WGCNA应用现状及存在问题

        近年，和WGCNA应用的论文出现井喷，论文数从刚开始一年十几篇到每年几百上千篇不止（下图）。我最早接触这个算法是2011年，当时WGCNA还有GUI的版本，我为了掌握这个工具，和WGCNA原作者通过邮件多次联系探讨。2012年，我第一次应用WGCNA发表了1篇关于肝癌的文章，使用了若干个重要基因的连接度*表达量之和的方法，尝试对肿瘤进行分型（https://www.sciencedirect.com/science/article/pii/S0168827812000876）。发现在小数据集里的确也有一定效果，和原来单单采用表达量的gene panel/signatures方法有所改进，至少它考虑到不同基因的贡献度。和其他很多不同的基因网络构建算法相比，WGCNA比较快被高影响因子杂志引用，特别是它的易用性和结果综合性优于其他方法。后面，随着生物信息学方法不断普及，WGCNA也在国内被发扬光大。

        虽然，WGCNA算法被很多人认识到它的重要性，包括微生物、植物、动物、医学特别是肿瘤、毒理学、药理学、生态学等研究领域的研究者所应用。但关于它的应用原理，人们还是不是很了解。在多年跟踪WGCNA应用及相关文献积累之后，我在国内期刊《生物工程学报》发表了其首篇较为全面的应用综述（http://journals.im.ac.cn/html/cjbcn/2017/11/gc17111791.htm），旨在为对WGCNA感兴趣的研究者提供一些基本的概念。WGCNA包的原作者一直有在更新包，其功能也日趋完善。它的使用说明甚至可以写成一本书。很欣喜，看到这个算法能在国内生物医学领域得到广泛应用。

        然而，随着生物信息学方法和技术的普及，进入门槛降低，关于WGCNA应用的论文也呈现井喷式发表。作为关注该方法的研究者和一些论文的审稿者，我不得不表达对该方法应用中存在的问题。早年，这个方法仅仅作为论文研究的主体就能发表，现今大家都会了WGCNA分析，但这并不说明大家都可以使用该方法随便就要发表1个论文。其实，生物信息学主要还是作为一个研究工具使用，而不是为了做出好看的图，而分析而发表。生物的问题还是需要在生物里解决，并非简单的一个电脑使用和分析就能解决。囿于时间关系，我放弃了再发1篇WGCNA应用现状和隐忧的综述论文。最后，简单列举WGCNA应用存在的问题：

1.比如样本量太小少于30个，这样得到的共表达模块不稳定，不具有重现性。

2.有论文把Grey模块也拿来使用，这个很明显使用了该工具，连说明书都不看。但是有不少类似问题的论文还是发表了，论文也存在文献引用问题，没有合理引用前人结果。很多肿瘤的TCGA或者GEO数据，甚至都被分析了十几遍，但每次得到的hub gene或者gene signature却都不一样。特别是肿瘤的WGCNA，为了发表论文而画出漂亮的图，整个论文却不知所云，实在是悲哀。

3.过分关注hub gene，忽视了其他的WGCNA结果，如模块表达，基因连接度等信息

4.结果解读的问题。WGCNA得到的是相关网络，不是因果网络，所以解读为病因的时候要特别谨慎，要问下自己有没有其他实验证据来支持这个假说。

        最后，这只是鄙人最近的一些思考，如果有不当或遗漏的地方，欢迎大家在下方畅所欲言！