探“云”指南 | 一文教你WGCNA分析

第一列为样本名称，其余列为表型名称，对应值为每个 表型的数字型特征值。

请您注意：不会对非数值型的表型进行分析。

①请于主要参数中的表达矩阵文件、表型文件处上传您所要进行分析的文件，为必填参数。在“选择文件”后显示上传的文件名说明上传成功。

此处为上传成功示例：

图5 | 文件上传成功示例

①权重参数：默认为自适应。具体值可在结果报告中找到。您也可以自行指定权重值，这种情况一般用于已知power或者有指定power时再次进行分析。

②标准差阈值：对数据进行标准差过滤，剔除标准差小于该阈值的基因。可选择范围为0-1，数值越大保留的基因越少。默认为“0.5”。

③模块合并阈值：模块合并的参数阈值。可选择范围为0-1，数值越小模块越多。默认为“0.25”。

④模块网络图hub节点数量：模块网络图中展示的top节点数量选择，默认为“50”。

⑤是否展示hub节点对应的所有边：选择模块网络图中是否需要展示hub节点对应的所有边，默认为“否”，仅展示top200的边。

⑥是否保存所有节点的连接度数据：选择是否增加输出“module_all_gene.csv”与“module_all_cytoscape.txt”文件，保存所有节点的连接度数据与cytoscape文件，默认为“否”，即不输出。

文件上传成功后点击“提交”，右侧工作区将提示您所需时间。有时会遇到任务排队情况，请您耐心稍等。

如图所示区域：

图6 | 工具预估耗时提示处

（图片为使用示例文件及其他参数保持默认时的结果）

5.2.1、网络构建参数选择——网络拟合计算与选定的网络构建参数的拟合曲线

确定最优软阈值参考左图，在不同软阈值，即x轴下的无标度拟合指数，即y轴。

（R包WGCNA的pickSoftThreshold规则为选取第一个达到R平方大于0.85的power值; 若未达到0.85, 则取第一个达到较为稳定的R平方值power; 若均未满足，取最大power值）

右图为不同软阈值情况下的网络连通度。

图8 | 网络拟合计算与选定的网络构建参数的拟合曲线示例

5.2.2、 模块识别与分析结果

左图是基于最优软阈值构建共表达网络，上半部分是基因的层次聚类树状图，下半部分是基因模块，也就是网络模块。上下对应，可以看到在距离矩阵中距离较近的基因被划分到了同一模块。

右图是基因之间的相关性热图。其中颜色越深说明基因之间的相互作用越强。对角线表示模块内部基因之间的相互作用，所以颜色最深。左侧和上面都有模块间的聚类树。

图9 | 加权共表达网络构建结果示例

图10 | 模块内基因表达信息统计示例

5.2.3、模块性状关联分析结果——散点图与热图

散点图可以查看基因与模块的相关性（Module Membership,MM）和基因与性状的相关性（Gene Significance,GS）之间是否有某种关联，此处MM与GS呈现负相关。

热图展示了Pearson计算模块（eigengene）与trait的相关性。

图11 | 模块性状关联分析散点图与热图结果示例

5.2.4、核心基因分析结果——模块内核心基因网络图

模块内核心基因网络图可视化展示模块内连接度最高的一群基因间的互作关系，此图展示的节点数量为top50。

图12 | 模块内核心基因网络图结果示例

图13 | 历史记录示例

1、探“云”指南 | 微生物ROC曲线

2、探“云”指南 | 免费物种功能贡献度分析小工具不容错过！

3、探“云”指南 | 拜托！谁不喜欢清晰直观的条形图啊！！！

4、探“云”指南 | 全体复诵：欧易云GSEA分析！

END

排版人：七七

原创声明：本文由欧易生物(OEBIOTECH)学术团队报道，本文著作权归文章作者所有。欢迎个人转发及分享，未经作者的允许禁止转载。