R包WGCNA---转录组WGCNA共表达网络构建（基本概念）

1. WGCNA简介

基于基因表达量相关性计算的网络在生物信息学中广泛应用，加权的基因共表达网络用来描述多个样本中基因表达的相关模式。此时，基于权重的相关性网络分析（WGCNA）应运而生，WGCNA可以挖掘高度相关基因的表达模块（module）或基因簇（cluster），并使用特征基因（eigengene）或关键基因（hub gene）来简要代表这类基因簇，相关的模块之间和模块与外部表型值可以计算成员测量值（module membership measures），作为后续分析的选择指标。这种相关性网络的方法可以用于基因扫描鉴定生物标记和治疗靶点，已经成为系统生物学中重要的分析方法。

有学者开发了相关的R包WGCNA，该R包文章于2008年发表在BMC bioinformatics上面，题目为，目前网页显示引用量为12800+，是多基因模块化聚类,、共表达网络分析的重要工具。

此外，了解该方法的实施细节，WGCNA不仅可以用于基因表达型数据，也可以作为一种数据挖掘工具，拓宽研究应用。本文主要是依据WGCNA官网和优秀的博主文章，介绍WGCNA在基因表达数据中的原理及应用介绍。

WGCNA: an R package for weighted correlation network analysis

目前在google scholar中引用次数为12820次。

2. WGCNA分析原理

（1）R包WGCNA的主要功能

1. network construction; 
2. module detection; 
3. module and gene selection; 
4. calculations of topological properties; 
5. data simulation; 
6. visualization; 
7. interfacing with external software packages.

（2）WGCNA的基本概念和工作流程

主要参考下面的官方文档和生信宝典的教程文章：

https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/index.html
https://cloud.tencent.com/developer/article/1936465

Step2：工作流程如下

主要的模块构建，模块选择和网络绘制（具体实操代码参看官方文档或其他博客）：

（3）WGCNA分析的常见问题及注意事项

https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/faq.html

文章中也提到WGCNA使用的一些局限： （1）WGCNA已经假定输入数据已经是处理妥当的，已经是标准化的数据（microarray data） 使用一些Bioconductor的R包完成标准化过程，要结合生物学意义进行标准化，即使数学上没问题也不行。 （2）WGCNA工具是存在偏差或失效的 当存在技术问题，组织污染，实验设计不当等原因都会导致结果分析偏差。 （3）WGCNA中的多种共表达模块检测方法并未进行比较 WGCNA中多种方法没有比较，比如默认的层级聚类在几套数据中表现较好，可以与其他方法比较作为标准。 （4）WGCNA中鉴定的网络相关的两个nodes是没有方向的 鉴定的网络中有连线的两个nodes，只是相关，没有调控方向。

参考： https://cloud.tencent.com/developer/article/1936465 （生信宝典文章） https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/ （官方网站） https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/faq.html （常见问题） https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/index.html （官方教程）