今天介紹基礎(chǔ)概念

該流程圖簡(jiǎn)要概述了加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析的主要步驟。圖片來(lái)源于：https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-9-559

基本分析流程

一、學(xué)習(xí)WGCNA，加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析的必備知識(shí)點(diǎn)

注：

① 鄰近矩陣：是圖的一種存儲(chǔ)形式，用一個(gè)一維數(shù)組存放圖中所有頂點(diǎn)數(shù)據(jù)；用一個(gè)二維數(shù)組存放頂點(diǎn)間關(guān)系（邊或?。┑臄?shù)據(jù)，這個(gè)二維數(shù)組稱(chēng)為鄰接矩陣；在WGCNA分析里面指的是基因與基因之間的相關(guān)性系數(shù)矩陣。 如果用了閾值來(lái)判斷基因相關(guān)與否，那么這個(gè)鄰近矩陣就是0/1矩陣，只記錄基因相關(guān)與否。但是WGCNA沒(méi)有用閾值來(lái)卡基因的相關(guān)性，而是記錄了所有基因之間的相關(guān)性。

②?WGNA認(rèn)為基因之間的簡(jiǎn)單的相關(guān)性不足以計(jì)算共表達(dá)，所以它利用二維數(shù)組的鄰近矩陣，又計(jì)算了一個(gè)新的鄰近矩陣。通常情況下，TOM（拓?fù)渲丿B矩陣）是WGCNA分析的最終結(jié)果，后續(xù)的分析主要是對(duì)TOM的下游注釋。

二、什么是加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析 (WGCNA)?

加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析（Weighted Gene Co-expression Network Analysis，簡(jiǎn)稱(chēng) WGCNA）是一種用于分析基因表達(dá)數(shù)據(jù)中基因之間相互關(guān)系的方法。

它通過(guò)構(gòu)建基因表達(dá)的加權(quán)網(wǎng)絡(luò)，利用基因之間的共表達(dá)模式來(lái)識(shí)別與特定表型（如疾病狀態(tài)、性別、環(huán)境條件等）相關(guān)的基因模塊。

WGCNA 通過(guò)計(jì)算基因?qū)χg的相關(guān)性，構(gòu)建加權(quán)基因共表達(dá)網(wǎng)絡(luò)，并將表達(dá)模式相似的基因歸為同一模塊，從而揭示基因間的潛在關(guān)聯(lián)。

三、WGCNA的操作意義是什么？

① 基因模塊的識(shí)別：通過(guò)構(gòu)建基因共表達(dá)網(wǎng)絡(luò)，識(shí)別出具有相似表達(dá)模式的基因群體，稱(chēng)為基因模塊。這些模塊可能與特定的生物學(xué)功能、疾病或環(huán)境因素相關(guān)。

② 與表型數(shù)據(jù)的關(guān)聯(lián)：通過(guò)與臨床或?qū)嶒?yàn)表型數(shù)據(jù)進(jìn)行關(guān)聯(lián)，WGCNA 可以幫助發(fā)現(xiàn)與表型相關(guān)的基因模塊，提供生物學(xué)上的理解。

③ 功能富集分析：對(duì)識(shí)別出的模塊進(jìn)行功能富集分析，揭示模塊內(nèi)基因的共同功能或生物學(xué)路徑。

④ 標(biāo)記基因的識(shí)別：通過(guò)網(wǎng)絡(luò)分析，找出與特定模塊或表型強(qiáng)相關(guān)的“關(guān)鍵基因”，即 hub genes，這些基因可能是潛在的生物標(biāo)記或治療靶點(diǎn)。

四、WGCNA的工作原理是什么？

WGCNA 的工作原理可以分為幾個(gè)步驟：

① 數(shù)據(jù)預(yù)處理：收集并整理基因表達(dá)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化或過(guò)濾，以去除噪聲。

② 構(gòu)建基因共表達(dá)網(wǎng)絡(luò)：計(jì)算每對(duì)基因之間的相關(guān)性，通常使用皮爾遜相關(guān)系數(shù)（Pearson correlation）。根據(jù)相關(guān)性，使用加權(quán)方式計(jì)算網(wǎng)絡(luò)中的每條邊的權(quán)重。

