承接上节:RNA-seq入门实战(四):差异分析前的准备——数据检查,以及RNA-seq入门实战(五):差异分析——DESeq2 edgeR limma的使用与比较 我们《生信技能树》这些年有很多关于WGCNA的实战细节建议分享,见: 一文学会WGCNA分析 一文看懂WGCNA 分析(2019更新版)(点击阅读原文即可拿到测序数据) 明码标价之公共数据集的WGCN...
WGCNA (weighted gene co-expression network analysis)权重基因共表达网络分析(流程模块见下图),可将表达模式相似的基因进行聚类,并分析模块与特定性状或表型之间的关联,常用于筛选关键表型的hub基因 ,是RNAseq分析中的一块很重要的拼图。而之所以叫组学数据黏合剂是因为表型可以是患者的临床信息(生存信息,分期信息,基线...
load("RNAseq.SKCM_WGCNA.RData")head(cibersort_in,2)expr2[1:4,1:4] 二WGCNA分析 2.1 获取软阈值 WGCNA针对的是基因进行聚类,注意下自己的数据是否需要转置。 ## 选取top 5000 mad genesWGCNA_matrix = t(expr2[order(apply(expr2,1,mad), decreasing = T)[1:5000],])datExpr <- WGCNA_matrix ...
图1 胶质母细胞瘤和正常样本的scRNA-seq和细胞分型 2.DEGs的识别及hub基因的鉴定 对TCGA-GBM和GTEx队列进行差异性分析,共筛选出3911个差异表达基因(DEGs,2021个上调,1901个下调)(图2A)。然后对TCGA-GBM进行WGCNA分析,识别出8个模块(图2D),其中绿松石色和棕色的模块与GBM的发育显著相关。将ECs的标记基因与WGCNA...
WGCNA package: Frequently Asked Questions (ucla.edu) 样本数>= 15 基因过滤方法采用均值、方差、中位数、绝对中位差MAD等方法,过滤低表达或样本间变化小的基因,但不建议用差异分析的方法进行过滤 输入数据形式如果有批次效应,需要先进行去除; 处理RNAseq数据,需要采用DESeq2的varianceStabilizingTransformation方法,或...
详细讲述了如果使用R语言进行WGCNA数据分析发布者 关注 R语言分析作图 全网讲课讲的最细的R语言Up主 课程概述 评论(0) 适合零基础学习,适合 常见问题 Q:课程在什么时间更新? A:课程更新频次以页面前端展示为准。购买成功后,课程更新将通过账号动态提示,方便及时观看。 Q:课程购买后有收看时间限制吗? A:购买后除...
WGCNA 整个流程的输入文件为 RNA-seq 测序结果计算获得的 Count矩阵,通常我们需要转置输入数据,这样 rows = treatments and columns = geneprobes,WGCNA 输出的是聚类基因列表和加权基因相关网络文件。WGCNA数据过滤分析流程如下: 1. Data input and cleaning 软件包安装及加载,如下: if(!require(WGCNA)){ BiocManager...
WGCNA (weighted gene co-expression network analysis)权重基因共表达网络分析(流程模块见下图),可将表达模式相似的基因进行聚类,并分析模块与特定性状或表型之间的关联,常用于筛选关键表型的hub基因 ,是RNAseq分析中的一块很重要的拼图。而之所以叫组学数据黏合剂是因为表型可以是患者的临床信息(生存信息,分期信息,基线...
TCGA的乳腺癌RNA-seq数据WGCNA分析示例 WGCNA(WeightedCorrelationNetworkanalyi)是一个基于基因表达数据,构建基因共表达网络的方法。WGCNA和差异基因分析(DEG)的差异在于DEG主要分析样本和样本之间的差异,而WGCNA主要分析的是基因和基因之间的关系。WGCNA通过分析基因之间的关联关系,将基因区分为多个模块。而最后通过这些...
文章用到的方法都是常见分析内容,但需要整体数据分析的逻辑性。从所有细胞类型,先注释找到有用的细胞,再从中找到关键类型,再细分亚群。将基因用WGCNA分析划分模块,再找到与性状最相关的模块,结合RNA-seq差异结果,韦恩图筛选共有基因,同时完成表达量的验证。转录因子注释属于优中选优,围绕它们构建调控网络,再用cytoscap...