底色分析

在很复杂重大疾病的模式菌物学探讨中，高通芯片量组学高技术（如转录组、蛋清组、消化吸收组、译成后突显组等）正己前所并未的深度的和思维具体分析大分子层面上的非常。但，应对巨量、高维且异质的两组学资料，该如何原文中提取还具有菌物学必要性的技能模快，并招商精准判断首要win7驱动要素，仍是如今探讨的基本点对决。

有那么到底怎样的才是WGCNA？

权重遗传基因共表达爱网咯讲解（Weighted Gene Co-expression Network Analysis, WGCNA）是种巨大的无执法监督操作系统菌物学办法。

它按照核算dna/血清期间的表答涉及到性，将具备有形似表答传统模式的氧分子聚类算法为系统分工协作的引擎，相结那步深入分析他们引擎与子样本优点（如诊疗表型、开展加载失败、发展情形等）期间的关联性。

WGCNA有郊修建了“氧分子抒发转变 ”与“大体上表型特色”范围内的中介，是两组学构建定性分析与体系假说转换成的核心理念器具之五。

为哪个考虑WGCNA？

系統性整理突显组数据源

根据个人目标呈现位点资料单位矩阵，聚合转录组、临床检验等表型资料，开采调空网上

脱贫攻坚定位功能表观靶点

通过模组-表型连接分享，识别系统与表观掩盖出错强势有关系的核心区要素

两组学联系推测

一趟式优化两组学共同点 + 临床上字段，从大量数据文件中总结协同工作变现版块与主要靶点

可视化效果驱动包战略

举例子提供共体现组件、重要性指数公式与表型内的关系的，助推靶点选择与验正

WGCNA基本点大数据可视化信息

样版聚类分析法与相对性状热图

直接呈现样板间相同性与表型区域划分

要素聚类算法与信息模块分配

将指数按表明方式聚类分析法到不同的效果包块

结构特征系数在线

折射出哪个包块与既定表型（如妇科疾病、控制反应迟钝)的高度一些

板块-表型有关

关键点成分淘汰特征提取控制器成员名单度(MM)和成分相关性性(GS)精准度位置中心靶点

关键因素因素淘汰（MM-GS双完成指标）

结合接口成员介绍度（MM）（因子与模块关联强度）与分子有效性（GS）（因子与表型相关性），筛选高MM（>0.7）且高GS（>0.25)的核心靶点。

从定量分析数据到重要的看见

接口与表型锁定分享是WGCNA的体系化优点！假如：

高甲基化模块图片与"肝癌分期贷"正重要性(r=0.82, p<0.001)

低甲基化方案与"放疗化疗抗药效性"负相关联(r=-0.75, p<0.01)

能够MM-GS双指标值需求，精准性的分析绘制组驱程DNA：

高MM值→接口内本质调节基因遗传

高GS值→与表型强锁定的表观靶点

MM>0.7且GS>0.25的人类基因，即是表达组调节的重要性靶点！

WGCNA的最好的的价值

WGCNA采用兼容合并多个学数据库，实现目标：

1解读几组学协作监测机理

2定位系统控制表型的关健作用模快

3颠覆式创新精准脱贫治愈靶点发展

4破解工具组学动态数据优势互补痛点