WGCNA | weighted correlation network analysis

最新推荐文章于 2024-03-19 09:03:34 发布
最新推荐文章于 2024-03-19 09:03:34 发布
阅读量489 收藏
点赞数

 

 

早就接触过这个包了，只是一直畏惧，以为很复杂，也没有应用场景，所以认识很肤浅。

现在有应用场景了，我自己开发了一个幼稚的版本，发现了很多需求，后来想起了WGCNA似乎部分解决了我的问题，今天认真打开了WGCNA的paper，看完后觉得写得真好，其中涉及的统计学非常基础和简单。

WGCNA中的一些工具存在很大的优化空间，但是优化很难发好文章，因为没什么原创性。

所以关键还是要自己提出问题，然后用统计学的方法去解决，问题越热门越核心，你的paper就能发的越好。

 

Paper：WGCNA: an R package for weighted correlation network analysis 

package

 

weixin_34368949
关注
Weighted Network Analysis （WGCNA）
WeiKang‘s blog
12-23 3797
第一篇博文嘿嘿，还请多多指教。跟大家分享一下最近读的一本书吧，内容有点多，应该会分几次写完。 最近看的这本书名叫Weighted Network Analysis：Applications in Genomics and Systems Biology。这本书讲了一些基本的网络分析知识以及它们在基因组学和系统生物学中应用。没有图论那些繁杂的证明，并且几乎每种算法给了简短的R code，对网络分析
加权基因共表达网络，其实并没有那么神秘
庐州月光的博客
11-05 7435
欢迎关注微信公众号《生信修炼手册》! WGCNA是目前非常火热的一项研究内容，其全称为weighted correlation network analysis, 直译就是加权基因相关性网络分析。通过这项分析，可以鉴定共表达的基因集合，这样的集合称之为modules, 而且可以将modules与表型数据进行关联分析，挖掘潜在的mark 基因。 这个高大上的分析内容的第一步就是构建基因之间的共表达...
转录组测序技术和结果解读（十三）——WGCNA分析
wangprince2017
08-14 3332
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： 对数据进行预处理； 构建分.
WGCNA | 值得你深入学习的生信分析方法！~（网状分析-第一步-数据整理）
m0_72224305的博客
02-05 2124
1写在前面 最近实在是忙的不行，根本没时间更新，一到家就只想睡觉。🥹 今天写个最近用到的分析方法，Weighted correlation network analysis (WGCNA)，是非常经典的生信分析方法了，现在被引有9913次了，马上就要破万啦。😘 网上相关的教程也是不胜枚举，但多多少少是有些不尽人意的地方，有的少步骤，有的代码不全。😅 这里在仔细阅读了官方手册后，在这里和大家一起认真地step by step研究一下，查缺补漏吧。🥰 2用到的包 rm(list = ls())library(
RNA-seq分析：Step9（共表达分析）
沉香best的博客
08-30 1542
WGCNA（Weighted Correlation Network Analysis）是一种系统生物学中常用的数据分析方法，主要用于分析高通量基因表达数据。该方法通过构建基因共表达网络，将相似的基因组织到同一模块中，并用模块间的关联性进行分析，从而识别与生物学过程相关的模块和关键基因。WGCNA分析流程主要包括：数据预处理、构建共表达网络、模块检测、模块注释和功能分析等步骤。
WGCNA加权基因共表达网络分析
ranshan_的博客
03-19 1060
容器技术，避免在安装 R 包时各种系统依赖报错问题，如果您的服务器支持的话。4、最重要一步绘制表型与基因相关性热图（WGCNA中最主要结果）产生Module-trait-relationships热图。3、在上述基础上构建共表达网络，将基因划分到不同模块后，绘制基因聚类树 产生Cluster Dendrogram图。WGCNA 在数据集较大时，普通电脑跑不动，需要借助服务器，在服务器中进行 WGCNA 分析时，我建议使用。1、输入数据准备，样本筛选，该过程会产生聚类树图。R 包运行代码 WGCNA.R。
wgcna软阈值报错
最新发布
10-16
WGCNA（Weighted Correlation Network Analysis）是一个用于构建基因共表达网络的R包。当使用软阈值（soft thresholding）功能处理基因表达数据时，可能会遇到一些错误。软阈值是WGCNA中用来控制网络复杂度的关键...
WGCNA-1.72-5
02-21
在生物信息学领域，基因共表达网络分析（Weighted Gene Co-expression Network Analysis，简称WGCNA）是一种强大的工具，用于识别基因之间的相关性模式，进而帮助理解基因功能、疾病机制以及生物学过程。WGCNA-1.72-...
ScWGCNA与传统的WGCNA有何区别？
09-28
ScWGCNA（单细胞weighted correlation network analysis）相较于传统的WGCNA（weighted gene co-expression network analysis），有以下几个显著的区别： 1. **数据类型**：ScWGCNA针对的是单细胞RNA测序（scRNA-...
WGCNA分析，单细胞组学（TCGA）R语言实践全流程
