具体来说,aij= |cor(xi, xj)|β表示unsigned的共表达网络, aij = |(1 + cor(xi, xj))/ 2|β表示signed的共表达网络。 Module:表达高度相关的基因集。在unsigned的共表达网络中,module对应具有高度绝对相关性的基因集。在signed的网络中,module对应正相关的基因基因集。 ModuleEigengene ME:给定模块的第一主...
If the scale-free topology fit index fails to reach values above 0.8 for reasonable powers (less than 15 for unsigned or signed hybrid networks, and less than 30 for signed networks) and the mean connectivity remains relatively high (in the hundreds or above), chances are that the data exhi...
(2)去掉所有样本中表达量都很低的基因 (3)去掉所有样本中表达量几乎没有差异的基因,可用sd筛选,但不建议只保留差异基因(备注:这里说的差异基因,是指差异显著的基因)。 第二步:构建相关性矩阵 相关系数范围是-1~1,WGCNA分析要求转换为0-1范围。 有两种转换方式: unsigned:不区分正相关和负相关 signed:区分正负...
使用blockwiseModules函数来构建网络 net = blockwiseModules( # 0.输入数据 Texp0, # 1. 计算相关系数 corType = "pearson", # 相关系数算法,pearson|bicor # 2. 计算邻接矩阵 power = x$powerEstimate, networkType = "unsigned", # unsigned | signed | signed hybrid # 3. 计算 TOM 矩阵 TOMType = ...
unsigned:不区分正相关和负相关 signed:区分正负相关 第三步:构建邻接矩阵 软阈值:soft threshold,用power函数将相关性矩阵转换成邻接矩阵,需要确定power的参数β。要求:(1)这个网络更接近于无尺度网络(2)尽可能保留连通性信息。 左图纵坐标是无尺度网络的评价指标r2,r2越接近1,该网络就越接近无尺度网络,通常要求...
(可用boxplot查看基因表达分布是否一致),# 需要quantile normalizationexprMat <- 'WGCNA/LiverFemaleClean.txt'# 官方推荐 'signed' 或 'signed hybrid'# 为与原文档一致,故未修改type = 'unsigned'# 相关性计算# 官方推荐 biweight mid-correlation & bicor# corType: pearson or bicor# 为与原文档一致,故...
(可用boxplot查看基因表达分布是否一致),# 需要quantile normalizationexprMat <- 'WGCNA/LiverFemaleClean.txt'# 官方推荐 'signed' 或 'signed hybrid'# 为与原文档一致,故未修改type = 'unsigned'# 相关性计算# 官方推荐 biweight mid-correlation & bicor# corType: pearson or bicor# 为与原文档一致,故...
##一步法网络构建:One-step network construction and module detection##net = blockwiseModules(datExpr, power = 14, maxBlockSize = 6000,TOMType = "unsigned", minModuleSize = 30,reassignThreshold = 0, mergeCutHeight = 0.25,numericLabels = TRUE, pamRespectsDendro = FALSE,saveTOMs = TRUE,saveTO...
可以通过绘制样品聚类查看分组信息和有无异常样品。# 如果这确实是由有意义的生物变化引起的,也可以使用下面的经验power值。if(is.na(power)){# 官方推荐 "signed" 或 "signed hybrid"# 为与原文档一致,故未修改type ="unsigned"nSamples=nrow(datExpr)power = ifelse(nSamples<20, ifelse(type =="unsigned...
官方推荐 “signed” 或“signed hybrid” 为与原文档一致,故未修改 type = “unsigned” 相关性计算 官方推荐 biweight mid-correlation & bicor corType: pearson or bicor 为与原文档一致,故未修改 corType = “pearson” corFnc = ifelse(corType==”pearson”, cor, bicor) ...