樣本間的相關性，可以反映公司加樣時是否存在重復加樣的錯誤。
下面簡要介紹一下如果利用甲基化數據計算樣本間的相關性
1、提取甲基化探針的snp位點、CpG的beta值
下面用的示例文件是minfi包自帶的。
如果是自己的數據，那么提取甲基化snp位點用的是沒有經過過濾的原始數據。
首先，安裝：
BiocManager::install(c("minfi","minfiData","sva"))
library(minfi)
library(minfiData)
library(sva)
baseDir <- system.file("extdata", package="minfiData")
targets <- read.metharray.sheet(baseDir)
RGSet <- read.metharray.exp(targets = targets)
manifest <- getManifest(RGSet)
這里可以看到不同探針的情況：
一條龍服務，提取甲基化探針的snp位點、CpG的beta值：
MSet <- preprocessRaw(RGSet)
RSet <- ratioConvert(MSet, what = "both", keepCN = TRUE)
GRset <- mapToGenome(RSet)
beta <- getBeta(GRset) #提取CpG的beta值
snps <- getSnpBeta(RGSet) #提取SNP位點
2、CpG和SNP的beta值位點示例結果
提取完CpG和SNP后，看一下各自的示例結果：
CpG的beta值示例結果：
甲基化SNP位點的示例結果：
3、計算相關性
計算樣本間的相關性，我們用R自帶的cor函數即可。選用的數值為SNP的甲基化數值
計算相關性代碼：cor(snps)
結果如下：
這里解釋一下，為什么不選用CpG的beta值計算相關性。
如下圖所示，我分別用了前100、1000、10000個CpG的beta值計算樣本1（5723646052_R02C02）和樣本2（5723646052_R04C01）的相關性，相關性均在0.97以上（藍色框框），用snps位點計算相關性時，樣本1和樣本2的相關性則為0.1426071（紅色框框）。
可見，CpG的beta值計算出來的相關性都特別高，根本不能區別樣本間真實的相關性。
因此，計算樣本間相關性，推薦甲基化探針的SNP位點。
