通过测序分析分析非正态分布数据的相关性你好，
我可能挖掘得还不够，但我在社区中找不到答案。
我们有 NGS 之类的数据、基因表达，我们希望将不同样本区域之间的关联起来。 数据不是正态分布的。
我们有各种输入表明我们应该使用对数变换来获得正态分布。
我们想要研究相关性，我们可以在非正态分布数据上进行吗？ 我们需要进行日志分发吗？
使用一种或另一种方法得出的相关性并不相同，因此我们希望确保我们以正确的方式进行计算，因为我们不是统计学家。
感谢任何可以在这一点上帮助我们的人。
祝你有美好的一天
玛丽
基础数据分析和建模回复：通过测序分析分析非正态分布数据的相关性你好@mgerusdurand ， 谢谢你的问题！
对于您的数据来说，它是否稀疏（很多零）？ 如果数据不是很稀疏，那么通常像RNA-seq数据一样，我们建议对数据进行变换，例如对数变换，然后进行相关性分析、降维和可视化（PCA、UMAP、TSNE）和聚类。
相关性也有不同类型——pearson相关性、spearman相关性、kendall's tau等。根据您的研究兴趣，您可以选择不同的方法。
回复：通过测序分析分析非正态分布数据的相关性谢谢@MeichenDong ！
我们没有很多零，这些不是标准的 RNA seq 数据，因为它们是空间解析的。 我不想通过对数转换“隐藏”异常值，因此我没有得到建议的转换。 非参数数据的皮尔逊相关听起来像是在这个特定环境下回答我们的问题。
感谢您的帮助
回复：通过测序分析分析非正态分布数据的相关性我也有同样的问题。
回复：通过测序分析分析非正态分布数据的相关性你好@CrossoverBird55 ，有什么具体问题需要我们帮助吗？
转换/标准化数据的方式也取决于下游分析计划。
