多组学相关网络热图

把两份按样本配对的数据（例如菌群丰度与代谢物或环境因子）放在一起看相关：网络中每个节点是一个变量，按组学着色；边表示满足阈值的相关：蓝色为负相关，灰色为正相关，越粗 |r| 越大；完整的 r 与 P 见结果表。

下方热图依次为组间相关矩阵（组学 1 × 组学 2）以及两个组学各自内部的相关矩阵；行列顺序按相关性做平均连锁聚类排列，便于看出成块相关的变量。

Spearman 与 Kendall 基于秩，对离群值和非线性单调关系更稳健，是丰度数据的常用选择；P 值在「组间」「组学 1 内」「组学 2 内」三类比较中分别做多重检验校正。

样本数少时，|r| 很大也可能不显著；相关不代表因果。变量很多时可只取方差最大的前 N 个变量。只上传一份表时，只分析组内相关。

方法说明

相关系数与 P 值与 scipy.stats.spearmanr / pearsonr / kendalltau 一致（成对完整观测），多重检验校正与 R p.adjust 一致。

数据量

每份表最多 5,000 个样本；变量多于 200 个时建议只取前 N 个。