WGCNA方法简介

加权基因共表达网络（weighted gene co-expression network analysis）是一种广泛使用的数据挖掘方法，用两两变量间相关系数研究生物网络。

大致步骤：

1、基因共表达定义两向量间的距离，选定β值（幂函数评估连接强度），生成邻接矩阵；
2、模块中心分析：拓扑重叠指标、模块特征向量；
3、建立共表达网络，判断特定模块的模块间枢纽基因。

详细介绍：

1、
用sij表示基因i和j之间的基因共表达相似性，有两种表示方法：
（1）无符号共表达相似指标：
$si{j}^{unsigned}=|cor(xi,xj)|$
此种类型会造成生物信息损失（抑制或激活）
（2）有符号的共表达指标:
$si{j}^{signed}=0.5+0.5cor(xi,xj)$

生成邻接矩阵：
1）若生成无权重基因共表达网络，则设定阈值τ，对共表达相似矩阵$S=[sij]$，如果sij > τ，无权重网络邻接矩阵设定为1，否则设定为0.，此种方法对阈值的选择较为敏感，会造成共表达信息的损失。
2）若不设固定阈值，加权基因共表达网络分析使用以下的幂函数评估连接强度：
$aij=(sij{)}^{\beta }$
其中，邻接矩阵$A=[aij]$定量确定两个基因相互连接的程度。
无符号和有符号网络分别使用β=6和β=12作为默认值，最终得到加权邻接矩阵，之后的分析称为加权基因共表达网络分析。

2、用网络拓扑指标将基因集聚为网络模块：
加权基因共表达网络分析使用拓扑重叠指标作为距离，并将此指标输入平均连锁层次聚类，形成模块。
3、在模块特征向量之间建立共表达网络，即以节点为模块的网络；
判断特定模块的模块间枢纽基因，有两种连接指标：
（1）kMEi
（2）kIN
（待补充）