分析共表达网络

Analyze Coexpression Networks · 🟡进阶 · 所属分类：组学与生物信息分析

你想从一堆样本的表达数据里，找出协同变化的基因模块和其中的枢纽基因，并看它们跟表型有没有关系。它帮你把低表达过滤、软阈值这些容易随手拍脑袋的步骤做规范，避免造出一堆无意义的模块，也提醒你别把枢纽基因和模块-性状关联过度解读。

适合谁

有多样本表达数据、想做系统层面分析的研究生与PI，以及找候选调控基因的研究者。

给它什么 · 得到什么

• 你提供：表达矩阵（建议多样本）、样本性状/表型表、物种与注释，以及目标（模块识别 / 枢纽 / 性状关联）
• 你得到：网络模块划分、模块-性状关联、枢纽基因清单，以及可视化（模块图/相关热图）与参数说明

怎么用

给它表达矩阵和表型，比如：

「这是我60个样本的表达矩阵和对应的表型表，想用WGCNA找出跟疾病严重程度相关的模块和枢纽基因。」 触发后它会先做表达过滤、按scale-free挑软阈值，用WGCNA构网划模块，算模块特征基因与性状的关联，识别枢纽并做功能富集，最后评估模块稳健性、提示样本量局限。

提个醒

共表达是相关不是因果，枢纽基因只是待验证的候选假设；样本量小时网络不稳，它会提醒你慎下结论，通用红线适用。