小鬼的WGCNA圖文詳解(五)-GS 與MM的關聯

還是老習慣,給出官網教程,至于你是看還是不看,它就在那里,等著你的深入研究~

https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/

往期教程:

(一)WGCNA分析中的軟閾值

(二)WGCNA分析中如何選擇軟閾值?

(三)聚類樹Cluster Dendrogram圖

(四)Module-trait associations圖

WGCNA分析圖文詳解專題中要解釋的第四張圖,這張圖有點不好理解啊。

官方注釋:

Figure 2: A scatterplot of Gene Signifificance (GS) for weight vs. Module Membership (MM) in the brown module. There is a highly signifificant correlation between GS and MM in this module.

這張圖是一個相關性結果繪制成的散點圖,雖然只是一個簡單的散點圖,但是理解起來怕是有點費勁喲。曾經有個客戶就在這個圖上糾結理解了好久。也不知道他最后明白了沒有。

圖剖成這幾個部分:

1.橫坐標:Module Membership in brown module,翻譯過來就是:在棕色模塊中的模塊成員。模塊成員是什么鬼?

2.縱坐標:Gene Significance (GS) for weight,關于體重這個性狀的基因顯著性?;蝻@著性又是什么鬼?

3.這個圖是為了說明啥呢?

小面我們來一一解讀。如有理解錯誤,還請各位大俠批評指正。


1.橫坐標:MM

官方定義:

官方說明2:

For each module, we also define a quantitative measure of module membership MM as the correlation of the module eigengene and the gene expression profile.

即:模塊的eigengene和基因表達譜之間的相關性。

說的是啥呢,其實就是所有基因表達譜與這個模塊的eigengene的相關性(cor)。最后是一個具有所有用來做WGCNA分析基因數長的向量,每一個值代表這個基因與模塊之間的關系。如果這個值的絕對值接近0,那么這個基因就不是這個模塊中的一部分,如果這個值的絕對值接近1,那么這個基因就與這個模塊高度相關。

一般,每個模塊中的基因都會與被分配到的模塊高度相關,表明了模塊內部高度的連接性。

其實這個值與后面hub基因的選擇相關,這里以后再講。


2.縱坐標:GS

官方定義:

官方說明2:

We quantify associations of individual genes with our trait of interest (weight) by defining Gene Significance GS as?(the absolute value of) the correlation between the gene and the trait.

GS為:基因和表型性狀比如體重之間的相關性的絕對值。

總的來說,就是為了將表型特征信息與共表達網絡聯合起來,比如體重與哪個模塊高度相關。

詳細一點專業一點就是:每一個基因的表達值與表型性狀之間的相關性的絕對值。0表示這個基因與這個性狀不相關,1表示高度相關。如果一個模塊中的基因都有這個性狀高度相關,那么這個模塊也就與這個性狀高度相關。


3.圖中的每一個點

那么計算MM與GS的相關性是為了說明什么呢?

官方教程以體重和棕色模塊進行了舉例說明,就是本文中的那張圖片,解釋如下:

Clearly, GS and MM are highly correlated, illustrating that genes highly significantly?associated with a trait are often also the most important (central) elements of modules associated with the trait.?The reader is encouraged to try this code with other significance trait/module correlation (for example, the magenta,?midnightblue, and red modules with weight).

圖中的每一個點代表一個基因,應該有3600個點。橫坐標值表示基因與模塊的相關性,縱坐標值表示基因與表型性狀的相關性,這里可以看出與性狀高度顯著相關的基因往往是與這個性狀顯著相關的模塊中的重要元素。

大家可以去驗證一下自己的結果,如果一個性狀與模塊顯著相關,那么這里GS與MM也會顯著相關。


重點!!!實例說明

下圖是小編自己做WGCNA分析時的一個結果,第三期教程中的那張圖片顯示,Blue模塊與F-48小時高度相關。


下圖展示了F-48小時性狀的GS值與blue模塊MM值的相關性,這里可以看出來是高度相關。與模塊高度相關的那些點(右上角)同時也是與性狀高度相關的基因;而左下角,與模塊相關性不高的那些基因同時也是與性狀不相關的那些基因,他們的相關性一致,這里才會出現GS與MM值高度相關。

??????????????????????????? 今天就說到這里,歡迎大家留言討論。我們下期再見~


參考資料:

1.https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/

2.A General Framework for Weighted Gene Co-Expression Network Analysis, Stat Appl Genet Mol Biol.?2005;4:Article17. Epub 2005 Aug 12

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,563評論 6 544
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,694評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事?!?“怎么了?”我有些...
    開封第一講書人閱讀 178,672評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,965評論 1 318
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,690評論 6 413
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 56,019評論 1 329
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,013評論 3 449
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,188評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,718評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,438評論 3 360
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,667評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,149評論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,845評論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,252評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,590評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,384評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,635評論 2 380

推薦閱讀更多精彩內容