【生信简单文章复现】差异分析+WGCNA+功能富集分析+PPI网络+Hub基因验证

目录

WGCNA简介

两个假设

一般步骤 

数据准备

差异分析

参数解释

Limma包差异分析 

WGCNA分析

构建基因共表达网络

模块与临床特征的相关性分析

GO富集分析

KEGG富集分析

PPI分析

验证关键基因  

写在最后​​​​​​​

WGCNA简介

Weighted Gene Co-Expression Network Analysis，加权基因共表达网络，将复杂生物过程的基因共表达网络划分为高度相关的几个特征模块，其代表着机组高度协同变化的基因集，并可将模块与待定的临床特征建立关联，在研究表型性状与基因关联分析等方面的研究中被广泛应用。

两个假设

• 相似表达模式的基因可能存在共调控、功能相关或处于同一通路
• 基因网络符合无标度分布。无标度网络具有严重的异质性，其各节点之间的连接状况（度数）具有严重的不均匀分布性：网络中少数称之为Hub点的节点拥有极其多的连接，而大多数节点只有很少量的连接。少数Hub点对无标度网络的运行起着主导的作用。从广义上说，无标度网络的无标度性是描述大量复杂系统整体上严重不均匀分布的一种内在性质。

  一般步骤 

  1. 构建基因共表达网络：使用加权的表达相关性
  2. 识别基因集：基因加权相关性进行层次聚类分析，并根据设定标准切分聚类结果，获得不同基因模块，用聚类树的分枝和不同颜色表示
  3. 如果有表型信息，计算基因模块与表型的相关性，鉴定性状相关的模块
  4. 研究模块之间的关系，从系统层面查看不同模块的互作网络
  5. 从关键模块中选择感兴趣的驱动基因

  数据准备

  从GEO数据库中下载乳腺癌相关数据集，以基因表达量数据GSE1456和临床数据GPL96-57554为例进行数据分析。 

  setwd("F:/exp_clinical") #设置工作路径#读入数据ids