跟着大神学习WGCNA分析——WGCNA是干嘛的？

致知 2019-10-06
一起为你的基因找个朋友吧~

上一次学习WGCNA还是7月份做小组作业的时候，本来想做WGCNA，但是当时各方面没有入门，理解不了这个是个啥东西，最后我一个废柴带着另外好几个废柴用jimmy大神的代码做了差异分析。正好前两天生信技能树的公众又重新发了WGNA的文章，就趁着国庆有空好好看一下吧~
另外给协和的小伙伴的推荐每年下半年开课的高级统计学（姜老师真的女神范儿，讲课逻辑极其清楚而且超级有气质~以下省略3000彩虹屁）还有李娇老师开的数据挖掘(内容比较泛，全面的介绍了可以用R做的的各种事情，不可能上完课就掌握，但用来入门R是极好的)。ps高级统计学很晦涩，可以配合statquest食用，听不进去很痛苦，听进去就还挺有意思，不过，听不懂去看看姜女神的风采也是好的，闲着也是闲着不是吗？
废话扯了好多，一起跟着Horvath和jimmy的work flow来学习吧~

WGCNA 是用来做什么的呢？

    Hovath的文章里完整的介绍了WGCNA的分析全部过程。(DOI: 10.2202/1544-6115.1128)。我知道你不会看的，别担心jimmy大神的教程里有中文名词解释。假设你像我一样，第一次看没有看懂，那么我们就一起来玩一个找朋友的游戏吧。
    假设现在有医学院的大一新生1000名（super huge的医学院）我们想快速的对他们有一个大致的了解，但又没有精力一名一名的了解，我们就希望能把他们分成具有共同性质的几拨。我们用什么分类呢？身高？性别？宗教信仰？你对香港问题的看法？其实都可以，这里我们用籍贯（因为想起了新生尬聊第一句话一般都是你家是哪的呀？）。假设你是辅导员，你大喊：来，咱们一起来玩找朋友！来自同一个省的请快速聚到一起。经过一阵骚动，分成了34堆。不够细致，你接着喊：请同一个省中来自同一个市的聚到一起。经过一阵骚动，34堆中每个又分出了x堆。你希望更加细致一点，你喊，同一个市中来自同一个县的聚到一起。x堆中又分出了y堆。你很满意，但是，你为了节省你的工作量，你希望每堆里面有一个代表，帮你汇报这一堆的情况，你接着喊：请每一组同学推选一个交际能力最强的同学当代表。又经过一阵骚动，你有了34xy个堆，和34xy个代表。
    为什么要玩一个这么无聊的游戏呢？因为WGCNA分析就是一个这样的找朋友（层次聚类）的过程啊。你有A个样本，做了测序或者芯片分析，每个样本测到了n个基因，你希望了解这些基因中那些是对你的研究是有价值的，但是又不可能一个一个分析，有人就想到了，那就让这些基因玩一个找朋友的游戏吧。基因没有籍贯，我们通过什么让它们找朋友呢？Ravasz这个大哥说我们就用topological overlap dissimilarity measure这种方法吧（看不懂没关系，我也不懂，你不需要了解它，只知道它是一种很牛逼的并且具有生物学意义的统计学方法吧）。经过了这种牛逼方法的筛选后，我们依据临近值（adjacency）让基因找到了朋友，分成了i堆，你就的到了表达模式（expression profile）一致的一堆基因（genes with coherent expression profile），这就是你的module（模块）。你可以调整你的参数，得到或大或小的module（按省分，按市份，按省分）。然后，你还可以再你的每一个module里面挑选几个起到核心做的的基因（交际能力最好的代表），你就得到了你的hub基因。
    看，经过一个简单的类比，那些拗口的专业词汇，是不是也不是那么难理解了呢？
来几个名词解释吧
Weight（权重） 基因之间不仅仅是相关与否，还记录着它们的相关性数值，数值就是基因之间的联系的权重(相关性)。
模块(module)：表达模式相似的基因分为一类，这样的一类基因成为模块；
Eigengene（eigen +‎ gene）：基因和样本构成的矩阵，
Adjacency Matrix(邻近矩阵)：是图的一种存储形式，用一个一维数组存放图中所有顶点数据；用一个二维数组存放顶点间关系（边或弧）的数据，这个二维数组称为邻接矩阵；在WGCNA分析里面指的是基因与基因之间的相关性系数矩阵。 如果用了阈值来判断基因相关与否，那么这个邻近矩阵就是0/1矩阵，只记录基因相关与否。但是WGCNA没有用阈值来卡基因的相关性，而是记录了所有基因之间的相关性。
Topological Overlap Matrix (TOM)WGNA认为基因之间的简单的相关性不足以计算共表达，所以它利用上面的邻近矩阵，又计算了一个新的邻近矩阵。一般来说，TOM就是WGCNA分析的最终结果，后续的只是对TOM的下游注释。
-----from jimmy's github
    我第一次试图学习WGCNA的时候，因为啥都不懂，只知道差异基因，当时找了好久，都没有样本的分组信息，然后整个人就很方，脑子里只有一个想法，怎么分组呢？怎么没有对照组呢？现在想想，蠢的的可爱呀~

timg.jpg