腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

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

生信编程日常

2020-04-01

1.8K0

标签:

WGCNA实战练习

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 =

生信修炼手册

2020-05-08

1.8K0

标签:

WGCNA分类性状处理

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-

医学和生信笔记

2023-10-23

9180

标签:

WGCNA升级：CCNA+WGCNA筛选更可靠的候选基因

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。 strength between gene pairs, was calculated by matrix A dividing matrix B with scripts merge_mats.R. 6、WGCNA /Mapping/##g' |sed 's#.Hisat_aln.sorted.bam##g' > raw_counts.txt 这样就得到了基因表达矩阵，下期，我们来看看下游的CCNA+WGCNA怎么做

生信技能树

2025-02-19

9871

标签:

WGCNA的理论背景知识

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 WGCNA通过软阈值避免这一问题。网络的数学名称是图，图论中每一个节点node有一个概念，那就是度degree，一个点的度指的是图中该点所关联的边数edge。 WGCNA的详细流程 WGCNA关键模块和hub基因筛选

2018-10-11

1.6K0

标签:

WGCNA分类性状处理

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-

医学和生信笔记

2023-10-23

5960

标签:

WGCNA原理及实操

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（3）WGCNA最初用于芯片测序数据，也适用于RNA-seq数据。关于RNAseq标准化，由于不涉及到不同基因之间的比较，所有常规标准化方式都可以。 2.5 挑选模块Hub基因关于模块的Hub基因，WGCNA并没有明确的筛选方法。学徒作业癌症分子亚型特异性模块其实WGCNA本身是对基因进行合理（加权共表达）的分组。 15个的，官方也并推荐WGCNA分析。

生信技能树

2022-06-08

3.7K0

标签:

WGCNA：带你飞的科研神器

今天小编给大家分享一个构建共表达网络的神器，WGCNA 。这个软件从2008年发表至今（截止到2019-05-20）已经被引用3899次。可见这个包多么受欢迎。那么到底怎么使用WGCNA呢？今天小编就以例子实操，一步一步为大家进行介绍。 1.使用WGCNA，首先要准备数据。操作命令均在当前文件夹，文件夹中有以下文件: (1) geneExp.txt (2) trait_use.txt library(WGCNA) data<-read.table("geneExp.txt

2022-03-29

1.7K0

标签:

WGCNA + ssGSEA的组合分析

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？ 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

2023-09-06

1.3K0

标签:

GEO_加权共表达网络WGCNA

GEO_加权共表达网络WGCNA1 前言WGCNA（Weighted Gene Co-Expression Network Analysis，即加权基因共表达网络分析）是一种用于分析基因表达数据的系统生物学方法 WGCNA的主要目的是识别基因表达数据中的共表达模块，并研究这些模块与外部样本特征（例如，疾病状态、临床特征等）之间的关系。下面是chatgpt给出的更为通俗易通的解释WGCNA（加权基因共表达网络分析）是一种分析基因表达数据的方法，旨在发现一组基因是如何共同工作的。可以将其想象为一种找出基因之间“朋友圈”的方法。以下是WGCNA的一些通俗描述：基本概念基因共表达：就像某些人经常一起活动，某些基因在不同条件下（如健康与疾病状态）也表现得相似。 library(WGCNA)library(tinyarray)load("Dat.Rdata")#exp = log2(geo$exp+1)boxplot(exp)#从这张图可以看出数据是取过log的

sheldor没耳朵

2024-07-25

1.5K0

标签: