一文講解WGCNA的前世今生

隨著高通量測序技術的普及，大量的轉錄組測序數據被獲得，從而導致轉錄組測序分析類文章越來越難發表。同時也促進了各種深入挖掘轉錄組測序數據分析方法的應用。其中最為有效的是「WGCNA分析」。

什麼是WGCNA分析WGCNA分析的全稱是加權基因共表達網絡分析（Weighted correlation network analysis），是用來描述不同樣品之間基因關聯模式的生物信息學分析方法。可將表達模式相似的基因進行聚類，並分析模塊與特定性狀或表型之間的關聯關係。有興趣的可以參考如下文獻，了解WGCNA分析的基本理論。Zhang B, Horvath S. A general framework for weighted gene co-expression network analysis[J]. Statistical applications in genetics and molecular biology, 2005, 4(1).
WGCNA分析的目的WGCNA是基於基因間表達數據的相似性來構建基因共表達網絡，該網絡中的節點代表基因，連接線代表基因之間的調控關係。通過該網絡，不僅可以挖掘高度相關的基因模塊，更可以直觀深入地反映基因之間可能存在的表達調控關係以及處於其中核心位置的節點，即核心基因（hub gene）。這有助於後續驗證性實驗的迅速開展，並為後續基因功能的研究提供重要的線索和分析基礎。WGCNA分析有多火？小編使用Google學術搜索關鍵詞「WGCNA」，共搜索到近9000篇文獻，其中2020年截止到今天的相關文獻有700多篇。這說明WGCNA分析已經成為輔助文章發表的利器。

小編同時搜索「WGCNA」和「RNA-seq」兩個關鍵詞，共搜索到4000多篇相關文獻，其中2020年截止到今天的文獻有400多篇。這也說明，WGCNA分析已經被越來越多的研究者應用於RNA的測序數據分析中。

WGCNA分析思路首先，由表達量數據計算皮爾森相關性，建立關係矩陣；
其次，將關係矩陣轉換成鄰接矩陣，並引入冪指數加權，從而構建無尺度網絡；再次，在鄰接矩陣的基礎上建立TOM矩陣，計算基因之間的TOM相異程度（distTOM），進而建立基因的模塊；
最後，將模塊建立的結果進行可視化，並將結果和性狀數據進行聯合分析，挖掘基因模塊和性狀之間存在的聯繫，進行關於基因的注釋及富集等方面的分析。

WGCNA經典文章解析為了幫助廣大科研人員快速了解並掌握WGCNA的分析邏輯及文章思路，我們組學大講堂特意錄製了《WGCNA文章分析思路講解》課程。有興趣的朋友可以掃描下方二維碼觀看學習。

WGCNA分析的具體操作WGCNA分析具體該如何操作呢？為了方便大家學習WGCNA分析，我們組學大講堂特意錄製了《WGCNA-加權基因共表達網絡分析》視頻課程，該課程深入淺出的講解了WGCNA分析的具體操作過程，並提供了每一步操作的代碼。如果您有興趣學習，可以掃描下方二維碼或點擊「閱讀原文」購買學習。即日起到4月5日，該課程有七四折優惠，您還不趕緊行動！