WGCNA | 值得你深入学习的生信分析方法!~(网状分析-第五步-高级可视化)

1写在前面

前面我们用WGCNA分析完成了一系列的分析,聚类分割模块。🥰

随后进一步筛选,找到与我们感兴趣的表型或者临床特征相关的模块,而且进行了模块内部分析。😘

再然后是对感兴趣模块进行功能注释,了解模块的功能及涉及的潜在机制。🥳

本期主要是介绍一些可视化的方法,大家了解一下吧。🥰

2用到的包

rm(list = ls())
library(WGCNA)
library(dplyr)

3示例数据

load("FemaleLiver-01-dataInput.RData")
load("FemaleLiver-02-networkConstruction-auto.RData")

4计算基因数与样本数

计算一下基因数和样本数吧,后面会用到。🤓

nGenes <-  ncol(datExpr)
nSamples <- nrow(datExpr)

5基因网络的可视化

5.1 计算TOM

我们再重新计算一下TOM吧, power是6,之前的教程介绍过如何计算。

dissTOM <-  1-TOMsimilarityFromExpr(datExpr, power = 6)
alt

5.2 转换一下并可视化

这里我们需要转换一下dissTOM, 可以增强对比,方便进行可视化。

plotTOM <- dissTOM^6

diag(plotTOM) <- NA

sizeGrWindow(9,9)

TOMplot(plotTOM, geneTree, moduleColors, main = "Network heatmap plot, all genes")

5.3 随机选择基因

由于数据量比较大,这里我们就随机选择300个基因来进行可视化吧。😉

nSelect <-  300

set.seed(123)
select <- sample(nGenes, size = nSelect)
selectTOM <- dissTOM[select, select]

selectTree <- hclust(as.dist(selectTOM), method = "average")
selectColors <- moduleColors[select]

5.4 可视化

来吧,展示!~😜

浅色代表low adjacency (overlap),深色代表higher adjacency (overlap)。🤨


这里需要补充一下,如果你的TOM是用blockwise计算得到的,需要对每个block都运行一遍这个code,这里不做具体介绍了,写个循环吧。😏


sizeGrWindow(9,9)
plotDiss <- selectTOM^6
diag(plotDiss) <- NA
TOMplot(plotDiss, selectTree, selectColors, main = "Network heatmap plot, selected genes")
alt

6网络的eigengenes可视化

6.1 计算模块的eigengenes

MEs <-  moduleEigengenes(datExpr, moduleColors)$eigengenes

6.2 合并module与traits信息

weight <-  as.data.frame(datTraits$weight_g)
names(weight) <- "weight"
MET <- orderMEs(cbind(MEs, weight))

6.3 可视化

sizeGrWindow(5,7.5)
par(cex = 0.9)
plotEigengeneNetworks(MET, "",
marDendro = c(0,4,1,2), marHeatmap = c(3,4,1,2),
cex.lab = 0.8, xLabelsAngle= 90
)
alt

7如何引用

📍
Langfelder, P., Horvath, S. WGCNA: an R package for weighted correlation network analysis. BMC Bioinformatics 9, 559 (2008). https://doi.org/10.1186/1471-2105-9-559


alt
最后祝大家早日不卷!~

点个在看吧各位~ ✐.ɴɪᴄᴇ ᴅᴀʏ 〰

📍 往期精彩

📍 🤩 WGCNA | 值得你深入学习的生信分析方法!~
📍 🤩 ComplexHeatmap | 颜狗写的高颜值热图代码!
📍 🤥 ComplexHeatmap | 你的热图注释还挤在一起看不清吗!?
📍 🤨 Google | 谷歌翻译崩了我们怎么办!?(附完美解决方案)
📍 🤩 scRNA-seq | 吐血整理的单细胞入门教程
📍 🤣 NetworkD3 | 让我们一起画个动态的桑基图吧~
📍 🤩 RColorBrewer | 再多的配色也能轻松搞定!~
📍 🧐 rms | 批量完成你的线性回归
📍 🤩 CMplot | 完美复刻Nature上的曼哈顿图
📍 🤠 Network | 高颜值动态网络可视化工具
📍 🤗 boxjitter | 完美复刻Nature上的高颜值统计图
📍 🤫 linkET | 完美解决ggcor安装失败方案(附教程)
📍 ......

本文由 mdnice 多平台发布

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值