hdWGCNA (high-dimensional Weighted Gene Co-expression Network Analysis) 是一种基于 WGCNA (Weighted Gene Co-expression Network Analysis) 的高级方法,专门用于处理高维度基因表达数据(单细胞和空间转录组)。WGCNA 是一种用于识别基因共表达模块(即在多个样本中共同表达的基因群体)的方法,它能够将基因表达数据与外部表型数据或样本特征联系起来。
hdWGCNA 扩展了经典的 WGCNA 方法,使其能够处理单细胞 RNA 测序 (scRNA-seq) 数据的特有问题,如稀疏性、技术噪音和大量的基因数据。
hdWGCNA 分析的主要步骤如下:
1. 预处理数据:
• 获取并预处理单细胞或空间转录组数据,通常包括标准化、去除低质量细胞和基因、以及进行批次效应校正、数据降维。
2. 构建元细胞(Metacells):
• 根据降维后的数据使用 K 近邻(KNN)算法将相似的细胞聚合为元细胞,以减少数据稀疏性。
• 元细胞代表一组转录组相似的细胞,并保留了每个样本的关键信息。
3. 计算基因-基因相关性:计算基因之间的成对相关性,对相关性矩阵进行加权,使用软阈值(Soft-thresholding)来提高网络的稳健性。
4. 计算拓扑重叠矩阵(TOM):根据基因-基因相关性矩阵计算基因之间的拓扑重叠矩阵(TOM),这反映了基因之间的网络连通性。
5. 共表达网络构建与基因模块识别:使用拓扑重叠矩阵进行无监督聚类,通常使用动态树切割(Dynamic Tree Cut)算法来识别共表达基因模块。每个模块代表一组共表达的基因,这些基因通常在某些生物学功能或细胞类型中高度相关。
6. 计算模块特征基因(Module Eigengenes, MEs):对每个基因模块计算模块特征基因(ME),即该模块基因表达矩阵的第一主成分。MEs 可以代表整个模块的表达模式,用于后续分析。
7. 模块表达模式分析:通过差异模块特征基因(DME)分析,识别不同细胞类型之间共享和独特的模块表达模式。
8. 网络可视化与分析:
• 使用 UMAP 或其他降维方法对拓扑重叠矩阵进行可视化,展示基因模块之间的相互关系。
• 对模块特征基因进行差异表达分析,以识别在不同细胞类型或状态下的特异性表达模块。
9. 下游功能分析:对共表达基因模块进行功能注释分析,比如基因富集分析,以揭示这些模块在生物学过程中的作用。还可以识别模块中的核心基因(hub genes),这些基因通常在模块中具有较高的网络连接性。
通过以上步骤,hdWGCNA 能够在单细胞和空间转录组数据中识别基因共表达模块,揭示细胞类型特异性基因表达模式,并在大规模数据集上具有良好的扩展性。
参考:Cell Reports Methods, 2023, 3, 100498.
smorabit/hdWGCNA: High dimensional weighted gene co-expression network analysis (github.com)