参考文章： 加权基因共表达网络分析（WGCNA）案例代码 诚意满满的WGCNA分析，不进来看看吗？...生物信息数据分析教程视频——16-单样本基因集富集分析(ssGSEA)用于肿瘤相关免疫细胞浸润水平评估 1.案例数据： 表达谱数据：行为基因，列为样本。...("TCGA-BLCA-normalize_turmor_ssGSEA_Score.Rdata")# norm_ssGSEA_Score head(norm_ssGSEA_Score)[,1:4] 分析代码...library(tibble) library(ggpubr) library(pheatmap) library(ComplexHeatmap) library(ggrepel) library(WGCNA...="", xlab="", cex.lab = 1.5, cex.axis = 1.5, cex.main = 2) dev.off() message(paste0("=========WGCNA
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,...测试数据下载地址：https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/FemaleLiver-Data.zip...", "stringr", "reshape2"), repos="https://mirrors.tuna.tsinghua.edu.cn/CRAN") library(WGCNA) options(...stringsAsFactors = FALSE); #开多线程，但是Mac上似乎这一步会报错，可不做 enableWGCNAThreads() library(WGCNA); options(stringsAsFactors...image.png 参考： http://blog.genesino.com/2018/04/wgcna/#wgcna%E5%9F%BA%E6%9C%AC%E6%A6%82%E5%BF%B5 https
上期【高阶】WGCNA共表达网络分析-让你的文章闪耀起来中，我们给大家讲解了WGCNA的基本理论和其中的一些基本的概念，很多同学已经迫不及待想要学习整个WGCNA的分析流程了。...我们比较了很多网络上的教程，发现大多数文章都是翻版WGCNA官网中的分析流程去做，并没有把WGCNA的精髓给讲清楚。而且很多文章把整个分析流程讲的异常繁琐，让很多同学看了就望而却步。...整体来讲，WGCNA的分析流程是很繁琐的，一个全套的分析可能会涉及8-9个步骤，但是，这里面有很多步骤其实无关紧要，跟分析的主线，也就是“筛选与表型相关的核心基因”是脱离的。...所谓WGCNA（共表达网络）分析，说到底还是要构建一个网络的。那么，既然说到网络，就不得不说最厉害的网络图分析软件Cytoscape。它能够帮我们去实现网络图的可视化和深层次的挖掘。...那么，到这里为止，一个WGCNA的分析就完成了。难吗？其实也就那么回事。导入数据->选择power值->划分module->挑选module->绘制网络，结束！
本文采用WGCNA官网的Tutirial 1的数据，对加权基因共表达网络分析和后续的数据挖掘的具体操作进行梳理， 数据可以从官网下载，示意图如下 ? 整个分析流程可以分为以下几个步骤 1....datExpr0) = names(femData)[-c(1:8)] 对于基因的表达量数据，需要进行过滤，对于基因而言，可以过滤缺失值或者低表达的基因，对于样本而言，如果该样本中基因缺失值很多，也需要过滤，WGCNA...在WGCNA中，对于基因定义了GS值，表征基因和表型之间的相关性，对于module而言，也可以用所有基因GS绝对值的平均数来表征该module与表型之间的相关性，代码如下 moduleColors =...FilterGenes= abs(GS1)> .2 & abs(datKME$MM.brown)>.8 筛选出候选基因后，可以进行下游的功能富集分析，使用clusterProfiler等R包，进一步挖掘功能...，之前的文章有详细介绍如何进行富集分析，这里就不展开了。
本文应该是第二全的WGCNA分析教程，参考了最新的文档。第一全的还在路上，会出现于生信宝典和宏基因组公众号组织的二代三代转录组测序分析实战班上，欢迎点击链接了解更多。...WGCNA基本概念 加权基因共表达网络分析 (WGCNA, Weighted correlation network analysis)是用来描述不同样品之间基因关联模式的系统生物学方法，可以用来鉴定高度协同变化的基因集...相比于只关注差异表达的基因，WGCNA利用数千或近万个变化最大的基因或全部基因的信息识别感兴趣的基因集，并与表型进行显著性关联分析。...WGCNA包实战 R包WGCNA是用于计算各种加权关联分析的功能集合，可用于网络构建，基因筛选，基因簇鉴定，拓扑特征计算，数据模拟和可视化等。...输入数据和参数选择 WGCNA本质是基于相关系数的网络分析方法，适用于多样品数据模式，一般要求样本数多于15个。样本数多于20时效果更好，样本越多，结果越稳定。