③ 網(wǎng)絡(luò)構(gòu)建：通過(guò)閾值化或者軟閾值（soft thresholding）方法，確定網(wǎng)絡(luò)中基因?qū)χg的連接強(qiáng)度，進(jìn)而構(gòu)建基因共表達(dá)網(wǎng)絡(luò)。

④ 模塊檢測(cè)：利用聚類(lèi)算法（如層次聚類(lèi)），將表達(dá)模式相似的基因歸為一類(lèi)，形成基因模塊。

⑤ 模塊與表型關(guān)聯(lián)：將模塊的基因表達(dá)模式與外部表型數(shù)據(jù)進(jìn)行相關(guān)性分析，找出與特定表型顯著相關(guān)的模塊。

⑥ 功能注釋與分析：對(duì)識(shí)別出的模塊進(jìn)行功能富集分析，理解這些模塊的生物學(xué)意義。

五、WGCNA能做什么？

① 基因模塊的識(shí)別：通過(guò)聚類(lèi)分析，找出在表達(dá)模式上相似的基因群體，識(shí)別基因模塊。

② 模塊與表型的關(guān)聯(lián)分析：識(shí)別與疾病、治療反應(yīng)、性別、環(huán)境因素等表型相關(guān)的基因模塊。

③ 關(guān)鍵基因的篩選：找出在特定模塊中表現(xiàn)出中心作用的基因，這些基因可能是生物標(biāo)記物或治療靶點(diǎn)。

④ 功能注釋與通路分析：通過(guò)功能富集分析，識(shí)別與某些生物過(guò)程、通路相關(guān)的基因模塊。

⑤ 基因網(wǎng)絡(luò)的構(gòu)建：生成基因共表達(dá)網(wǎng)絡(luò)圖，幫助研究基因之間的相互關(guān)系。

六、WGCNA能與哪些別的分析放在一起？

① 差異表達(dá)分析：先進(jìn)行差異表達(dá)分析，找出表達(dá)水平顯著不同的基因，再使用 WGCNA 進(jìn)行進(jìn)一步的模塊化分析。

② 基因集富集分析（GSEA）：在 WGCNA 結(jié)果基礎(chǔ)上，進(jìn)一步對(duì)識(shí)別出的模塊進(jìn)行 GSEA，探索這些模塊是否與已知的基因集或通路顯著相關(guān)。

③ 機(jī)器學(xué)習(xí)：可以將 WGCNA 識(shí)別出的模塊作為特征輸入到機(jī)器學(xué)習(xí)模型中，用于分類(lèi)或回歸分析，預(yù)測(cè)疾病風(fēng)險(xiǎn)、治療反應(yīng)等。

④ 基因功能預(yù)測(cè)：通過(guò)將模塊與已有的生物學(xué)數(shù)據(jù)庫(kù)（如 GO、KEGG 等）結(jié)合，分析模塊的潛在功能。

⑤ 表觀遺傳學(xué)分析：結(jié)合表觀遺傳學(xué)數(shù)據(jù)，如 DNA 甲基化、組蛋白修飾等，分析這些因素如何影響基因共表達(dá)模式。

⑥ 多組學(xué)數(shù)據(jù)整合分析：將 WGCNA 與其他組學(xué)數(shù)據(jù)（如轉(zhuǎn)錄組、蛋白組、代謝組等）結(jié)合，分析不同組學(xué)數(shù)據(jù)對(duì)基因共表達(dá)網(wǎng)絡(luò)的影響。

七、WGCNA可以做哪些可視化，分別有什么意義？

① 基因共表達(dá)網(wǎng)絡(luò)圖：展示基因間的共表達(dá)關(guān)系，可以幫助識(shí)別基因模塊及其互作網(wǎng)絡(luò)。

