Step-by-Step 可以调试不同的参数,自定义 大数据集 数据集太大无法全部进行分析 2.1 确定soft-thresholding power 这里其实就是确定一下大概能分几个模块,一般选择第一个达到0.9以上的参数,最低不能小于0.8。 #* 开启多线程 enableWGCNAThreads() #* 对于每个阈值,分别调用拓扑分析函数 powers = c(seq(4,10...
(MEs, moduleLabels, moduleColors, geneTree, file = "step3_stepByStep_genes_modules.Rdata") nrow(datExpr) # 查看 datExpr 的行数(基因数) length(moduleColors) geneNames = rownames(t(datExpr)) # 合并后的模块颜色 moduleColors = mergedColors # 创建一个数据框,包含基因名称和它们对应的模块颜色 ...
file = "step3_stepByStep_genes_modules.Rdata") } step3_stepbystep_DynamicTreeCut_genes-modules.pdf ④ 关联基因模块与表型 绘制模块与表型的相关性热图、模块与表型的相关性boxplot图、基因与模块、表型的相关性散点图; 结合所得各类相关性结果,判断出哪些模块与表型是高度相关的,从而关联基因模块与表型。
今天写个最近用到的分析方法,Weighted correlation network analysis(WGCNA),是非常经典的生信分析方法了,现在被引有9913次了,马上就要破万啦。😘 网上相关的教程也是不胜枚举,但多多少少是有些不尽人意的地方,有的少步骤,有的代码不全。😅 这里在仔细阅读了官方手册后,在这里和大家一起认真地step by step研...
1. 简介 1.1 背景 WGCNA（weighted gene co-expression network analysis，权重基因共表达⽹络分析）是⼀种分析多个样本基因表达模式的分析⽅法，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关系，因此在基因组研究中被⼴泛应⽤。相⽐于只关注差异表达的基因，WGCNA利⽤数千...
利用WGCNA有一步法建网络的,也有step by step的方法,为了保证理解,建议至少过一遍step by step。 安装WGCNA根据不同的操作系统可能略有不同,我在macOS下安装着实废了一番功夫。这一部分不提。 # 加载必须的包并做参数设置library(MASS) library(class)library(cluster) ...
load(file = "wgcna-02-networkConstruction-stepByStep.rdata")load(file = "wgcna-01-dataInput.rdata") 计算模块(使用eigengenes代表)和性状(临床信息)的相关性和P值: # Define numbers of genes and samplesnGenes = ncol(datExpr);nSamples = nrow(datExpr);# Recalculate MEs with color labelsMEs0 ...
STEP6:感兴趣性状的模块的具体基因分析 性状跟模块虽然求出了相关性,可以挑选最相关的那些模块来分析,但是模块本身仍然包含非常多的基因,还需进一步的寻找最重要的基因。所有的模块都可以跟基因算出相关系数,所有的连续型性状也可以跟基因的表达值算出相关系数。主要参考资料:PDF document, R script 如果跟性状显著相...
step6:感兴趣性状的模块的具体基因分析 性状跟模块虽然求出了相关性,可以挑选最相关的那些模块来分析,但是模块本身仍然包含非常多的基因,还需进一步的寻找最重要的基因。所有的模块都可以跟基因算出相关系数,所有的连续型性状也可以跟基因的表达值算出相关系数。主要参考资料:PDF document, R script 如果跟性状显著相...
加权基因共表达网络分析 (WGCNA, Weighted correlation network analysis)是用来描述不同样品之间基因关联模式的系统生物学方法,可以用来鉴定高度协同变化的基因集, 并根据基因集的内连性和基因集与表型之间的关联鉴定候补生物标记基因或治疗靶点。 相比于只关注差异表达的基因,WGCNA利用数千或近万个变化最大的基因或全部...