WGCNA是什么
WGCNA全稱(chēng)為weighted gene co-expression network analysis类缤,譯為加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析炭剪。WGCNA分析方法的目的是尋找協(xié)同表達(dá)的基因模塊(module)再来,并探索基因網(wǎng)絡(luò)與關(guān)注的表型之間的關(guān)聯(lián)關(guān)系,以及尋找網(wǎng)絡(luò)中的核心基因。
WGCNA的適用分析數(shù)據(jù)
WGCNA分析適用于復(fù)雜的數(shù)據(jù)模式,WGCNA官網(wǎng)建議至少15個(gè)樣品進(jìn)行分析(https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/faq.html)悦陋。一般可應(yīng)用的研究方向有:不同器官或組織類(lèi)型發(fā)育調(diào)控、同一組織不同發(fā)育調(diào)控筑辨、非生物脅迫不同時(shí)間點(diǎn)應(yīng)答俺驶、病原菌侵染后不同時(shí)間點(diǎn)應(yīng)答。
WGCNA分析原理
從方法上來(lái)講棍辕,WGCNA分為表達(dá)量聚類(lèi)分析和表型關(guān)聯(lián)兩部分暮现,是從轉(zhuǎn)錄組數(shù)據(jù)中挖掘基因模塊的算法。如果某一類(lèi)基因在不同的發(fā)育階段或者脅迫處理的不同時(shí)間點(diǎn)表達(dá)模式變化相似楚昭,那么就可以把他歸成一個(gè)模塊(module)栖袋,認(rèn)為這些基因在功能上是相關(guān)的。
WGCNA分析主要包括基因之間相關(guān)系數(shù)計(jì)算抚太、基因模塊的確定塘幅、模塊與性狀關(guān)聯(lián)昔案、提取關(guān)鍵候選基因四個(gè)步驟。
1.基因相關(guān)系數(shù)計(jì)算
WGCNA第一步計(jì)算任意兩個(gè)基因之間的相關(guān)系數(shù)(Person Coefficient)电媳。為了衡量?jī)蓚€(gè)基因是否具有相似表達(dá)模式踏揣,一般需要設(shè)置閾值來(lái)篩選,高于閾值的則認(rèn)為是相似的匾乓。傳統(tǒng)方法上捞稿,描述兩個(gè)基因間的關(guān)聯(lián)程度,可通過(guò)計(jì)算表達(dá)值間的Pearson拼缝、Spearman等相關(guān)系數(shù)獲得娱局。為了構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò),通常指定一個(gè)篩選閾值珍促,如相關(guān)系數(shù)大于0.8以上铃辖,作為兩個(gè)基因間具有強(qiáng)關(guān)聯(lián)程度的依據(jù)。但是基于固定閾值法的缺點(diǎn)在于猪叙,閾值是人為定義的娇斩,將會(huì)忽略很多潛在關(guān)聯(lián)。例如穴翩,0.79就是不相關(guān)嗎?同時(shí)犬第,這種一刀切的方法也會(huì)丟失基因的變化趨勢(shì)信息,將難以在網(wǎng)絡(luò)中描述相關(guān)性的強(qiáng)弱關(guān)系芒帕。為了解決這些問(wèn)題歉嗓,提出了“加權(quán)”的思想。WGCNA的做法是對(duì)基因表達(dá)值之間的相關(guān)系數(shù)取β次冪背蟆,使得網(wǎng)絡(luò)中的基因之間的連接服從無(wú)尺度網(wǎng)絡(luò)分布(scale-freenetworks)鉴分,直接結(jié)果是把基因間相關(guān)性的強(qiáng)弱的差異放大。這樣做的好處是使強(qiáng)弱關(guān)系更為分明带膀,有利于后續(xù)聚類(lèi)(模塊)識(shí)別志珍。
判斷β合適的方法:
在取了一定的β參數(shù)之后,具體計(jì)算度數(shù)為k的節(jié)點(diǎn)個(gè)數(shù)的對(duì)數(shù)值log(k),與該節(jié)點(diǎn)出現(xiàn)的概率的對(duì)數(shù)log(p(k))呈現(xiàn)負(fù)相關(guān)垛叨,一般會(huì)設(shè)置相關(guān)系數(shù)大于0.8伦糯。
