通过WGCNA作者的测试数据来学习-转自生信技能树

通过WGCNA作者的测试数据来学习

原创 生信技能树 通过WGCNA作者的测试数据来学习

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:

通过WGCNA作者的测试数据来学习-转自生信技能树_第1张图片
image

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)$eigengenessignif(cor(datME, use="p"), 2)dissimME=(1-t(cor(datME, method="p")))/2hclustdatME=hclust(as.dist(dissimME), method="average" )# Plot the eigengene dendrogrampar(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。

通过WGCNA作者的测试数据来学习-转自生信技能树_第2张图片
image

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。

通过WGCNA作者的测试数据来学习-转自生信技能树_第3张图片
image

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:

通过WGCNA作者的测试数据来学习-转自生信技能树_第4张图片
image

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。

生信技能树公众号推文在:

  • 解读GEO数据存放规律及下载,一文就够

  • 解读SRA数据库规律一文就够

  • 从GEO数据库下载得到表达矩阵 一文就够

  • GSEA分析一文就够(单机版+R语言版)

  • 根据分组信息做差异分析- 这个一文不够的

  • 差异分析得到的结果注释一文就够

如果你完全看不懂本文,下面的课程你可能会需要!
生信技能树-jimmy的个人空间 - 哔哩哔哩-74小时生物信息入门课程
Bilibili https://space.bilibili.com/338686099/#/

你可能感兴趣的:(通过WGCNA作者的测试数据来学习-转自生信技能树)