WGCNA通过建立共表达基因网络与表型数据之间的关联
发布时间
阅读量：
阅读量
欢迎关注微信公众号《生信修炼手册》!
仅依靠共表达基因集合的分析结果，难以与实际的实验设计建立直接联系。针对所识别出的多个共表达基因集合，逐一开展富集分析以探索其功能，这一过程显得缺乏明确的方向与目标。因此，有必要对这些共表达基因集进行更深入的挖掘。通常采用的方式是筛选出与特定性状存在关联的基因，并基于这些基因进一步实施富集分析，从而揭示其潜在的功能。
在WGCNA方法中，存在两种较为常见的将表型与共表达基因进行关联的策略
相关性分析方法与应用
该途径需要为每个样本提供对应的表型数据数值，并借助这一数值与模块第一主成分值之间的关联性开展分析，依据分析所得结果，确定与表型存在联系的模块。
表型数据的具体示例如下
| sample | weight_g | length_cm | ab_fat |
|---|---|---|---|
| F2_290 | 36.9 | 9.9 | 2.53 |
| F2_291 | 48.5 | 10.7 | 2.9 |
| F2_292 | 45.7 | 10.4 | 1.04 |
| F2_293 | 50.3 | 10.9 | 0.91 |
第一列用于表示样本信息，其余各列则对应不同的表型特征，应尽量避免出现缺失值。在开展相关性分析时，系统会自动剔除空值，因此过多的缺失数据将对分析结果产生不利影响。
在进行modules识别的过程中，会依据每个module的第一主成分，即ME值，对module
全部评论 (0)
还没有任何评论哟~