WGCNA加权基因共表达网络分析生信应用 随着高通量测序技术的普及，大量的转录组测序数据被获得，从而导致转录组测序分析类文章越来越难发表。同时也促进了各种深入挖掘转录组测序数据分析方法的应用。其中最为有效的是“WGCNA分析”。  什么是WGCNA分析 WGCNA分析的全称是加权基因共表达网络分析（Weighted correlation network analysis），是用来描述不同样品之间基因关联模式的生物信息学分析方法。可将表达模式相似的基因进行聚类，并分析模块与特定性状或表型之间的关联关系。有兴趣的可以参考如下文献，了解WGCNA分析的基本理论。 Zhang B, Horvath S. A general framework for weighted gene co-expression network analysis[J]. Statistical applications in genetics and molecular biology, 2005, 4(1).  WGCNA分析的目的 WGCNA是基于基因间表达数据的相似性来构建基因共表达网络，该网络中的节点代表基因，连接线代表基因之间的调控关系。 通过该网络，不仅可以挖掘高度相关的基因模块，更可以直观深入地反映基因之间可能存在的表达调控关系以及处于其中核心位置的节点，即核心基因（hub gene）。这有助于后续验证性实验的迅速开展，并为后续基因功能的研究提供重要的线索和分析基础。  WGCNA分析有多火？ 用Google学术搜索关键词“WGCNA”，共搜索到近9000篇文献，其中2020年相关文献有700多篇。这说明WGCNA分析已经成为辅助文章发表的利器。  WGCNA分析思路 首先，由表达量数据计算皮尔森相关性，建立关系矩阵； 其次，将关系矩阵转换成邻接矩阵，并引入幂指数加权，从而构建无尺度网络； 再次，在邻接矩阵的基础上建立TOM矩阵，计算基因之间的TOM相异程度（distTOM），进而建立基因的模块； 最后，将模块建立的结果进行可视化，并将结果和性状数据进行联合分析，挖掘基因模块和性状之间存在的联系，进行关于基因的注释及富集等方面的分析。  为了帮助广大学员快速了解并掌握WGCNA的分析逻辑，生信自学网特意录制了《WGCNA》课程。 精品课程推荐： 《TCGA免疫相关基因预后模型》 《TCGA免疫相关lncRNA预后模型》 《免疫基因对文章套路挖掘》 
责任编辑：伏泽 作者申明：本文版权属于生信自学网（微信号：18520221056）未经授权，一律禁止转载！ |
