首先，下载一个以逗号分隔的示例输入文件，其中包含具有实验测量值的代谢物列表。双击下载的样品文件将其打开，并验证它是否包含样品和代谢物的标签。接下来，下载相关计算器 Java 应用程序，并双击下载的 JAR 文件以启动该应用程序。
在输入选项卡上，单击浏览按钮上传输入文件。在“指定文件格式”下，选择行中的示例。单击窗口右下角的“下一步”按钮，转到“数据规范化”选项卡。
在“选择方法”下，选中“日志以转换数据和自动缩放数据”旁边的框。在规范化数据下，单击运行按钮。规范化完成后，单击“保存”按钮以保存新的数据文件。
单击“下一步”按钮移动到“数据分析”选项卡，然后在“计算 Pearson 相关性”下，单击“运行”以确定数据的最佳 Pearson 相关性范围。单击“查看直方图”按钮可查看查看热图按钮中每个特征的最大 Pearson 相关分数的频率，以查看 Pearson 相关矩阵的表示。在“按 Pearson 相关性过滤”下，保留默认数字，以按 0.00 到 1.00 的范围进行过滤。
然后在“选择偏相关方法”下，选择所需的方法作为 DSPC 方法。在“计算偏相关”下，单击“运行”按钮。单击查看 CSV 文件以查看结果，然后单击保存按钮以保存结果。
显示了由 KORA 群体研究代谢组学数据子集构建的代表性网络，该数据由 240 名受试者的 151 种代谢物组成。共识网络聚类导致识别出九个子网络或代谢模块。
