生信筆記14-轉(zhuǎn)錄組下游分析之:WGCNA

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。

判斷β合適的方法

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。

模塊層次聚類(lèi)樹(shù)圖

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。

image.png

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。

  • image.png

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。

image.png

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。


參考

https://zhuanlan.zhihu.com/p/555503030

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末奔则,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子蔽午,更是在濱河造成了極大的恐慌易茬,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,013評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件及老,死亡現(xiàn)場(chǎng)離奇詭異抽莱,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)骄恶,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén)食铐,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人僧鲁,你說(shuō)我怎么就攤上這事虐呻。” “怎么了寞秃?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,370評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵斟叼,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我春寿,道長(zhǎng)朗涩,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,168評(píng)論 1 278
  • 正文 為了忘掉前任绑改,我火速辦了婚禮谢床,結(jié)果婚禮上兄一,老公的妹妹穿的比我還像新娘。我一直安慰自己识腿,他們只是感情好出革,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,153評(píng)論 5 371
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著渡讼,像睡著了一般蹋盆。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上硝全,一...
    開(kāi)封第一講書(shū)人閱讀 48,954評(píng)論 1 283
  • 那天,我揣著相機(jī)與錄音楞抡,去河邊找鬼伟众。 笑死,一個(gè)胖子當(dāng)著我的面吹牛召廷,可吹牛的內(nèi)容都是我干的凳厢。 我是一名探鬼主播,決...
    沈念sama閱讀 38,271評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼竞慢,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼先紫!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起筹煮,我...
    開(kāi)封第一講書(shū)人閱讀 36,916評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤遮精,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后败潦,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體本冲,經(jīng)...
    沈念sama閱讀 43,382評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,877評(píng)論 2 323
  • 正文 我和宋清朗相戀三年劫扒,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了檬洞。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 37,989評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡沟饥,死狀恐怖添怔,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情贤旷,我是刑警寧澤广料,帶...
    沈念sama閱讀 33,624評(píng)論 4 322
  • 正文 年R本政府宣布,位于F島的核電站遮晚,受9級(jí)特大地震影響性昭,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜县遣,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,209評(píng)論 3 307
  • 文/蒙蒙 一糜颠、第九天 我趴在偏房一處隱蔽的房頂上張望汹族。 院中可真熱鬧,春花似錦其兴、人聲如沸顶瞒。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,199評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)榴徐。三九已至,卻和暖如春匀归,著一層夾襖步出監(jiān)牢的瞬間坑资,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,418評(píng)論 1 260
  • 我被黑心中介騙來(lái)泰國(guó)打工穆端, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留袱贮,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,401評(píng)論 2 352
  • 正文 我出身青樓体啰,卻偏偏與公主長(zhǎng)得像攒巍,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子荒勇,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,700評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容