WGCNA圖文詳解(七)-eigengene network的可視化
還是老習(xí)慣，給出官網(wǎng)教程，至于你是看還是不看，它就在那里，等著你的深入研究～
https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/
WGCNA分析圖文詳解專(zhuān)題中要解釋的第六張圖，eigengene network的可視化
關(guān)于這個(gè)WGCNA圖文詳解，我們已經(jīng)講了6期了。我們通過(guò)聚類(lèi)得到不同的模塊之后，那么模塊與模塊之間是否也存在一定的關(guān)系呢？模塊與性狀之間的關(guān)系呢？
圖剖依然成以下幾個(gè)部分：
1，左圖a，由模塊和性狀weight構(gòu)成的聚類(lèi)樹(shù)，右圖b，對(duì)應(yīng)a圖的熱圖。兩幅圖表示的是一個(gè)意思，只不過(guò)是展示形式不一樣（個(gè)人感覺(jué)右圖更直觀具體一些）
小面我們來(lái)一一解讀，如有理解錯(cuò)誤還請(qǐng)批評(píng)指正。
官方說(shuō)明1：
Figure 2: Visualization of the eigengene network representing the relationships among the modules and the clinical trait weight. Panel (a) shows a hierarchical clustering dendrogram of the eigengenes in which the dissimilarity of eigengenes EI, EJ is given by 1 ? cor(EI; EJ). The heatmap in panel (b) shows the eigengene adjacency AIJ = (1 + cor(EI; EJ))/2.
這里解釋了這幅圖表示模塊與模塊，模塊與性狀weight（體重）之間的關(guān)系。
1）圖a衡量相似性用的是cor(EI;EJ)，即模塊I與模塊J的eigengene值的相關(guān)性，然后用1-cor(EI;EJ)來(lái)表示兩個(gè)模塊之間的距離（非相似度），表現(xiàn)在聚類(lèi)樹(shù)的高度（y軸的值），高度越短，兩個(gè)模塊越相似（負(fù)相關(guān)）。
2）圖b使用的刻度是 (1 + cor(EI; EJ))/2，這個(gè)值越大兩個(gè)模塊越相似（正相關(guān)）。
官方說(shuō)明2：
The eigengene dendrogram and heatmap identify groups of correlated eigengenes termed meta-modules. For example, the dendrogram indicates that red, brown and bluw modules are highly related; their mutual correlations are stronger than their correlations with weight. On the other hand, the salmon module, which is also significantly correlated with weight, is not part of the same meta-module as the red,brown and blue modules, at least if meta-modules are defined as tight custers of modules (for example, modules with a correlation of eigengenes of at least 0.5).
解讀：
模塊與模塊之間高度相關(guān)可以形成meta-modules，meta-modules定義的條件是這個(gè)超級(jí)模塊內(nèi)模塊與模塊之間的相關(guān)性至少要達(dá)到0.5。
從這個(gè)圖可以看出，這里有三個(gè)meta-module，如red, brown and blue模塊形成了一個(gè)meta-modules，它們內(nèi)部之間的相關(guān)性比它們與性狀weight體重的相關(guān)性還要大。
今天就說(shuō)到這里，歡迎大家留言討論。我們圖文詳解教程總共有7期，今天到這里就在結(jié)束了~。圖的解說(shuō)說(shuō)來(lái)說(shuō)去也就那些意思，這次的重點(diǎn)是下個(gè)專(zhuān)題內(nèi)容的預(yù)告：
后面我們針對(duì)這個(gè)WGCNA還會(huì)出一個(gè)分析過(guò)程詳解的專(zhuān)題
包括但不限于以下內(nèi)容：
1，WGCNA適用于什么分析內(nèi)容？
2，做WGCNA分析我該使用什么數(shù)據(jù)，是NGS中基因表達(dá)的count值還是FPKM，還是都可以？芯片數(shù)據(jù)的基因水平的表達(dá)值？是否需要log轉(zhuǎn)換？是否需要標(biāo)準(zhǔn)化？
3，我該選取哪些基因進(jìn)入分析？是全部的基因還是只用差異表達(dá)的基因還是經(jīng)過(guò)了某種過(guò)濾手段后選取的一部分合理（為什么合理）的基因？
4，多少樣本量合適呢？怎么檢測(cè)異常（離群樣本），這些樣本是刪除還是可以進(jìn)入后續(xù)分析？會(huì)給分析結(jié)果帶來(lái)怎樣的影響？
5，如何選取softpower，在最初構(gòu)建softpower的時(shí)候取值范圍如何選擇，用1-20還是什么？為什么？
6，如何選取模塊以及模塊中的Hub基因？
7，分類(lèi)變量的表型變量應(yīng)該如何合理的數(shù)值化？
8，......................等等更多精彩解說(shuō)。
參考資料：
1,https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/
2,A General Framework for Weighted Gene Co-Expression Network Analysis, Stat Appl Genet Mol Biol. "Statistical applications in genetics and molecular biology.") 2005;4:Article17. Epub 2005 Aug 12