參數(shù)β取值默認(rèn)是1到30,上述圖形的橫軸均代表權(quán)重參數(shù)β嗽元,左圖縱軸代表對(duì)應(yīng)的網(wǎng)絡(luò)中l(wèi)og(k)與log(p(k))相關(guān)系數(shù)的平方敛纲。相關(guān)系數(shù)的平方越高,說(shuō)明該網(wǎng)絡(luò)越逼近無(wú)網(wǎng)路尺度的分布剂癌。紅線處對(duì)應(yīng)的的β值即為本次最合適的β值淤翔。
2.基因模塊確定
第二步通過(guò)基因之間的相關(guān)系數(shù)構(gòu)建分層聚類(lèi)樹(shù),聚類(lèi)樹(shù)的不同分支代表不同的基因模塊佩谷,不同顏色代表不同的模塊办铡〈亲觯基于基因的加權(quán)相關(guān)系數(shù),將基因按照表達(dá)模式進(jìn)行分類(lèi)寡具,將模式相似的基因歸為一個(gè)模塊(module)。這樣就可以將幾萬(wàn)個(gè)基因通過(guò)基因表達(dá)模式被分成了幾十個(gè)模塊稚补,是一個(gè)提取歸納信息的過(guò)程童叠。下圖總Dynamic Tree Cut代表根據(jù)相關(guān)性初步劃分的模塊,下面的顏色模塊Merged danamic 代表的是合并相似模塊后的結(jié)果课幕。
3.模塊與性狀關(guān)聯(lián)分析
- 模塊間的相關(guān)性分析
模塊特征值(Epigengene):模塊內(nèi)所有基因進(jìn)行主成分分析(PCA)厦坛,第一主成分的值即為Epigengene,它代表該模塊內(nèi)基因表達(dá)的整體水平(表達(dá)模式),可以把模塊看成基因乍惊,那么模塊特征值就可以看作這個(gè)基因的表達(dá)值杜秸。
根據(jù)模塊與模塊間特征值的相關(guān)性繪制模塊間相關(guān)性熱圖。熱圖可分為兩部分润绎,上部分根據(jù)模塊特征值(eigengene)對(duì)模塊進(jìn)行聚類(lèi)撬碟。縱坐標(biāo)代表節(jié)點(diǎn)的相異程度莉撇,每一個(gè)模塊用不同的顏色表示呢蛤;下半部分圖形中橫坐標(biāo)和縱坐標(biāo)分別代表不同模塊,不同顏色用不同模塊來(lái)表示棍郎。中間的每個(gè)方塊代表模塊與模塊的相關(guān)性其障,方塊顏色越深(越紅),相關(guān)性越強(qiáng)涂佃;方塊顏色越淺励翼,相關(guān)性越弱。
樣品與模塊的相關(guān)性分析
根據(jù)模塊特征值與樣品進(jìn)行相關(guān)性分析辜荠。如果模塊在樣品中特征值正或負(fù)表達(dá)較高汽抚,說(shuō)明該模塊與這個(gè)樣品密切相關(guān)。
樣品和模塊間相關(guān)性熱圖侨拦,橫坐標(biāo)代表不同樣本殊橙,縱坐標(biāo)代表不同模塊。中間的每個(gè)方塊代表樣品與模塊的相關(guān)性狱从,方塊顏色越紅膨蛮,相關(guān)性越強(qiáng);方塊顏色越藍(lán)季研,相關(guān)性越弱敞葛。可以根據(jù)樣品與模塊的相關(guān)性篩選樣品關(guān)鍵模塊与涡。
4.提取關(guān)鍵候選基因
通過(guò)樣品與模塊相關(guān)性分析篩選到關(guān)鍵模塊后惹谐,該模塊中還有上百條基因持偏。那么哪些是跟樣本最相關(guān)的基因呢?可以通過(guò)篩選核心基因來(lái)確定關(guān)鍵基因氨肌。連通性是指一個(gè)基因與其他基因的連接程度(通常只在模塊內(nèi)計(jì)算)鸿秆,常稱(chēng)為connectivity或degree,或用數(shù)字k表示怎囚。一般而言卿叽,在一個(gè)模塊中,連通性(k值)排名靠前的基因可認(rèn)為核心基因(hub gene)恳守。在下表中可以通過(guò)查看kWithin值大小來(lái)判斷核心基因考婴。
得到模塊內(nèi)的核心基因后往往還會(huì)挑選模塊內(nèi)與核心基因相關(guān)的其他基因〈吆妫可以通過(guò)模塊網(wǎng)絡(luò)節(jié)點(diǎn)關(guān)系來(lái)篩選沥阱。下表中前兩列是對(duì)應(yīng)的兩個(gè)基因,第三列weight代表兩兩基因的連接強(qiáng)度伊群。一般認(rèn)為大于閾值(默認(rèn)是0.15)的兩個(gè)基因才認(rèn)為是相關(guān)的考杉。可以通過(guò)篩選大于閾值的兩兩基因的關(guān)聯(lián)度來(lái)篩選與核心基因相關(guān)的其他基因在岂。