通过WGCNA作者的测试数据来学习

原创生信技能树通过WGCNA作者的测试数据来学习

测试数据下载链接在：https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/SimulatedData.zip

在这样的测试数据里面很容易跟着作者的文档，一步步掌握WGCNA，文档步骤目录如下：

Simulation of expression and trait data: PDF document, R script
Loading of expression data, an alternative to data simulation, provided to illustrate data loading of real data: PDF document, R script
Basic data preprocessing illustrates rudimentary techniques for handling missing data and removing outliers: PDF document, R script
Standard gene screening illustrates gene selection based on Pearson correlation and shows that the results are not satisfactory: PDF document, R script
Construction of a weighted gene co-expression network and network modules illustrated step-by-step; includes a discussion of alternate clustering techniques: PDF document, R script
Relating modules and module eigengenes to external data illustrates methods for relating modules to external microarray sample traits: PDF document, R script
Module membership, intramodular connectivity, and screening for intramodular hub genes illustrates using the intramodular connectivity to define measures of module membership and to screen for genes based on network information: PDF document, R script
Visualization of gene networks: PDF document, R script

第一步：了解测试数据

这里作者模拟了 3000 genes in 50 samples 的表达矩阵，然后这3000个基因可以使用WGCNA算法比较好的区分成为5个模块，颜色可以标记为( turquoise, blue, brown, green, and yellow)，当然，还有大量的基因处于grey模块，就是需要忽略掉的。

另外值得注意的是，作者模拟了 **a simulated clinical trait y ** 这个表型信息，在后续分析也用得上。

这个模拟数据的代码，非常值得学习，因为它蕴藏着WGCNA的原理，相当于反向解析。

第二步：在R里面载入测试数据

这个只需要注意一下R语言项目管理模式即可，使用Rstudio新建project文件夹。

第三步：数据预处理

主要是去除离群点，包括样本和基因，主要是R基础代码的应用。

也可以简单的层次聚类，看看数据分布，样本距离。在我https://github.com/jmzeng1314/my_WGCNA 展示的乳腺癌数据集，效果如下：

image

第四步：基因挑选

这个步骤主要是考虑到基因数量太大，后续计算量比较可观，很多基因是没有必要进入后续WGCNA环节的，这个时候很多人会喜欢先做差异分析，挑选统计学显著的差异基因，但是作者不认为这样的策略可取。

第五步：基因模块构建（主要）

首先需要使用函数 pickSoftThreshold 挑选最佳阈值！

然后使用函数 blockwiseModules 一步构建加权共表达网络（Weight co-expression network)

还可以使用函数 plotDendroAndColors 可视化我们的基因模块树。

第六步：模块内部诊断

根据模块的基因集表达矩阵，判断某个模块的eigengenes，然后基于各个模块的eigengenes进行模块之间相关性的计算

datME=moduleEigengenes(datExpr,moduleColors)$eigengenessignif(cor(datME, use="p"), 2)dissimME=(1-t(cor(datME, method="p")))/2hclustdatME=hclust(as.dist(dissimME), method="average" )# Plot the eigengene dendrogrampar(mfrow=c(1,1))plot(hclustdatME, main="Clustering tree based of the module eigengenes")sizeGrWindow(8,9)plotMEpairs(datME )

也可以查看具体某个模块的基因集的表达量热图

sizeGrWindow(8,9)par(mfrow=c(3,1), mar=c(1, 2, 4, 1))which.module="turquoise";plotMat(t(scale(datExpr[,colorh1==which.module ]) ),nrgcols=30,rlabels=T,        clabels=T,rcols=which.module,        title=which.module )

如果有临床性状指标，就可以把各个模块和临床指标进行相关性诊断。比如在我GitHub讲解的乳腺癌数据集是https://github.com/jmzeng1314/my_WGCNA 可以很清晰的看到不同乳腺癌压型有着不同相关性的基因模块。