WGCNA分析

应用场景

       加权基因共表达网络分析 (WGCNA, Weighted Gene Co-Expression network Analysis) 是用来描述不同样本之间基因关联模式的系统生物学方法。主要用来鉴定高度协同变化的基因集 , 并根据基因集的内连性和基因集与表型之间的关联鉴定候补生物标志物或治疗靶点。WGCNA 本质是基于相关系数的网络分析方法，适用于多样品数据模式。需要提供样本对应的表型数据，一般要求样本数多于 15 个，样本数多于 20 个效果更好，样本越多，结果越稳定。

分析方法

       通过数据处理，使基因间的相互作用关系强度符合无尺度分布，并把表达模式相似的基因归为一个模块。对模块进行分析，识别与研究相关的模块，最后分析模块内基因之间的调控关系。

图表展示

       注：软阈值筛选。Soft Threshold的筛选原则是使构建的网络更符合无尺度网络特征,一般要求R2>0.8。

       注： 模块的层级聚类树图。如上图所示不同颜色代表不同的模块，其中灰色默认是无法归类于任何模块的基因。

       注： 根据基因表达量聚类得到的各模块间的相关性热图。图中横轴和纵轴颜色代表不同的模块。热图颜色代表两个模块之间的相关性程度，红色表示相关性高、蓝色表示相关性低。

       注： 模块内基因与表型数据相关性分析热图。热图颜色表示模块与表型之间的相关性程度，红色表示正相关、蓝色表示负相关，后续可以挑选相关性最高的模块进行分析。

       注： 基因共表达网络图。与表型相关性最高的模块中基因互作网络图。

参考文献

       Langfelder P, Horvath S (2008). “WGCNA: an R package for weighted correlation network analysis.” BMC Bioinformatics, 559.

       Langfelder P, Horvath S (2012). “Fast R Functions for Robust Correlations and Hierarchical Clustering.” Journal of Statistical Software, 46(11), 1–17. https://www.jstatsoft.org/v46/i11/.