WGCNA

WGCNA（Weighted Gene Co-expression Network Analysis），即加权基因共表达网络分析，是一种基于基因共表达模式的网络分析方法。

一、基本原理
    基因相关系数计算：WGCNA首先计算基因之间的相关系数，衡量基因表达模式的相似性。常用的相关系数计算方法包括Pearson相关系数和Spearman相关系数。为了提高分析的生物学意义，WGCNA采用相关系数加权值，使得基因之间的连接服从无尺度网络分布。
    模块确定：基于基因的相关系数，WGCNA使用层次聚类方法（如基于动态树切割算法）将基因聚集成不同的模块。每个模块代表了一组具有相似表达模式的基因。
    共表达网络构建：通过基因间的相关系数，构建基因共表达网络，该网络揭示了基因之间的相互作用关系。
    模块与性状关联分析：WGCNA还提供了一种方法来探索基因模块与表型之间的关联，帮助发现与特定生物过程或疾病相关的基因模块。

二、应用场景
    疾病研究：通过分析不同疾病样本的基因表达数据，WGCNA可以识别与疾病相关的基因模块，并进一步分析这些模块中关键基因的功能和通路，有助于理解疾病的发生机制、诊断和治疗。
    生物过程研究：通过分析不同组织或细胞类型的基因表达数据，WGCNA可以识别关键调控模块，并进一步研究这些模块的功能和调控机制，有助于理解生物过程的调节和发展。
    生物标志物筛选：WGCNA能够识别在不同生物学过程中具有相似表达模式的基因集合，这些基因集合可能作为生物标志物，用于疾病的早期诊断和预后评估。
    药物研发：通过WGCNA分析，可以发现药物作用的靶点和通路，为药物研发提供新的思路和方法。

三、优势
    聚类方法使用权重共表达策略（无尺度分布），更加符合生物学现象。
    能呈现基因间的相互作用关系，且能找出处于调控网络中心的hub基因。

分析内容