底色叙说

在简化发病的设计动物学钻研探讨中，mtk量组学新技术（如转录组、蛋白酶组、分解组、泰语翻译后绘制组等）正原先所未变的程度和深度广度体现了分子式本质的越来越。既使，正视诸多、高维且异质的几组学数据统计，该如何上面提炼出还具有动物学意义上的特点模组，并精准度判别关键因素驱动包成分，仍是到现阶段钻研探讨的核心理念对战。

一些是WGCNA？

加权平均法什么是基因共表明网络数据定量分析（Weighted Gene Co-expression Network Analysis, WGCNA）就是种强有力的无监管设计生物制品学方案。

它按照算起遗传基因/淀粉酶之中的呈现连接性，将更具类似的呈现的情况的原子核聚类进行分析为功能表推进的功能，并举一点进行分析以下功能与样例特征描述（如临床药学表型、改善没有响应、生活的情况等）之中的连接。

WGCNA有效的架设了“原子核表示发生改变”与“外部经济表型基本特征”相互间的铁路桥梁，是几组学整合资源进行分析与机理假说转成的目标器具其一。

为哪种选WGCNA？

针对性性资源整合掩盖组统计资料

依托于要求呈现位点动态数据分析矩阵计算，优势互补转录组、临床试验等表型动态数据分析，挖掘出调整微信网络

精准服务精确定位表观靶点

鉴于功能模块-表型微信关联探讨，识別与表观突显不正常有明显涉及到的的重点指数

两组学相关联推测

站台式优势互补多个学特证 + 医学因素，从万部数据报告中提炼出协同管理變化功能与关键的靶点

信息可视化驱动器策略

形象直观体现共表述模快、根本成分与表型区间内的直接关系，保驾护航靶点建立与确认

WGCNA关键可视化分析游戏内容

子样本聚类分析与物理性质热图

客观事物展示出样板间相近性与表型生长

系数聚类算法与功能规划

将成分按展示模试聚类分析法到不同于功能键模组

表现因素在线

呈现那些模组与指定表型（如疾病症状、治療反應)髙度想关

模快-表型关系的

关健要素选择通过包块成员介绍度(MM)和要素偏态性(GS)正确准确定位本质靶点

核心因素建立（MM-GS双的指标）

结合功能模块团员度（MM）（因子与模块关联强度）与细胞显著性性（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。

从研究结杲到重点出现

模组与表型关连浅析是WGCNA的重要闪光点！这类：

高甲基化功能模块与"肝癌分期付"正重要性(r=0.82, p<0.001)

低甲基化电源模块与"肿瘤化疗耐药效性"负相关(r=-0.75, p<0.01)

在MM-GS双指标体系选择，正确定位手机突显组驱动下载dna：

高MM值→版块内主要管控基因组

高GS值→与表型强关系的表观靶点

MM>0.7且GS>0.25的基因组，既得装饰组宏观调控的的关键靶点！

WGCNA的结果使用价值

WGCNA能够 融合多个学数剧，实行：

1讲解两组学协同作战改善策略

2准确定位控制表型的要点基本功能版块

3整合资源优质疗法靶点察觉

4破解下载组学信息转型痛点