WGCNA

#WGCNA | 来源: 网络整理| 查看: 265

1写在前面

之前我们完成了WGCNA输入数据的清洗，网络构建和模块识别。😘 而且还介绍了如何对大型数据分级处理，有效地减少了内存的负担。😷

接着就是最重要的环节了，将不同module与表型或者临床特征相联系，进一步鉴定出有意义的module，并进行module内部的分析，筛选重要基因。🤒

不得不说，东西还是挺多的，而且非常重要，我们一起来试一下吧。🥰

2用到的包 rm(list = ls())library(WGCNA)library(tidyverse) 3示例数据 load("FemaleLiver-01-dataInput.RData")load("FemaleLiver-02-networkConstruction-auto.RData") 4模块与外部特征关联

这里我们需要将module和traits联系起来，并且采用量化的方式。😘

4.1 量化模块与特征之间的关系

这里我们需要对模块的eigengenes进行提取，并与traits进行相关性分析。🧐

nGenes oldNames = names(geneInfo0)geneInfo0 = data.frame(geneInfo0, geneModuleMembership[, modOrder[mod]],MMPvalue[, modOrder[mod]]);names(geneInfo0) = c(oldNames, paste("MM.", modNames[modOrder[mod]], sep=""),paste("p.MM.", modNames[modOrder[mod]], sep=""))}geneOrder

【本文地址】

公司简介

联系我们