WGCNA(Weighted Gene Co-Expression Network Analysis ),即加权基因共表达网络分析,用于寻找高度相关的基因构成的基因模块module,利用模块特征基因eigengene(模块内第一主成分)或模块内的关键基因Hub gene来总结这些模块,将模块与样本性状进行关联。 1.2 其他关键术语 关键术语(Connectivit
简单举例解释就是样本之间的各个基因是否存在共同表达的模式,例如基因A和基因B是否在某一个阶段中存在相同的表达模式——两者同时上调表达或下调表达。这个方法就是利用这样的思路将样本中基因表达进行分析,探究基因间是否具有共表达的现象,并且根据一定的数值给某一团共表达的基因划分成一个模块,这样聚在一起的不同的...
WGCNA 是一种基于基因表达数据的系统生物学方法,通过构建基因共表达网络,识别高度协同表达的基因模块(Module,并探索这些模块与表型(如疾病、生理特征)之间的关联。其核心思想是:“共表达的基因可能在功能上相关” 。 基因共表达网络 :以基因表达数据为基础,计算基因间的表达相关性(如皮尔逊相关系数),构建无尺度网络(S...
那么用转录组数据去预测GRN的分析分析流程的大致要求和步骤如下: 1、构建基因之间的共表达网络,毕竟如果两个基因之间是存在调控关系的话,那么两个基因之间必定是存在相关性的。 2、明确TFs,进一步需要去区分共表达网络中的分子哪些是TFs,只要知道哪些是转录因子了,就能够区分上游分子和下游分子。 3、明确转录因子结合...
module 指的是在共表达网络中,一组相互连接紧密的node(基因),一般认为一个module中的基因在功能上是相关的。通常通过设定阕值来进行寻找 在共表达分析中,有两种有效的策略Guide-genes 和Non-targeted: image.png Guide-genes策略是,先找到感兴趣的基因/通路的共表达基因,进行可视化,然后再加入另外的基因,看两次加入...
它可以分析基因之间的相互作用关系,对于揭示基因功能、研究疾病发生机制、发现新的药物靶点等方面都具有重要的意义。 的基本原理是将一个组织、器官、细胞或者生物系统中的基因表达量进行统计和分析,并将高度相关的基因组合成一个基因网络。这些组合在网络图形中呈现出来可以形成不同的模块。每个模块中包含一组与特定生物...
WGCNA是一种用于描述样本之间基因相关模式的系统生物学方法，其核心在于构建共表达网络，并通过模块检测、模块与性状关联分析以及目标模块内部分析来发现与表型高度相关的基因集群。本分析过程主要通过R语言实现，其中WGCNA包是专门用于执行此分析的重要工具。在开始WGCNA分析之前，首先需要具备一定的R语言基础。
加权基因表达网络分析(Weighted gene co-expression network analysis, WGCNA),又叫权重基因共表达网络分析,其根本思想是根据基因表达模式的不同,挖掘出相似表达模式的基因,定义为模块(module)的一种算法。具有相似表达模式的基因很可能是紧密共调控的,功能紧密相关的或同一条信号通路或过程的成员,有其特定的生理意义。
例如,加权基因共表达网络分析(WGCNA, Weighted correlation network analysis)是一种描述样本之间基因相关模式(correlation patterns)的系统生物学方法。WGCNA可用于发现表达趋势高度相关的基因cluster(模块),也可将模块与样本表型进行关联,鉴定潜在的生物标志物或治疗靶点。 WGCNA包是专门用于执行WGCNA的综合性R包。功能包括...