R包WGCNA---转录组WGCNA共表达网络构建（基本概念）
- 1. WGCNA简介
- 2. WGCNA分析原理
- （1）R包WGCNA的主要功能
- （2）WGCNA的基本概念和工作流程
- （3）WGCNA分析的常见问题及注意事项
1. WGCNA简介
基于基因表达量相关性计算的网络在生物信息学中广泛应用，加权的基因共表达网络用来描述多个样本中基因表达的相关模式。此时，基于权重的相关性网络分析（WGCNA）应运而生，WGCNA可以挖掘高度相关基因的表达模块（module）或基因簇（cluster），并使用特征基因（eigengene）或关键基因（hub gene）来简要代表这类基因簇，相关的模块之间和模块与外部表型值可以计算成员测量值（module membership measures），作为后续分析的选择指标。这种相关性网络的方法可以用于基因扫描鉴定生物标记和治疗靶点，已经成为系统生物学中重要的分析方法。
有学者开发了相关的R包WGCNA，该R包文章于2008年发表在BMC bioinformatics上面，题目为，目前网页显示引用量为12800+，是多基因模块化聚类,、共表达网络分析的重要工具。
此外，了解该方法的实施细节，WGCNA不仅可以用于基因表达型数据，也可以作为一种数据挖掘工具，拓宽研究应用。本文主要是依据WGCNA官网和优秀的博主文章，介绍WGCNA在基因表达数据中的原理及应用介绍。
WGCNA: an R package for weighted correlation network analysis
目前在google scholar中引用次数为12820次。
该文章共有两个作者，
第一作者在UCLA做数据分析（https://peterlangfelder.com/about-the-author/），下图所示；
通讯作者是人类遗传与统计系的教授（https://www.biostat.ucla.edu/people/horvath）：
2. WGCNA分析原理
（1）R包WGCNA的主要功能
1. network construction;
2. module detection;
3. module and gene selection;
4. calculations of topological properties;
5. data simulation;
6. visualization;
7. interfacing with external software packages.
（2）WGCNA的基本概念和工作流程
主要参考下面的官方文档和生信宝典的教程文章：
https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/index.html
https://cloud.tencent.com/developer/article/1936465
Step1：基本概念的理解（英文表格来自WGCNA英文文章）
中文翻译参考生信宝典的教程文档，非常详实，下面为其内容截图：
Step2：工作流程如下
主要的模块构建，模块选择和网络绘制（具体实操代码参看官方文档或其他博客）：
（3）WGCNA分析的常见问题及注意事项
https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/faq.html
WGCNA中的FAQ问题（主要内容截图）：
文章中也提到WGCNA使用的一些局限：
（1）WGCNA已经假定输入数据已经是处理妥当的，已经是标准化的数据（microarray data）
使用一些Bioconductor的R包完成标准化过程，要结合生物学意义进行标准化，即使数学上没问题也不行。
（2）WGCNA工具是存在偏差或失效的
当存在技术问题，组织污染，实验设计不当等原因都会导致结果分析偏差。
（3）WGCNA中的多种共表达模块检测方法并未进行比较
WGCNA中多种方法没有比较，比如默认的层级聚类在几套数据中表现较好，可以与其他方法比较作为标准。
（4）WGCNA中鉴定的网络相关的两个nodes是没有方向的
鉴定的网络中有连线的两个nodes，只是相关，没有调控方向。
参考：
https://cloud.tencent.com/developer/article/1936465 （生信宝典文章）
https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/ （官方网站）
https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/faq.html （常见问题）
https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/index.html （官方教程）
