鏈接：http://genek.tv/，本文是該課程的學習記錄。

1.共表達

兩條基因的表達模式相似，即在某些樣本中兩條基因表達量都高，某些樣品中表達量都低。

用相關(guān)性系數(shù)r量化
-1<r<1
負值代表負相關(guān)，0代表不相關(guān)，正值代表正相關(guān)

2.網(wǎng)絡(luò)

1.相關(guān)概念

節(jié)點（node）：圖上的圓點，每個圓點代表一個基因。
連接（link）：圖上的線，每條線代表兩個基因的關(guān)系（可設(shè)置閾值，例如>0.7即標記相關(guān)）
加權(quán)網(wǎng)絡(luò)（weighted network）與無權(quán)網(wǎng)絡(luò)（unweighted network）的區(qū)別是：加權(quán)網(wǎng)絡(luò)的線條有粗細之分，粗細表示權(quán)重。
鄰接度：節(jié)點之間的關(guān)系強弱。一個網(wǎng)絡(luò)里的所有基因形成一個鄰接矩陣(adjacency matrix)。
連通性(connectivity)：反映節(jié)點的重要程度，與多少其他節(jié)點有關(guān)，以及關(guān)系的強弱。
無權(quán)網(wǎng)絡(luò)不顯示權(quán)重，它的連通性只是連接基因的數(shù)目。
加權(quán)網(wǎng)絡(luò)的連通性是所有有關(guān)節(jié)點的關(guān)系強弱的疊加。

2.隨機網(wǎng)絡(luò)與無尺度網(wǎng)絡(luò)

無尺度網(wǎng)絡(luò)中，多數(shù)節(jié)點都只與幾個節(jié)點有關(guān)（紅色點）；極少數(shù)節(jié)點與很多節(jié)點有關(guān)（藍色點）。如果將每個節(jié)點的連接數(shù)進行排序，會發(fā)現(xiàn)無尺度網(wǎng)絡(luò)的連通性符合冪律分布。
因此，一個模塊中有很多基因，但關(guān)鍵基因只有幾個。

3.分析步驟

第一步：數(shù)據(jù)預(yù)處理

（1）行名是樣本名，列名是基因名。如果拿到的是表達矩陣，需要轉(zhuǎn)置。
（2）去掉所有樣本中表達量都很低的基因
（3）去掉所有樣本中表達量幾乎沒有差異的基因，可用sd篩選，但不建議只保留差異基因（備注：這里說的差異基因，是指差異顯著的基因）。

第二步：構(gòu)建相關(guān)性矩陣

相關(guān)系數(shù)范圍是-1~1，WGCNA分析要求轉(zhuǎn)換為0-1范圍。
有兩種轉(zhuǎn)換方式：
unsigned:不區(qū)分正相關(guān)和負相關(guān)
signed：區(qū)分正負相關(guān)

第三步：構(gòu)建鄰接矩陣

多大的相關(guān)系數(shù)算相關(guān)？需要設(shè)置閾值。
軟閾值：soft threshold，用power函數(shù)將相關(guān)性矩陣轉(zhuǎn)換成鄰接矩陣，需要確定power的參數(shù)β。

迭代一系列值，看β等于哪個值時：（1）這個網(wǎng)絡(luò)更接近于無尺度網(wǎng)絡(luò)
（2）盡可能保留連通性信息。

第四步：構(gòu)建拓撲重疊矩陣

簡稱TOM(Topological Overlap Matrix)，相關(guān)系數(shù)只考慮到兩個節(jié)點之間的線性關(guān)系，而TOM則是考慮到中間節(jié)點的（間接的）計算方法。

總結(jié)：基因之間的關(guān)系/距離

第五步：構(gòu)建共表達網(wǎng)絡(luò)

對基因進行聚類，每條線代表一個基因，相似的基因被聚到一個分支。

第六步：模塊劃分

Dynamic Tree Cut，不同模塊用不同顏色表示，同一模塊的基因通常據(jù)有類似的功能。

第七步：合并相似模塊

第8步，模塊與性狀關(guān)聯(lián)

相關(guān)系數(shù)只能計算對應(yīng)的兩列，而表達矩陣是一個表格，而非一列。
方法是對一個模塊里的基因表達矩陣進行主成分分析，用第一個主成分（PC1）的的指標--特征向量（ME）代表一個模塊，得到模塊MEs矩陣。

可以計算每個模塊的特征向量與三個性狀之間的相關(guān)系數(shù)，形成一個矩陣，可做熱圖。

第九步：GS和MM

GS代表模塊里的每個基因與形狀的相關(guān)性
MM代表單條基因和所在模塊之間的相關(guān)性，表示是否與模塊的趨勢一致。

第十步：Cytoscape可視化

微信公眾號生信星球同步更新我的文章，歡迎大家掃碼關(guān)注！