|
生信碱移 自定义你的WGCNA基因集功能表型
此教程将分享ssgsea自定义基因集联合WGCNA的简单套路 加权基因共表达网络分析（WGCNA），是一种广泛使用的数据挖掘方法，尤其适用于基于变量之间的成对相关性研究生物网络。在基因相关性的基础上，它允许定义模块（基因集群），研究共表达模块之间的关系，并比较不同网络的网络拓扑（差分网络分析）。同时，WGCNA可以作为一种特征选择方法，分析表型与基因模块之间的潜在联系，以帮助筛选出与特定表型相联系的基因网络。
单样本 GSEA(ssGSEA)是基因集富集分析的扩展，计算样本和基因集每一对的单独富集分数。每个ssGSEA 富集分数，代表特定基因集中的基因在样本中协调上调或下调的程度。 简单理解， 基因集就是多个基因的集合而已，一个基因集中的基因往往代表着某种生物学特征。打个比方，一个KEGG通路注释“P53信号途径”中的基因构成的集合便称可以作基因集。
▲ p53信号途径 在实际分析中，通过输入表达矩阵， ssGSEA将由“样本-基因-表达”的 表达矩阵形式（即：行名为基因，列名为样本编号，对应填充值为表达量）转化为“样本-通路（基因集）-ssgsea打分”的打分矩阵（即：行名为基因集对应生物学功能名称，列名为样本编号，对应填充值为ssgsea打分）。ssgsea得出的得分将作为表型，并进行WGCNA分析。
▲ 简单理解 示例文件：后台回复 “ afssgseawgcna ” ，即可获得示例文件与代码 输入文件 1、表达矩阵：
2、样本分组，第一列为样本编号（需要与表达矩阵中一致），第二列为样本信息（千万注意，需要进行排序：正常组C放前面、疾病组放后面）
3、每个通路对应的基因信息，gmt文件（可以自行准备，或者在GSEA等基因集存储数据库获得）
4.参数设置（如下图） 部分图表展示
最近赶忙见谅各位 就分享到这里了 大家实战试试 END |
|
|
