# 我是如何学习WGCNA分析

1. Data input and cleaning: PDF documentR script
2. Network construction and module detection
1. Automatic, one-step network construction and module detection: PDF documentR script
2. Step-by-step network construction and module detection: PDF documentR script
3. Dealing with large datasets: block-wise network construction and module detection: PDF documentR script
3. Relating modules to external clinical traits and identifying important genes: PDF documentR script
4. Interfacing network analysis with other data such as functional annotation and gene ontology PDF documentR script
5. Network visualization using WGCNA functions: PDF documentR script
6. Export of networks to external software: PDF documentR script

```#3. 一步法网络构建：One-step network construction and module detection
net = blockwiseModules(datExpr, power = 6, maxBlockSize = 6000,
TOMType = "unsigned", minModuleSize = 30,
reassignThreshold = 0, mergeCutHeight = 0.25,
numericLabels = TRUE, pamRespectsDendro = FALSE,
saveTOMs = TRUE,
saveTOMFileBase = "AS-green-FPKM-TOM",
verbose = 3)```

```#1. 可视化全部基因网络
# Calculate topological overlap anew: this could be done more efficiently by saving the TOM
# calculated during module detection, but let us do it again here.
dissTOM = 1-TOMsimilarityFromExpr(datExpr, power = 6);
# Transform dissTOM with a power to make moderately strong connections more visible in the heatmap
plotTOM = dissTOM^7;
# Set diagonal to NA for a nicer plot
diag(plotTOM) = NA;
# Call the plot function
#sizeGrWindow(9,9)
TOMplot(plotTOM, geneTree, moduleColors, main = "Network heatmap plot, all genes")```

（1）如何确定你WGCNA得到的module所代表的共表达基因不是随机的？而确实是统计学上应该归类在那些module中的？
（2）你所用的这些样本，找到的module，鲁棒性如何？是否足够robust?
(3) 以你的breast cancer样本为例，如何证明你的modules确实可能代表乳腺癌共表达特征，如何比较他们与其他乳腺癌共表达网络的保守和差异？
(⊙o⊙)…我讲解的是如何学习WGCNA的那个包的学习方法，就是会做，会用，统计学原理我不懂啊，我也没有实战经验呀 @NJ-植物-转录组  @美国-转录组分析  如果你们是考我的话，我很抱歉了。我猜测，module的基因是否随机，看看热图，再random choose同样size的基因list看看就好了吧。 至于module是否robust，不知道WGCNA里面有没有p值的参数，没有的话，就多做几次，或者那个power换一下，比较一下。至于那些module是否代表乳腺癌共表达特征，我 更不知道了，那56个样本，是我随便找的，是就是想找一个input的表达矩阵而已，反正有了module，不都是做一些注释看看是不是合理的嘛

【学神】机器猫-番茄-武汉() 12:00:19 AM

【学神】中大-普外科-chaos() 12:01:40 AM

【学神】机器猫-番茄-武汉() 12:01:42 AM
WGCNA官网推荐 所有基因进行共表达分析  但是又有很多人说只做差异的
【学神】机器猫-番茄-武汉() 12:02:35 AM

【学神】中大-普外科-chaos() 12:02:43 AM

【学神】机器猫-番茄-武汉() 12:03:10 AM
RPKM(FPKM)值 或者芯片表达量
【学神】中大-普外科-chaos() 12:03:33 AM

【学神】机器猫-番茄-武汉() 12:03:43 AM
normalized count好像不太合适吧
【学神】中大-普外科-chaos() 12:03:56 AM
counts矩阵不行么
【学神】机器猫-番茄-武汉() 12:04:10 AM
normalized count应该也可以
【学神】机器猫-番茄-武汉() 12:05:09 AM

【学霸】杭州-RNA-小鸣() 12:09:05 AM
@机器猫-番茄-武汉 count数据归一化后也可以使用wgcna的
【叫兽】NJ-植物-转录组(270470585) 12:10:16 AM

【学神】机器猫-番茄-武汉() 12:12:59 AM

【学神】机器猫-番茄-武汉() 12:13:19 AM

【学神】中大-普外科-chaos() 12:14:36 AM

【学神】中大-普外科-chaos() 12:15:04 AM

【叫兽】NJ-植物-转录组(270470585) 12:15:12 AM