WGCNA其譯為加權基因共表達網絡分析。該分析方法旨在尋找協同表達的基因模塊(module)，并探索基因網絡與關注的表型之間的關聯，以及網絡中的核心基因。適用于復雜的數據模式，推薦15個樣品以上的數據。現在測序價格越來越便宜，得到15個樣品數據的成本很低，如果再結合樣品性狀數據進行模塊基因與表型的關聯分析，一定能給你的文章增色不少！如果自己手里沒有數據，利用公開的數據挖掘分析也是不錯的選擇。
下面我們舉一些利用WGCNA進行癌癥或微生物研究的例子給大家拓展一下思路，點擊“《WGCNA加權基因共表達網絡分析視頻課程》”可以進行WGCNA分析方法的學習。
TCGA表達數據的挖掘
先介紹兩篇利用TCGA人類癌癥數據庫中的基因表達數據發表的文章，主要利用WGCNA的方法來篩選與癌癥發生、發展相關的關鍵基因，從而發現區分不同癌癥亞型的biomarker。看完文獻可以說單單用了WGCNA的方法就發了篇paper：
文獻1:眼中葡萄膜黑色素惡性瘤基因共表達網絡分析
眼癌中共表達網絡分析及關鍵biomarker查找
主要的分析思路其實就是WGCNA的分析思路：
文獻2:胃癌中miRNA共表達網絡分析
也是一篇WGCNA分析的文章，只是換了換癌種以及分析的基因變成了miRNA，分析思路幾乎與上篇文章一致。這里小編就不詳細介紹了，有興趣的可以查看原文；
胃癌中共表達網絡分析及關鍵biomarker查找WGCNA構建微生物互作網絡
微生物中WGCNA的應用
下面的文章研究了531位芬蘭男性腸道微生物與代謝綜合征(Metabolic Syndrome)的關系，代謝綜合征是指人體的蛋白質、脂肪、碳水化合物等物質發生代謝紊亂的病理狀態，是一組復雜的代謝紊亂癥候群，是導致糖尿病心腦血管疾病的危險因素。
為找到哪些微生物與代謝綜合征相關，作者首先先利用微生物OTU table做WGCNA分析構建微生物的相互作用網絡，再利用病人的的臨床數據——主要包括血液中血糖含量，胰島素含量等代謝指標，做臨床數據與微生物共表達模塊間的相關性分析。最后得出結論，發現藍色模塊中的Tenericutes, Methanobrevibacter,and Christensenellaceae等物種與血液中的谷氨酰胺指標正相關，另外，黃色模塊中的Blautia物種與血液中的醋酸負相關等等，從而找到與疾病相關的微生物種類biomarker。
參考文獻
[1]Sally Yepes,et al. Co-expressed miRNAs in gastric adenocarcinoma, Genomics, Volume 108, Issue 2,2016,Pages 93-101,ISSN 0888-7543.
[2]Qi Wan ,et al.Co-expression modules construction by WGCNA and identify potential prognostic markers of uveal melanoma, Experimental Eye Research, Volume 166,2018,Pages 13-20,ISSN 0014-4835.
[3]Org E, Blum Y, Kasela S, et al. Relationships between gut microbiota, plasma metabolites, and metabolic syndrome traits in the METSIM cohort. Genome Biology. 2017;18:70.?
更多生物信息課程：
1. 文章越來越難發？是你沒發現新思路，基因家族分析發2-4分文章簡單快速，學習鏈接：基因家族分析實操課程、基因家族文獻思路解讀
2. 轉錄組數據理解不深入？圖表看不懂？點擊鏈接學習深入解讀數據結果文件，學習鏈接：轉錄組（有參）結果解讀；轉錄組（無參）結果解讀
3. 轉錄組數據深入挖掘技能-WGCNA，提升你的文章檔次，學習鏈接：WGCNA-加權基因共表達網絡分析
4. 轉錄組數據怎么挖掘？學習鏈接：轉錄組標準分析后的數據挖掘、轉錄組文獻解讀
5.?微生物16S/ITS/18S分析原理及結果解讀、OTU網絡圖繪制、cytoscape與網絡圖繪制課程
6. 生物信息入門到精通必修基礎課，學習鏈接：linux系統使用、perl入門到精通、perl語言高級、R語言畫圖
7. 醫學相關數據挖掘課程，不用做實驗也能發文章，學習鏈接：TCGA-差異基因分析、GEO芯片數據挖掘、GSEA富集分析課程、TCGA臨床數據生存分析、TCGA-轉錄因子分析、TCGA-ceRNA調控網絡分析
8.其他課程鏈接：二代測序轉錄組數據自主分析、NCBI數據上傳、二代測序數據解讀。
