通過WGCNA作者的測試數據來學習

  • 2019 年 10 月 11 日
  • 筆記

測試數據下載鏈接在：https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/SimulatedData.zip

在這樣的測試數據裡面很容易跟著作者的文檔，一步步掌握WGCNA，文檔步驟目錄如下：

  • 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：了解測試數據

這裡作者模擬了 3000 genes in 50 samples 的表達矩陣，然後這3000個基因可以使用WGCNA演算法比較好的區分成為5個模組，顏色可以標記為( turquoise, blue, brown, green, and yellow)，當然，還有大量的基因處於grey模組，就是需要忽略掉的。

另外值得注意的是，作者模擬了 **a simulated clinical trait y ** 這個表型資訊，在後續分析也用得上。

這個模擬數據的程式碼，非常值得學習，因為它蘊藏著WGCNA的原理，相當於反向解析。

第二步：在R裡面載入測試數據

這個只需要注意一下R語言項目管理模式即可，使用Rstudio新建project文件夾。

第三步：數據預處理

主要是去除離群點，包括樣本和基因，主要是R基礎程式碼的應用。

也可以簡單的層次聚類，看看數據分布，樣本距離。在我https://github.com/jmzeng1314/my_WGCNA 展示的乳腺癌數據集，效果如下：

第四步：基因挑選

這個步驟主要是考慮到基因數量太大，後續計算量比較可觀，很多基因是沒有必要進入後續WGCNA環節的，這個時候很多人會喜歡先做差異分析，挑選統計學顯著的差異基因，但是作者不認為這樣的策略可取。

第五步：基因模組構建（主要）

首先需要使用函數 pickSoftThreshold 挑選最佳閾值！

然後使用函數 blockwiseModules 一步構建加權共表達網路（Weight co-expression network)

還可以使用函數 plotDendroAndColors 可視化我們的基因模組樹。

第六步：模組內部診斷

根據模組的基因集表達矩陣，判斷某個模組的eigengenes，然後基於各個模組的eigengenes進行模組之間相關性的計算

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 )

也可以查看具體某個模組的基因集的表達量熱圖

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 )

如果有臨床性狀指標，就可以把各個模組和臨床指標進行相關性診斷。比如在我GitHub講解的乳腺癌數據集是https://github.com/jmzeng1314/my_WGCNA 可以很清晰的看到不同乳腺癌壓型有著不同相關性的基因模組。

第七步：挑選模組裡面的重要基因

比如在我GitHub講解的乳腺癌數據集是https://github.com/jmzeng1314/my_WGCNA 就挑選了Luminal這個亞型的形狀，以及它最顯著相關的 brown 模組進行後續分析。

第八步：模組的其它可視化

主要是TOM矩陣，湊數用，還有模組之間的相關性展示，基本上也是湊數的，如下：

寫在最後

WGCNA包的作者，精心設計的這個測試數據集，其實最重要的不是WGCNA流程，而是它背後所呈現的原理。

希望你能靜下心來讀一遍。

VirMach 便宜 VPS

QNews

QNews