加权基因表达网络分析（Weighted gene co-expression network analysis, WGCNA），又叫权重基因共表达网络分析，其根本思想是根据基因表达模式的不同，挖掘出相似表达模式的基因...构建加权相关性基因网络软阈值的选择 WGCNA中对基因表达值之间的相关系数取n次幂，这是和普通聚类的最大不同，其直接结果是把基因间相关性的强弱的差异放大。...(cor（x, method=“spearman”）函数）本研究中采用WGCNA默认的Pearson相关，Pearson correlation计算快速，但对离群值敏感。...WGCNA给出了如何选择这个阈值的方法，其函数是pickSoftThreshold()。 2 加权共表达网络的构建和模块识别 一旦选择好了构建网络的β值，那么从网络构建到模块识别需要四个步骤。...得到每个模块所包含的基因后，可以对每个模块进行生物功能等分析，也可以对感兴趣的模块筛选hub基因（会另外再写hub基因筛选等）。
organized = FALSE, data.type = 'RNAseq') 使用R语言包edgeR做差异表达分析...这部分代码完全来自公众号生信星球文章TCGA（转录组）差异分析三大R包及其结果对比 library(stringr) group_list<-ifelse(str_sub(colnames(rnaCounts...image.png 接下来利用差异表达基因做加权基因共表达网络（WGCNA） WGCNA分析用到的代码是我在腾讯课堂上购买的一门课程，课程内容是介绍WGCNA分析在植物上的应用的。...另外还有一大部分代码来自生信技能树公众号文章七步走纯R代码通过数据挖掘复现一篇实验文章（第七步WGCNA） #标准化基因表达矩阵，这一步是因为我之前尝试WGCNA分析的时候使用原始的counts会遇到报错...TCGA-CHOL-rnaCounts.csv",quote = F) write.csv(expCPM,file="TCGA-CHOL-expCPM.csv",quote=F) #只选用差异表达基因做分析
image.png 样本的表型论文中提供的数据也有很多，这里我只选取其中的一部分 代码 代码里有很多细节我也不明白，但是能够从前到后运行完，这里记录一下，细节有空再来研究吧 加载需要的R包 library(WGCNA
欢迎关注R语言数据分析指南 加载R包 library(WGCNA) library(tidyverse) library(cowplot) 导入数据 gene_exp <- read.table(file...5221 violet white yellow 36 96 3898 WGCNA...的结果导出 wgcna_result <- data.frame(gene_id = names(net$colors),module = net$colors) wgcna_result %>% write.table...(file="wgcna_result.xls",row.names = F,sep="\t",quote = F) 绘制聚类图与模块 plotDendroAndColors( dendro...wgcna_result, module %in% my_modules) m_datExpr wgcna_result$gene_id] # 计算该模块的
之前笔者介绍过一步法的分析的流程： WGCNA加权基因共表达网络一步法分析学习 https://mp.weixin.qq.com/s/2Q37RcJ1pBy_WO1Es8upIg建议先看一下之前的推文，...了解一下WGCNA的基础原理。...这次就来介绍一下多步法分析步骤：1.导入rm(list=ls())library(WGCNA)library(ggplot2)load("data.Rdata")exp 分析。gsg$allOK # 返回TRUE则继续if (!...")dev.off()6.软阈值筛选#设置一系列软阈值（默认1到30）powers = c(1:10, seq(from = 12, to=30, by=2))#帮助用户选择合适的软阈值，进行拓扑网络分析
其中第一个是我4年前的WGCNA分析教程最主要的参考文献，后面两个是英文教程，我相信你大概率是不会去看的，不过，我还是放在这里了。...基本概念 WGCNA其译为加权基因共表达网络分析。该分析方法旨在寻找协同表达的基因模块(module)，并探索基因网络与关注的表型之间的关联关系，以及网络中的核心基因。...基本原理 从方法上来讲，WGCNA分为表达量聚类分析和表型关联两部分，主要包括基因之间相关系数计算、基因模块的确定、共表达网络、模块与性状关联四个步骤。...一般来说，TOM就是WGCNA分析的最终结果，后续的只是对TOM的下游注释。...，有10种组合，也就是说需要做10次差异分析，每个差异分析结果都需要去注释，会比较麻烦，这个时候WGCNA就派上用场啦。
这篇推文主要探讨下WGCNA如何处理分类性状。...之前已经演示过WGCNA实战了：WGCNA实战：识别免疫相关lncRNA eigengenes可以代表某个模块，在计算出模块的eigengenes后，下一步就是探索eigengenes和性状之间的关系，...（虽然很多文章中都这样用） 如果是有序多分类，比如治愈、好转、未愈，这种，可以变成数字1,2,3，或者变成因子型； 如果是无序多分类，那么此时需要使用WGCNA提供的函数进行处理。...假如我们有一个无序分类变量x，它有3组： library(WGCNA) x <- rep(c("A","B","C"), each = 3) x ## [1] "A" "A" "A" "B" "B"...比如，对于我们之前用过的datTraits这个性状数据，我们假设其中的stage和msi是无序多分类变量，然后对这两个变量进行转换： load(file = "../000files/wgcna-02-
