通过WGCNA作者的测试数据来学习

  • 2019 年 10 月 11 日
  • 筆記

测试数据下载链接在：https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/SimulatedData.zip

在这样的测试数据里面很容易跟着作者的文档，一步步掌握WGCNA，文档步骤目录如下：

  • Simulation of expression and trait data: PDF document, R script
  • Loading of expression data, an alternative to data simulation, provided to illustrate data loading of real data: PDF document, R script
  • Basic data preprocessing illustrates rudimentary techniques for handling missing data and removing outliers: PDF document, R script
  • Standard gene screening illustrates gene selection based on Pearson correlation and shows that the results are not satisfactory: PDF document, R script
  • Construction of a weighted gene co-expression network and network modules illustrated step-by-step; includes a discussion of alternate clustering techniques: PDF document, R script
  • Relating modules and module eigengenes to external data illustrates methods for relating modules to external microarray sample traits: PDF document, R script
  • Module membership, intramodular connectivity, and screening for intramodular hub genes illustrates using the intramodular connectivity to define measures of module membership and to screen for genes based on network information: PDF document, R script
  • Visualization of gene networks: PDF document, R script

第一步：了解测试数据

这里作者模拟了 3000 genes in 50 samples 的表达矩阵，然后这3000个基因可以使用WGCNA算法比较好的区分成为5个模块，颜色可以标记为( turquoise, blue, brown, green, and yellow)，当然，还有大量的基因处于grey模块，就是需要忽略掉的。

另外值得注意的是，作者模拟了 **a simulated clinical trait y ** 这个表型信息，在后续分析也用得上。

这个模拟数据的代码，非常值得学习，因为它蕴藏着WGCNA的原理，相当于反向解析。

第二步：在R里面载入测试数据

这个只需要注意一下R语言项目管理模式即可，使用Rstudio新建project文件夹。

第三步：数据预处理

主要是去除离群点，包括样本和基因，主要是R基础代码的应用。

也可以简单的层次聚类，看看数据分布，样本距离。在我https://github.com/jmzeng1314/my_WGCNA 展示的乳腺癌数据集，效果如下：

第四步：基因挑选

这个步骤主要是考虑到基因数量太大，后续计算量比较可观，很多基因是没有必要进入后续WGCNA环节的，这个时候很多人会喜欢先做差异分析，挑选统计学显著的差异基因，但是作者不认为这样的策略可取。

第五步：基因模块构建（主要）

首先需要使用函数 pickSoftThreshold 挑选最佳阈值！

然后使用函数 blockwiseModules 一步构建加权共表达网络（Weight co-expression network)

还可以使用函数 plotDendroAndColors 可视化我们的基因模块树。

第六步：模块内部诊断

根据模块的基因集表达矩阵，判断某个模块的eigengenes，然后基于各个模块的eigengenes进行模块之间相关性的计算

datME=moduleEigengenes(datExpr,moduleColors)$eigengenes  signif(cor(datME, use="p"), 2)  dissimME=(1-t(cor(datME, method="p")))/2  hclustdatME=hclust(as.dist(dissimME), method="average" )  # Plot the eigengene dendrogram  par(mfrow=c(1,1))  plot(hclustdatME, main="Clustering tree based of the module eigengenes")  sizeGrWindow(8,9)  plotMEpairs(datME )

也可以查看具体某个模块的基因集的表达量热图

sizeGrWindow(8,9)  par(mfrow=c(3,1), mar=c(1, 2, 4, 1))  which.module="turquoise";  plotMat(t(scale(datExpr[,colorh1==which.module ]) ),nrgcols=30,rlabels=T,          clabels=T,rcols=which.module,          title=which.module )

如果有临床性状指标，就可以把各个模块和临床指标进行相关性诊断。比如在我GitHub讲解的乳腺癌数据集是https://github.com/jmzeng1314/my_WGCNA 可以很清晰的看到不同乳腺癌压型有着不同相关性的基因模块。

第七步：挑选模块里面的重要基因

比如在我GitHub讲解的乳腺癌数据集是https://github.com/jmzeng1314/my_WGCNA 就挑选了Luminal这个亚型的形状，以及它最显著相关的 brown 模块进行后续分析。

第八步：模块的其它可视化

主要是TOM矩阵，凑数用，还有模块之间的相关性展示，基本上也是凑数的，如下：

写在最后

WGCNA包的作者，精心设计的这个测试数据集，其实最重要的不是WGCNA流程，而是它背后所呈现的原理。

希望你能静下心来读一遍。

VirMach 便宜 VPS

QNews

QNews