② 模塊熱圖：展示每個(gè)基因模塊內(nèi)基因的表達(dá)模式，通常通過(guò)熱圖的顏色深淺來(lái)表示基因表達(dá)水平。

③ 模塊-表型相關(guān)性圖：顯示基因模塊的表達(dá)模式與表型（如疾病狀態(tài)、環(huán)境條件等）之間的相關(guān)性，幫助發(fā)現(xiàn)與表型顯著相關(guān)的基因模塊。

④ 基因模塊樹(shù)狀圖：通過(guò)層次聚類(lèi)方法展示基因模塊的聚類(lèi)情況，幫助查看模塊間的相似性。

⑤ 模塊內(nèi) hub gene 可視化：突出展示模塊內(nèi)重要的 hub 基因，幫助識(shí)別可能的生物標(biāo)記或治療靶點(diǎn)。

⑥ PCA 圖（主成分分析）：幫助評(píng)估基因模塊的變異情況及其與表型的關(guān)系。

八、WGCNA可以用哪些算法實(shí)現(xiàn)？還是只能用代碼和函數(shù)實(shí)現(xiàn)？

WGCNA 主要通過(guò) R 編程語(yǔ)言中的WGCNA包來(lái)實(shí)現(xiàn)。這個(gè)包提供了一整套用于構(gòu)建基因共表達(dá)網(wǎng)絡(luò)、識(shí)別基因模塊、進(jìn)行模塊與表型關(guān)聯(lián)分析的函數(shù)。它并不依賴(lài)于其他外部算法包，而是通過(guò)標(biāo)準(zhǔn)的統(tǒng)計(jì)方法和網(wǎng)絡(luò)分析技術(shù)實(shí)現(xiàn)：

- 相關(guān)性計(jì)算：使用皮爾遜相關(guān)系數(shù)或其他相似性度量方法計(jì)算基因?qū)χg的關(guān)系。

- 網(wǎng)絡(luò)構(gòu)建：使用加權(quán)連接函數(shù)（如軟閾值化）來(lái)構(gòu)建基因共表達(dá)網(wǎng)絡(luò)。

- 模塊識(shí)別：通過(guò)層次聚類(lèi)或動(dòng)態(tài)剪切算法識(shí)別基因模塊。

- 模塊與表型關(guān)聯(lián)分析：使用線性回歸、相關(guān)性分析等方法來(lái)評(píng)估模塊與表型之間的關(guān)系。

所以，WGCNA 的實(shí)現(xiàn)主要依賴(lài)于 R 語(yǔ)言中的包和函數(shù)，雖然也可以結(jié)合其他算法，但核心實(shí)現(xiàn)通常是通過(guò)代碼和函數(shù)。

九、WGCNA能出哪些數(shù)據(jù)結(jié)果？

① 基因共表達(dá)網(wǎng)絡(luò)：基因間的相關(guān)性矩陣，表示基因?qū)χg的共表達(dá)關(guān)系。

② 基因模塊：基因根據(jù)共表達(dá)模式被分為多個(gè)模塊，每個(gè)模塊包含了一組具有相似表達(dá)模式的基因。

③ 模塊與表型的相關(guān)性：每個(gè)基因模塊與外部表型（如疾病狀態(tài)、環(huán)境條件等）之間的相關(guān)性。

④ 功能富集分析結(jié)果：對(duì)每個(gè)基因模塊進(jìn)行 GO（Gene Ontology）、KEGG 等功能富集分析，揭示模塊的生物學(xué)功能。

⑤ 關(guān)鍵基因：每個(gè)模塊內(nèi)的 hub gene 或關(guān)鍵基因，這些基因在模塊中具有重要的網(wǎng)絡(luò)地位。

⑥ 網(wǎng)絡(luò)圖：基因共表達(dá)網(wǎng)絡(luò)的可視化結(jié)果，包括基因間的連接關(guān)系和模塊結(jié)構(gòu)。

生物信息學(xué)領(lǐng)域非常廣泛，難以一次說(shuō)盡。我們下次繼續(xù)更新，一起深入學(xué)習(xí)生物信息學(xué)的內(nèi)容！

喜歡的寶子們點(diǎn)個(gè)贊吧~碼字不易，且行且珍惜~