2301_76755787的博客
05-12 2953
WGCNA利用数千或近万个变化最大的基因或全部基因的信息识别感兴趣的基因集，并与表型进行显著性关联分析。R语言实践全流程。
RNA 13. SCI 文章中差异表达基因之 WGCNA
weixin_41368414的博客
03-14 1099
WGCNA 分析流程 2008 年发表在 BMC 之后的影响力还是很高的，先后在各大期刊都能看到，但是就其分析的过程来看，还是需要有一定 R 语言的基础才能完整的复现出来文章中的结果，这期就搞出来供大家参考，因为我自己尝试了一下结直肠癌的数据集，但是有些地方不太理想，故还是有软件包自带的数据来运行，终结起来就是输入两个文件，其他就是根据自己的数据集进行过滤，筛选，最终确定一个满意的基因集。...
论文Weight Agnostic Neural Networks(WANNs)解读
蓝一潇的博客
06-22 2446
谷歌最新发布的Weight Agnostic Neural Networks（WANN）这几天很火，这个网络的确是一个具有颠覆性结构的神经网络，号称“不需要经过训练就可以达到很好的预测效果"。 借此机会，本人也瞻仰了这篇论文，下面给大家用我的视角解读一下这篇颠覆性的论文。 这篇博客不是严格的对文章进行翻译，而是对论文的内容进行讲解，原则是尽量忠于原文，让大家可以更加理性、客观的理解被许多公众号讲解...
WGCNA：概念初探
weixin_59289660的博客
07-31 4841
基本分析流程简介即加权基因共表达网络分析，可将表达模式相似的基因进行聚类（共表达基因），并分析模块与特定性状或表型之间的关联关系。WGCNA促进了基于网络的基因筛选方法，可用于识别候选生物标志物或治疗靶标，等方面的研究中被广泛应用。在RNA-seq数据中的应用相关术语补充1、应用WGCNA分析的数据应当2、WGCNA分析对计算机的要求较高，4G内存电脑可处理8000-10000个基因数量，16G内存电脑可以处理2万个，32G内存电脑可以处理3万个3、如果表型为。.......................
WGCNA | 值得你深入学习的生信分析方法！~（网状分析-第三步-模块与特征分析）
m0_72224305的博客
02-15 1374
1写在前面 之前我们完成了WGCNA输入数据的清洗，网络构建和模块识别。😘 而且还介绍了如何对大型数据分级处理，有效地减少了内存的负担。😷 接着就是最重要的环节了，将不同module与表型或者临床特征相联系，进一步鉴定出有意义的module，并进行module内部的分析，筛选重要基因。🤒 不得不说，东西还是挺多的，而且非常重要，我们一起来试一下吧。🥰 2用到的包 rm(list = ls())library(WGCNA)library(tidyverse) 3示例数据 load("FemaleLiver-
WGCNA分析基本教程总结
weixin_57699783的博客
07-01 1738
可用于发现高度相关基因的簇（模块），使用模块特征基因或模块内枢纽基因总结此类簇，将模块与外部样本性状相互关联（使用特征基因网络方法），来度量模块成员分布，进而用于识别候选生物标记物或治疗靶点。...
Nature子刊：教你零基础开展微生物组数据分析和可视化
刘永鑫的博客——宏基因组公众号
03-24 9548
使用MicrobiomeAnalyst进行微生物组数据的全面统计、功能和元分析Using MicrobiomeAnalyst for comprehensive statistical,...
R WGCNA基础（1）——数据过滤
浮生终有醒
03-19 2万+
WGCNA（Weighted Correlation Network analysis）是一个基于基因表达网络权重构建，描述基因表达的关联模式的R包。挺拗口的吧，其实简单点的话分析基因的共表达网络，就是两个样本有表达量，那么博主根据表达量可以计算相关性，但如果加入一些新的权重，比如重量、高度、应激条件等等，相当于把基因表达与条件结合起来分析两者之间的关联性或相关性，当然表达量是最关键的。由此也可以
WGCNA分析，简单全面的最新教程
热门推荐
悟道西方
04-30 4万+
欢迎关注天下博客：http://blog.genesino.com/2018/04/wgcna/ WGCNA基本概念 加权基因共表达网络分析 (WGCNA, Weighted correlation network analysis)是用来描述不同样品之间基因关联模式的系统生物学方法，可以用来鉴定高度协同变化的基因集, 并根据基因集的内连性和基因集与表型之间的关联鉴定候补生物标记基因或治疗...
R WGCNA进阶
浮生终有醒
05-13 1万+
经过一段时间的沉淀，文章内容看了一两遍，才稍微懂得一些里面的含义，至于算法结构之类的还是有些不懂，数学不够好。 library(WGCNA) options(stringsAsFactors = FALSE) myData = read.table("new.txt", sep="\t", header=TRUE) dim(myData) names(myData) datExpr =
weighted random-forest analysis
09-19
加权随机森林分析（weighted random-forest analysis）是一种基于随机森林算法改进而来的方法。在传统的随机森林中，所有样本都被视为同等重要，但在实际问题中，不同样本的重要性可能是不同的。加权随机森林分析...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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