Başlamak için, deneysel ölçümlerle metabolitlerin bir listesini içeren virgülle ayrılmış örnek bir giriş dosyası indirin. İndirilen örnek dosyayı açmak için üzerine çift tıklayın ve hem örnekler hem de metabolitler için etiketler içerdiğini doğrulayın. Ardından, korelasyon hesaplayıcı Java uygulamasını indirin ve uygulamayı başlatmak için indirilen JAR dosyasına çift tıklayın.
Giriş sekmesinde, giriş dosyasını yüklemek için gözat düğmesine tıklayın. Dosya biçimini belirtin altında, satırlardaki örnekleri seçin. Veri normalleştirme sekmesine gitmek için pencerenin sağ alt kısmındaki sonraki düğmeye tıklayın.
Yöntemleri seçin altında, verileri dönüştürmek ve verileri otomatik ölçeklendirmek için günlüğe kaydet'in yanındaki kutuyu işaretleyin. Normalleştirilmiş veriler altında, çalıştır düğmesine tıklayın. Normalleştirme tamamlandıktan sonra, yeni veri dosyasını kaydetmek için kaydet düğmesine tıklayın.
Veri analizi sekmesine gitmek için ileri düğmesine tıklayın ve Pearson Korelasyonunu Hesapla altında, veriler için en iyi Pearson korelasyon aralığını belirlemek için çalıştır'a tıklayın. Pearson'ın korelasyon matrisinin temsilini gözden geçirmek için ısı haritasını görüntüle düğmesinde özellik başına maksimum Pearson korelasyon puanlarının sıklığını gözden geçirmek için histogramı görüntüle düğmesine tıklayın. Pearson's Correlations'a Göre Filtrele'nin altında, 0,00 ile 1,00 aralığına göre filtrelemek için varsayılan sayıları bırakın.
Ardından Kısmi Korelasyon Yöntemi Seç altında, istediğiniz yöntemi DSPC yöntemi olarak seçin. Ve Kısmi Korelasyonları Hesapla altında, çalıştır düğmesine tıklayın. Sonuçları görüntülemek için CSV dosyasını görüntüle'ye tıklayın ve sonuçları kaydetmek için kaydet düğmesine tıklayın.
240 denekte 151 metabolitten oluşan KORA popülasyon çalışması metabolomik verilerinin bir alt kümesinden oluşturulan temsili bir ağ gösterilmiştir. Konsensüs ağ kümelemesi, dokuz alt ağın veya metabolik modülün tanımlanmasıyla sonuçlandı.
