
| R1_vs_R5 | B_R组内跨水平 | 111975 | 75665 | 4821 | 21133 | 6962 | 8529 | 55137 | 9274 | 1153 | 3616 | 1350 |
| R1_vs_Y1 | A_同水平处理间 | 145632 | 42008 | 9315 | 8265 | 14865 | 1106 | 5467 | 2292 | 36644 | 13243 | 54435 |
| R1_vs_Y2 | D_跨水平跨处理 | 144902 | 42738 | 9486 | 5031 | 15056 | 976 | 8509 | 2332 | 36982 | 12700 | 53830 |
| R1_vs_Y3 | D_跨水平跨处理 | 148791 | 38849 | 9244 | 5575 | 15705 | 1293 | 7972 | 2670 | 36781 | 12602 | 56949 |
| R1_vs_Y4 | D_跨水平跨处理 | 151462 | 36178 | 10058 | 9264 | 16745 | 1186 | 3616 | 1842 | 36569 | 16140 | 56042 |
| R1_vs_Y5 | D_跨水平跨处理 | 155088 | 32552 | 10438 | 9057 | 19344 | 2029 | 2052 | 2150 | 35669 | 15753 | 58596 |
| R2_vs_R3 | B_R组内跨水平 | 108465 | 79175 | 83 | 11861 | 58 | 673 | 90679 | 397 | 49 | 4650 | 15 |
| R2_vs_R4 | B_R组内跨水平 | 110967 | 76673 | 2983 | 25739 | 1782 | 5555 | 69433 | 2264 | 586 | 2290 | 335 |
| R2_vs_R5 | B_R组内跨水平 | 113160 | 74480 | 5387 | 23482 | 6278 | 8557 | 54946 | 6273 | 1602 | 5313 | 1322 |
| R2_vs_Y1 | D_跨水平跨处理 | 146820 | 40820 | 9282 | 8107 | 14829 | 1446 | 6128 | 3222 | 36996 | 13070 | 53740 |
| R2_vs_Y2 | A_同水平处理间 | 146040 | 41600 | 9522 | 4445 | 15031 | 1405 | 8712 | 2916 | 36987 | 13080 | 53942 |
| R2_vs_Y3 | D_跨水平跨处理 | 149747 | 37893 | 9156 | 5128 | 15624 | 1370 | 7790 | 2403 | 37420 | 13159 | 57697 |
| R2_vs_Y4 | D_跨水平跨处理 | 152357 | 35283 | 9812 | 5974 | 16575 | 1677 | 6904 | 1967 | 37406 | 15720 | 56322 |
| R2_vs_Y5 | D_跨水平跨处理 | 155867 | 31773 | 10601 | 8916 | 19187 | 2100 | 2112 | 1875 | 36280 | 15755 | 59041 |
| R3_vs_R4 | B_R组内跨水平 | 110398 | 77242 | 4090 | 31544 | 3312 | 5379 | 55486 | 3530 | 796 | 5641 | 620 |
| R3_vs_R5 | B_R组内跨水平 | 113792 | 73848 | 5539 | 22562 | 7677 | 8319 | 51644 | 7116 | 1953 | 7112 | 1870 |
| R3_vs_Y1 | D_跨水平跨处理 | 146201 | 41439 | 9262 | 7887 | 15140 | 1363 | 5219 | 3111 | 36828 | 13093 | 54298 |
| R3_vs_Y2 | D_跨水平跨处理 | 145345 | 42295 | 9450 | 4061 | 15323 | 924 | 8579 | 2248 | 36902 | 12815 | 55043 |
| R3_vs_Y3 | A_同水平处理间 | 149052 | 38588 | 9306 | 3851 | 16040 | 1091 | 8695 | 2110 | 37078 | 12719 | 58162 |
| R3_vs_Y4 | D_跨水平跨处理 | 151654 | 35986 | 9683 | 5293 | 16791 | 1960 | 7180 | 2314 | 36453 | 15318 | 56662 |
| R3_vs_Y5 | D_跨水平跨处理 | 155357 | 32283 | 10489 | 8427 | 19779 | 2424 | 2352 | 2098 | 35234 | 15239 | 59315 |
| R4_vs_R5 | B_R组内跨水平 | 113008 | 74632 | 307 | 9840 | 355 | 4334 | 88584 | 2950 | 357 | 6020 | 261 |
| R4_vs_Y1 | D_跨水平跨处理 | 153419 | 34221 | 10762 | 2684 | 14882 | 1620 | 8502 | 4294 | 43196 | 10319 | 57160 |
| R4_vs_Y2 | D_跨水平跨处理 | 153000 | 34640 | 10824 | 2710 | 15102 | 1223 | 4846 | 3714 | 43854 | 13156 | 57571 |
| R4_vs_Y3 | D_跨水平跨处理 | 156896 | 30744 | 10845 | 2257 | 15927 | 1122 | 4576 | 3310 | 44160 | 13119 | 61580 |
| R4_vs_Y4 | A_同水平处理间 | 159208 | 28432 | 10816 | 2717 | 16497 | 1248 | 10433 | 2893 | 42881 | 11721 | 60002 |
| R4_vs_Y5 | D_跨水平跨处理 | 162563 | 25077 | 10767 | 6218 | 17748 | 1568 | 7727 | 2580 | 42242 | 11385 | 62328 |
