Per iniziare, scaricare un file di input delimitato da virgole di esempio contenente un elenco di metaboliti con misurazioni sperimentali. Fare doppio clic sul file di esempio scaricato per aprirlo e verificare che contenga etichette sia per i campioni che per i metaboliti. Quindi, scarica l'applicazione Java del calcolatore di correlazione e fai doppio clic sul file JAR scaricato per avviare l'applicazione.
Nella scheda di input fare clic sul pulsante Sfoglia per caricare il file di input. In Specifica formato file, selezionare i campioni in righe. Fare clic sul pulsante Avanti in basso a destra della finestra per passare alla scheda di normalizzazione dei dati.
In selezionare i metodi selezionare la casella accanto a log per trasformare i dati e ridimensionare automaticamente i dati. In Dati normalizzati fare clic sul pulsante Esegui. Una volta completata la normalizzazione, fare clic sul pulsante Salva per salvare il nuovo file di dati.
Fare clic sul pulsante Avanti per passare alla scheda Analisi dei dati e in Calcola correlazione di Pearson, fare clic su Esegui per determinare il miglior intervallo di correlazione di Pearson per i dati. Fare clic sul pulsante Visualizza istogramma per esaminare la frequenza dei punteggi di correlazione di Pearson massimi per caratteristica nel pulsante Visualizza mappa termica per esaminare la rappresentazione della matrice di correlazione di Pearson. In Filtra per correlazioni di Pearson, lasciare i numeri predefiniti per filtrare in base a un intervallo compreso tra 0,00 e 1,00.
Quindi, in Seleziona metodo di correlazione parziale, selezionare il metodo desiderato come metodo DSPC. In Calcola correlazioni parziali fare clic sul pulsante Esegui. Fare clic su Visualizza file CSV per visualizzare i risultati e fare clic sul pulsante Salva per salvare i risultati.
Viene mostrata una rete rappresentativa costruita a partire da un sottoinsieme dei dati metabolomici dello studio di popolazione KORA composta da 151 metaboliti in 240 soggetti. Il clustering della rete di consenso ha portato all'identificazione di nove sottoreti o moduli metabolici.
