matlab计算相关系数代码JHU_Bootcamp：Ahrenslab 这是由 Ahrens 实验室于 2017 年 8 月 22 日在 HHMI Janelia 举办的 JHU 训练营课程的 github 存储库。 导师：Takashi Kawashima 和 Mika Rubinov 本课程的目标是学习大规模钙成像实验的数据分析基础知识。 在我们的实验中，约 100,000 个神经元的钙活动同时记录在斑马鱼幼虫的大脑中，斑马鱼在虚拟现实环境中行为[参考 1-3]。 在本课程中，我们使用 Matlab 作为编程环境。 我们使用 JHU_demo.mlx 来演示和练习数据分析。 成像数据集可以从 thd dropbox () 下载。 在这个实验中，鱼会根据环境中出现的各种视觉刺激改变其游泳模式。 我们分析了单个神经元的活动如何根据不同的行为变量（游泳模式、视觉刺激）进行调整，以及它们如何根据调整情况在大脑中分布。 下面是演示代码（“JHU_demo.mlx”）的一个例外。 您可以在代码中找到更详细的解释。 数据分析 首先，我们加载行为变量、神经元活动和神经元位置的数据。 root_d

共现（co-occurrence network）网络分析日益成为微生物生态学分析中重要的组成部分，成为目前文章发表的热点技术。利用spearman相关性分析是构建共现网络的重要方法，但由于OTU table往往有成千上万行，用R自带的corr.test()函数计算较为费时，严重制约我们的分析速度。对spearman相关性分析进行并行化运行可大大节省计算时间，为此我们手写了spearman相关性分析函数来实现并行化运行。为方便讲解，本文以OTU table 数据为例，对OTU进行两两spearman相关性分析，获得相关系数r和显著性p值。我们将自己手写的函数network_construct()与psych包中的corr.test()函数两者运行时间和计算的结果进行了比较，我们自己的函数network_construct()计算时间远远少于corr.test()函数且结果相同，具体的R代码见下文。

Pearson相关系数代码