WGCNA的理論背景知識
WGCNA的詳細分析流程
關鍵模塊和hub基因篩選，在流程中并不可知
模塊劃分好后如何找到key module
- 1 由WGCNA得到的module都進行GO或KEGG，甚至TF，miRNA等的富集分析，找出所研究性狀相關通路相關性最強的module，深入進行研究。
- 2 看自己感興趣的gene位于哪個模塊，進而去查看
- 3 模塊與性狀的相關性，這個流程中說了，相關性越強，越值得研究。
有其他方法會繼續補充
找到模塊后如何篩選hub gene
- 1 High intramodular k within the module(KIM)
- 2 High module membership (kMM,表達值與ME高相關)
這個用的相對多，因為容易計算，有p值，可跨module比較。這個只能作為繼續研究的指導，因為很多gene有非常相似的kME,都可以認為hub gene，還是需要借助外部信息，經驗等。
ranking應該作為一個粗略建議，所以相似的ranking應看做等價。Top ranked gene應該使用已有的先驗知識進行過濾，假如對某個gene感興趣，不要在乎它是第1還是第3。 - 3 mdoule membership(MM)
for module membership
MM= as.data.frame(cor(datExp, MEs, use ="p"))
for intramodular connectivity
KIM = intramodularconnectivity(adjacency, moduleColors, scaleByMax= TRUE)
另外還有很多不基于WGCNA的其他方法，可以綜合運用，最終實驗證實。
