两个实验条件下只有1%的基因共同表达，如何评估两个实验条件的相关性？
现需要评估A和B两个条件的相似度，在条件A和B下分别统计基因的表达量，某条件下未表达的基因赋值0。
现遇到一种特别情况，99%的基因只在其中一个条件下有表达，这种情况是否说明两个条件相关性差？
但是，pearson相关系数分别为0.9（1%共表达的基因）和0.85（全部基因），这个怎么解释？
模拟一组数据如下，1000个基因在两个条件下均表达：相关性（Pearson, R=0.9）
set.seed(20180328)
n <- 1000
corr <- 0.9
x <- rnorm(n, 20, 2)
z <- rnorm(n, 20, 2)
a <- corr / (1 - corr**2)**0.5
y <- (a * x + z) / 2 - 10
df1 <- data.frame(x = x, y = y)
c1 <- signif(cor(df1$x, df1$y, method = "spearman"), 2)
c2 <- signif(cor(df1$x, df1$y, method = "pearson"), 2)
plot(df1$x, df1$y, main = paste("spearman=", c1, "pearson=", c2, sep = " "), pch = 16)
增加100000个记录，只在其中一个条件下有表达的，相关性（Pearson, R=0.85）
## add 0 vs N
m <- 50000
z1 <- rnorm(m, 1, 0.5)
z2 <- rnorm(m, 1, 0.5)
da1 <- data.frame(x = z1, y = 0)
da2 <- data.frame(x = 0, y = z2)
df2 <- rbind(df1, da1, da2)
c3 <- signif(cor(df2$x, df2$y, method = "spearman"), 2)
c4 <- signif(cor(df2$x, df2$y, method = "pearson"), 2)
plot(df1$x, df1$y, main = paste("spearman=", c3, "pearson=", c4, sep = " "), pch = 16)
