转录组测序技术和结果解读（十三）——WGCNA分析

WGCNA

WGCNA (weighted correlation network analysis) 是一款基于R语言的加权关联网络分析软件，可以实现将基因表达变化与表型差异的关联，从而挖掘在表型变化过程中发挥关键作用的核心基因或基因模块 (moudle)。

WGCNA与其它类似分析软件的区别在于，其在构建基因共表达网络的过程中添加表型权重参数，同时使用无尺度聚类和动态剪切树的方式优化分类，以实现对数据准确、高效的分析。

分析的流程

WGCNA的分析原理及过程如下：

1. 对数据进行预处理；
2. 构建分层聚类；
3. 将表达模式相似的基因组成模块；
4. 研究某一个模块中相关基因的功能富集 (GO、KEGG)；
5. 计算各个模块与样本表型指标的相关性；
6. 确定特定模块，分析其所包含基因间的相互作用网络关系；
7. 寻找关键莫管中的关键基因。

分析要求

WGCNA基于不同样本间基因表达的相关性的构建共表达网络，因此，当样本数过低时，其相关性计算结果并不可靠，得到的共表达网络也并不准确。

进行WGCNA分析时，推荐的样本数如下：

• 当独立样本数≥8 (非重复样本) 时，可以考虑基于Pearson相关系数的WGCNA共表达网络的方法；
• 当样本数≥15