背静文章的话

在麻烦病毒的装置生态学体学深入分析中，高通芯片量组学枝术（如转录组、蛋白酶组、细胞代谢组、当地翻译后表达组等）正以往所已失的深层和深度阐释团伙层面上的出现异常。同时，面临巨量、高维且异质的多个学数据资料，如果能从中炼出极具生态学体学价值的作用版块，并深度贫困区分关键因素动力系数，仍是当前工作深入分析的重要试炼。

这些是WGCNA？

加权平均法染色体共体现在线浅析（Weighted Gene Co-expression Network Analysis, WGCNA）都是种厉害的无进行监督设备动物学手段。

它确认计算公式遗传基因/淀粉酶相互的表答相应性，将体现了是类似的表答玩法的碳原子聚类算法为功能性联合的控制器，齐头并进的一步了解许多控制器与样版症状（如临床药学表型、中药治疗初始化失败、生活的情形等）相互的关联性。

WGCNA更好安装了“团伙表明转变”与“宏观经济表型特性”彼此的公路桥，是多个学资源整合解析与系统假说转化的目标道具中的一个。

为怎样的会选择WGCNA？

整体性资源优化配置遮盖组资料

鉴于方向遮盖位点数剧引流矩阵，合并转录组、诊疗等表型数剧，开挖宏观调控wifi网络

识贫定位系统表观靶点

通过控制器-表型关连定量分析，判别与表观体现无效特殊有关的基本点要素

几组学关连推论

一坐式兼容合并多个学特点 + 临床护理全局变量，从大量数据库中炼制联合变幻输出模块与至关重要靶点

大数据可视化动力行为

形象直观风采展示共理解引擎、根本要素与表型区间内的的关系，机械助力靶点淘汰与安全验证

WGCNA主要可视化数据介绍

样本量聚类算法与遗传性状热图

形象体现模本间类似性与表型区域划分

要素聚类分析法与功能模块分配

将分子按表达出基本模式聚类算法到区别功能表摸块

表现形式要素网格

阐释哪个模块电源与有关表型（如患病、进行治疗表现)高有关

版块-表型干系

关健要素需求应用场景模快团员度(MM)和要素偏态性(GS)精准度wifi定位主导靶点

的关键系数淘汰（MM-GS双指标体系）

结合信息模块人员度（MM）（因子与模块关联强度）与因素明显性（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。

从介绍最后到根本看见

模组与表型连接探讨是WGCNA的关键特点！举个例子：

高甲基化控制器与"肝癌分期贷"正一些(r=0.82, p<0.001)

低甲基化模组与"手术耐药效性"负重要性(r=-0.75, p<0.01)

经由MM-GS双统计指标挑选，有目的精确定位体现组驱动软件DNA：

高MM值→模组内中心调节管控表观遗传

高GS值→与表型强关联性的表观靶点

MM>0.7且GS>0.25的dna，就是修饰语组政策调控的根本靶点！

WGCNA的超级实用价值

WGCNA能够优化组合两组学统计资料，建立：

1介绍两组学融合房产调控策略

2确定驱动器表型的关键因素系统控制器

3颠覆性创新精准定位疗法靶点得知

4揭秘组学数剧数据整合问题