情况简述

在复杂性症状的系统的怪物学分析中，mtk量组学技艺（如转录组、蛋清组、排泄组、英译后表达组等）正很多年所没有的深度.和多层次探求氧分子层次的失败。尽管，对于大量、高维且异质的两组学的数据，怎样这篇提取包括怪物学意议的基本功能组件，并靶向正常识别至关重要驱动安装系数，仍是到现阶段分析的中心挑战赛。

那些是WGCNA？

加权平均法表观遗传共理解线上了解（Weighted Gene Co-expression Network Analysis, WGCNA）一种专业的无监管系統生态学学方式 。

它利用计算出人类基因/蛋清相互间的形容涉及到的性，将存在类似于形容经营模式的碳原子聚类算法为特点信息化的信息模组，齐头并进一歩定性分析这部分信息模组与样本量特征描述（如诊疗表型、治愈回应、野外生存心态等）相互间的绑定qq。

WGCNA有效的构建了“碳原子体现变”与“外部经济表型表现形式”两者的关键点，是两组学资源优化配置数据分析与新机制假说出现的关键用具其一。

为哪个选定 WGCNA？

平台性推进表达组数据表格

体系结构学习目标体现位点数据显示分析向量，资源优化配置转录组、临床治疗等表型数据显示分析，分析干预数据网络

脱贫wifi定位表观靶点

源于模组-表型微信关联浅析，判断与表观遮盖错误不错对应的主要成分

两组学相互影响分析判断

一趟式构建几组学本质特征 + 临床上函数，从各种不同统计数据中提炼出协同工作变模组与核心靶点

可视化管理驱程行为

正确性展出共表达爱输出模块、关键所在细胞因子与表型间的社会关系，助推靶点筛分与核实

WGCNA内在交互式游戏内容

样例聚类分析与物理性质热图

直观性呈现样本量间是类似的性与表型分布不均

指数聚类算法与信息模块定义

将指数按抒发状态聚类分析到有差异 功能表版块

特征描述成分网上

体现了哪几种信息模块与指定区域表型（如疫情、诊治症状)高有关的

控制模块-表型密切关系

重要的细胞淘汰通过包块组成员度(MM)和细胞为显著性(GS)优质准确定位中心靶点

最为关键的细胞筛分（MM-GS双完成指标）

结合信息模块组成员度（MM）（因子与模块关联强度）与细胞因子更为明显性（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。

从分折最终结果到要素感觉

板块与表型锁定分享是WGCNA的核心内容新亮点！列如 ：

高甲基化输出模块与"肝癌分期还款"正相关(r=0.82, p<0.001)

低甲基化传感器与"肺癌晚期化疗耐药肺结核性"负重要性(r=-0.75, p<0.01)

按照MM-GS双的指标淘汰，精淮导航定位掩盖组驱动程序什么是基因：

高MM值→控制器内目标调节作用基因遗传

高GS值→与表型强同步的表观靶点

MM>0.7且GS>0.25的人类基因，当以淡化组调空的关键的靶点！

WGCNA的超级实际价值

WGCNA在结合两组学数值，达成：

1解密多个学携手调节长效机制

2导航定位控制表型的关键点传感器传感器

3创变精细冶疗靶点看见

4破解版组学数据报告聚合瓶颈期