| R5_vs_Y1 | D_跨水平跨处理 | 154611 | 33029 | 10942 | 2103 | 15336 | 1224 | 4006 | 3825 | 45081 | 11783 | 60311 |
| R5_vs_Y2 | D_跨水平跨处理 | 154279 | 33361 | 11104 | 2253 | 15511 | 912 | 1805 | 2990 | 46334 | 12567 | 60803 |
| R5_vs_Y3 | D_跨水平跨处理 | 158084 | 29556 | 10890 | 1895 | 16266 | 933 | 2157 | 3352 | 45854 | 13214 | 63523 |
| R5_vs_Y4 | D_跨水平跨处理 | 160419 | 27221 | 10969 | 2293 | 16874 | 1035 | 3004 | 2845 | 44389 | 16853 | 62157 |
| R5_vs_Y5 | A_同水平处理间 | 163668 | 23972 | 11064 | 2646 | 18062 | 1111 | 9996 | 2809 | 43564 | 9987 | 64429 |
| Y1_vs_Y2 | C_Y组内跨水平 | 126693 | 60947 | 469 | 22841 | 173 | 1068 | 71718 | 371 | 476 | 29377 | 200 |
| Y1_vs_Y3 | C_Y组内跨水平 | 127004 | 60636 | 123 | 7257 | 86 | 1067 | 81619 | 796 | 531 | 35006 | 519 |
| Y1_vs_Y4 | C_Y组内跨水平 | 127282 | 60358 | 1367 | 14888 | 759 | 4592 | 80034 | 2243 | 1242 | 21400 | 757 |
| Y1_vs_Y5 | C_Y组内跨水平 | 131106 | 56534 | 2461 | 23313 | 1927 | 4576 | 65519 | 3527 | 2188 | 25506 | 2089 |
| Y2_vs_Y3 | C_Y组内跨水平 | 125011 | 62629 | 63 | 5823 | 195 | 638 | 88364 | 1761 | 235 | 27241 | 691 |
| Y2_vs_Y4 | C_Y组内跨水平 | 127337 | 60303 | 2115 | 17252 | 1145 | 3909 | 82661 | 3943 | 1125 | 14291 | 896 |
| Y2_vs_Y5 | C_Y组内跨水平 | 128812 | 58828 | 3247 | 26637 | 3345 | 4401 | 61175 | 6345 | 1847 | 19029 | 2786 |
| Y3_vs_Y4 | C_Y组内跨水平 | 127625 | 60015 | 2161 | 28566 | 964 | 3411 | 79757 | 1715 | 692 | 9972 | 387 |
| Y3_vs_Y5 | C_Y组内跨水平 | 128670 | 58970 | 3661 | 29263 | 3211 | 4782 | 64638 | 5060 | 1546 | 14670 | 1839 |
| Y4_vs_Y5 | C_Y组内跨水平 | 129625 | 58015 | 760 | 20950 | 878 | 2505 | 83443 | 2929 | 685 | 16658 | 817 |
表注:quadrant 象限编号;x、y 基因和代谢物的变化段(down:log2FC≤−1;flat:−1–1;up:≥1);meaning 含义。
| quadrant | x | y | meaning |
|---|---|---|---|
| 1 | gene_down | met_up | 基因下调、代谢物上调(反向) |
| 2 | gene_flat | met_up | 基因不变、代谢物上调 |
| 3 | gene_up | met_up | 基因上调、代谢物上调(同向) |
| 4 | gene_down | met_flat | 基因下调、代谢物不变 |
| 5 | gene_flat | met_flat | 两者都不变 |
| 6 | gene_up | met_flat | 基因上调、代谢物不变 |
| 7 | gene_down | met_down | 基因下调、代谢物下调(同向) |
| 8 | gene_flat | met_down | 基因不变、代谢物下调 |
| 9 | gene_up | met_down | 基因上调、代谢物下调(反向) |
各比较结果
左侧选择比较。比较名 A_vs_B 中 log2FC = log2(B/A)。
7 结果描述
累计分布。全部比较累计 6,207,380 个“比较 × 配对”有 log2FC;其中 Q5(两者变化都小于 2 倍)1,614,651 个。其余象限中,同向的 Q3 为 450,193、Q7 为 1,009,644;反向的 Q1 为 297,219、Q9 为 1,471,500。另有 2,236,420 个因没有 log2FC 被排除。
与相关符号的关系。全局高相关配对中负相关占 54.1%。负相关的配对在两者都变化时必然落入反向象限,正相关的落入同向象限,所以象限比例主要复现了相关的符号构成。反向多于同向的比较有 39 个。
8 生物学意义
数据支持的观察
高相关的基因-代谢物对在各比较中的变化方向与相关符号一致,说明 30 样本相关确实反映了这些比较中的同步变化。
需要进一步验证的假设
反向配对(基因升、代谢物降)可能表示代谢物被该基因产物消耗,或该基因受代谢物负反馈;同向配对可能表示合成促进。但两种解释都需要已知生化关系的支持(见“已知反应配对”页),仅凭象限不能判断。
9 局限性
象限划分使用固定的 2 倍阈值,阈值附近的配对归属不稳定。高相关配对中多数为 Tier2,同向/反向的比例主要反映组间整体变化。同向不等于促进、反向不等于抑制,代谢物含量还受转运、降解和其他通路影响。
参考文献
- Cavill R, Jennen D, Kleinjans J, Briedé JJ. Transcriptomic and metabolomic data integration. Briefings in Bioinformatics, 2016, 17(5): 891–901.