2用到的包 rm(list = ls()) library(tidyverse) library(WGCNA) 3示例数据 我们这个时候要把前面清洗好，构建好的网络数据拿出来吧。 load("....exprSize <- checkSets(multiExpr) nSets <- exprSize$nSets 5计算模块相关性及p值 为了区分共识网络分析结果，我们把变量命名为consMEs、moduleLabels
今天给大家介绍一个WGCNA的新玩法，即一致性共表达网络分析（Consensus co-expression network analysis，CCNA），该方法于2022年9月份发表在 Journal...2、subsampled 1000 times：对过滤后的基因随机抽取 80% genes，抽样1000次，用于WGCNA分析，分析参数为 randomized parameters (power transformation...对应的脚本是make_subsamp_wgcna.py 和 subsamp_wgcna.R。...分析：the matrix C as an input to replace gene pair connections of standard WGCNA and correlated with physiological...，这里先来做一下上游分析，拿到表达矩阵！
WGCNA（Weighted Gene Co-Expression Network Analysis）称为加权基因共表达网络分析是一种适合进行多样本复杂数据分析的工具，通过计算基因间表达关系，鉴定表达模式相似的基因集合...WGCNA（Weighted Gene Co-Expression Network Analysis）就是一种适合进行多样本复杂数据分析的工具。...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基因的信息识别感兴趣的基因集，并与表型进行显著性关联分析。...我们将通过这几期的教程，教给大家如何去进行WGCNA这一高级分析，本期内容中，我们先从最简单的概念入手，让大家对WGCNA有一个全面的认知。...分析流程 在WGCNA的官网上，分析流程的示意图如下所示： ? （1） 构建基因共表达网络：使用加权的表达相关性。 ?
转录组专题——WGCNA分析一问一答 问题： Q1:作者使用的差异表达分析来进行的过滤，根据前面的学习并不推荐使用DEGs进行WGCNA，这会对结果产生什么样的影响？...RNA-seq入门实战（十一）：WGCNA加权基因共表达网络分析——关联基因模块与表型 Q2:两分组，小数量（几百）miRNA能做WGCNA吗？...转录组专题——WGCNA分析一问一答 相比于差异分析寻找在两组中显著差异表达的基因，趋势分析筛选与实验变化有关的最具代表性的基因集，WGCNA分析的独特优势体现在哪些呢？...4）关联表型维度：模块特征值与表型数据关联分析，关注与特定表型相关性高的模块。 ... WGCNA分析常见问题 小样本设计，如两组样本，每组三个生物学重复，能否开展WGCNA分析？ 答：不能。...主要有三个原因： （1）WGCNA分析是通过基因变化规律，将变化模式比较紧密的基因进行聚类生成不同的模块，表示它们之间存在潜在的调控关系。因此，按照基因变化模式进行聚类是WGCNA分析的关键。
WGCNA是一种从大量数据中挖掘module的算法，而这些module所包含的gene为一组表达模式类似或这说表达谱相似的基因，也就是相关或不相关。...而正相关还是负相关可以由WGCNA的参数进行设定，默认是既包括正相关又包括负相关。...WGCNA对基因间表达量的相关系数取n次幂，使得相关系数数值的分布逐渐符合无尺度分布，按gene表达模式进行分类，将模式相似的gene归一一个模块module，而不是一般的cluster，因此WGCNA...把几个模块筛选出来了，模块中的gene也就知道了，这样，可以用这些结果分析出更多的意义。...WGCNA的详细流程 WGCNA关键模块和hub基因筛选
~ PlotDMEsVolcano( seurat_obj, DMEs, wgcna_name = 'tutorial' ) 利用loop进行多个clusters的差异分析 我们可以写个loop...来运行DME分析，在多个Cluster中进行比较。...在这里，我们将对INH的亚群进行一下FindDMEs差异分析。...在这里，我们将group.by对每种细胞类型进行One-versus-all分析。...我们还可以使用module expression scores而不是module eigengenes进行差异分析。
WGCNA 实操： 以下代码、数据主要参考官方教程 2.1 整理输入数据 关于WGCNA的输入数据要求，官方文档已经做说明，大致如下几点： （1）至少20个样本以上，越多越好； （2）可以过滤点低表达或者低方差的基因...WGCNA包提供了blockwiseModules()函数可将上述步骤打包在一起，一次执行建立网络、鉴定模块的分析。...如果一个表达量矩阵， 里面的样品是两个分组，比如正常和对照，那么简单的差异分析就可以拿到上下调基因，各自可以去富集生物学通路，就是基因分组了，并没有太多的进行WGCNA分析的必要性，而且绝大部分的两个分组的表达量矩阵里面的样品数量通常是小于...15个的，官方也并推荐WGCNA分析。...这个时候就可以选择WGCNA或者mfuzz这样的时间序列分析。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
