WGCNA加权基因共表达网络分析

• 1.WGCNA for RNA-Seq

• 1.1 Sample Cluster

• 1.2 Soft Threshold

• 1.3 SamplesCluster and ModulesHeatmap

• 1.4 Modules with Traits Heatmap

• 1.5 Eigengenes Heatmap (TOM)

• 2. Results of Figures and Tables

1.WGCNA for RNA-Seq

BioSciTool v1.1.1
Website: https://bioscitools.github.io
Github: https://github.com/bioscitools/bioscitools.github.io
亲爱的BioSciTools用户，根据各位医学研究者的强烈需求，以及常规多样本转录组（>=12样本）利用WGCNA的优势，筛选与性状相关的基因。本程序基于WGCNA模块并优化数据分析和可视化代码，实现常规多分组（以分组为性状信息）转录组学模块筛选与共表达网络构建的分析。此次更新带来WGCNA分析流程，如下展开简单介绍和展示。

1.1 Sample Cluster

多样本聚类分析（由于转录组数据复杂性和假阳性，因此该部分内容仅供参考，谨慎剔除样本）

1.2 Soft Threshold

软阈值即 Beta 值在后续分析中作为重要参数，因此此处取 sft$powerEstimate 作为最优软阈值。

1.3 SamplesCluster and ModulesHeatmap

基于各样本中基因聚类构建模块并以颜色名称命名

1.4 Modules with Traits Heatmap

根据Pearson相关性和统计学显著性P-value筛选与性状相关的特征模块。

1.5 Eigengenes Heatmap (TOM)

特征基因相关性热图

2. Results of Figures and Tables

本程序运行依赖于计算机内存，并根据表达矩阵大小需要计算时间。主要结果通过打包下载，包括7张图像结果和4个主要计算结果表格，以及所有模块的基因共表达网络表格文件。