还是老习惯，给出官网教程，至于你是看还是不看，它就在那里，等着你的深入研究～
https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/
WGCNA分析图文详解专题中要解释的第五张图，加权共表达网络的可视化。
image.png
官方注释：
Figure 1: Visualizing the gene network using a heatmap plot. The heatmap depicts the Topological Overlap Matrix(TOM) among all genes in the analysis. Light color represents low overlap and progressively darker red color represents higher overlap. Blocks of darker colors along the diagonal are the modules. The gene dendrogram and module assignment are also shown along the left side and the top.
关于这个WGCNA图文详解，我们已经讲了五期了。可能你对co-expression network是什么还没有一点具体的概念。那么，此图正好可以揭开加权共表达网络的神秘面纱，让你一睹真容。没错，这个图就是对加权共表达网络的一个可视化，只不过是以热图的形式进行展示。下面我们来一一剖析这张图。如有理解错误，还请各位大侠批评指正。
图剖依然成以下几个部分：
- 1，聚类树
- 2，热图
小面我们来一一解读。
1，聚类树
image.png
还记得以前第三期教程么，没错，这个聚类树就是那个聚类树搬到了这里。
回顾：聚类树使用的TOM矩阵对所有基因进行的聚类然后得到的模块。
详细请看第三期教程Cluster Dendrogram图
2，热图
官方说明：
One way to visualize a weighted network is to plot its heatmap, Fig. 1. Each row and column of the heatmap correspond to a single gene. The heatmap can depict adjacencies or topological overlaps, with light colors denoting low adjacency (overlap) and darker colors higher adjacency (overlap). In addition, the gene dendrograms and module colors are plotted along the top and left side of the heatmap.
其实就是对TOM矩阵的一个可视化。这张图来源于官方教程，作者使用了3600个基因进行WGCNA分析。TOM矩阵就是一个3600*3600的矩阵，里面保存这每两个基因之间表达值的相关性值。因此，热图的每一行和每一列都表示一个基因,是一个对称矩阵。
核心代码：
# calculated during module detection, but let us do it again here.
dissTOM = 1-TOMsimilarityFromExpr(datExpr, power = 6);
# Transform dissTOM with a power to make moderately strong connections more visible in the heatmap
plotTOM = dissTOM^7;
# Set diagonal to NA for a nicer plot
diag(plotTOM) = NA;
# Call the plot function
sizeGrWindow(9,9)
TOMplot(plotTOM, geneTree, moduleColors, main = "Network heatmap plot, all genes")
image.png
与一般的热图颜色含义类似，这里颜色越深，表示两个基因之间的相关性越大，颜色越浅表示相关性越小。
热图的对角线可以看出有一些深颜色的模块，就是相关性大的基因聚类成的模块，每一个色块都都是一个模块，与旁边的聚类树底下的模块对应。
可以很明显的看出，模块内部的基因相关性很大。除此之外，其实，还可以看出模块与模块之间也是有关联而不是相互独立的。
今天就说到这里，欢迎大家留言讨论。我们下期再见~
参考资料：
1,https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/
2,A General Framework for Weighted Gene Co-Expression Network Analysis, Stat Appl Genet Mol Biol. 2005;4:Article17. Epub 2005 Aug 12
网友评论