加权基因共表达网络分析（Weighted Gene Co-expression Network Analysis, WGCNA）

1.基本概念

WGCNA 是一种基于基因表达数据的系统生物学方法，通过构建基因共表达网络，识别高度协同表达的基因模块（Module，并探索这些模块与表型（如疾病、生理特征）之间的关联。其核心思想是：“共表达的基因可能在功能上相关” 。

• 基因共表达网络 ：以基因表达数据为基础，计算基因间的表达相关性（如皮尔逊相关系数），构建无尺度网络（Scale-Free Network）。
• 模块（Module） ：一组高度互联的基因，可能共同参与某一生物学过程或通路。
• 模块特征基因（Module Eigengene, ME） ：模块内第一主成分，代表模块的整体表达模式。
• 基因显著性（Gene Significance, GS） ：基因与表型的相关性。
• 模块-表型关联（Module-Trait Relationship） ：模块特征基因与表型的统计关联强度。

2. WGCNA的核心目的

• 降维 ：将数千个基因的表达数据简化为少数几个功能模块。
• 识别关键模块 ：找到与目标表型（如疾病状态、药物反应）显著相关的基因模块。
• 筛选核心基因（Hub Gene） ：在模块中识别高度连接的基因，可能作为生物标志物或治疗靶点。

3. 分析流程

• 步骤1：数据预处理
• 输入数据 ：基因表达矩阵（如RNA-seq或微阵列数据），样本需有表型信息（如疾病/对照、临床指标）。
• 过滤低表达基因 ：去除低方差或低表达量的基因。
• 标准化 ：消除技术偏差（如批次效应），常用方法包括TPM标准化、Z-score标准化。
• 步骤2：构建共表达网络
• 计算基因间相关性 ：构建基因表达相关性矩阵（皮尔逊相关系数）。
• 软阈值（Soft Thresholding） ：选择幂指数β，使网络接近无尺度分布（增强鲁棒性）。
• 构建邻接矩阵 ：将相关性转换为连接强度（权重），公式：
  \(a_{ij}=|cor(x_i,x_j)|^{\beta}\)
• 模块识别：通过层次聚类（Hierarchical Clustering）或动态剪切树（Dynamic Tree Cut）划分模块。
• 步骤3：模块与表型关联分析
• 计算模块特征基因（ME） ：每个模块的第一主成分。
• 关联分析 ：计算ME与表型（如疾病状态、生存时间）的相关性（p值）。
• 筛选显著模块 ：选择与表型高度相关的模块（如p<0.05，相关性绝对值>0.5）。
• 步骤4：模块功能解析
  • 功能富集分析 ：对模块基因进行GO、KEGG分析，揭示生物学功能。
  • 识别Hub Gene ：通过模块内连接度（Intramodular Connectivity）筛选核心基因。
• 步骤5：验证与实验
  • 独立数据集验证 ：在外部数据集中验证模块和Hub Gene的关联性。
  • 实验验证 ：通过敲除、过表达等实验验证关键基因的功能。

4. 应用场景

• 疾病标志物发现 ：识别与疾病发生、预后相关的基因模块和Hub Gene。
• 药物靶点预测 ：在疾病相关模块中筛选潜在药物靶点。
• 跨组学整合 ：结合基因组、表观组数据，解析多组学调控网络。
• 生物学过程研究 ：揭示发育、分化等复杂过程中的协同表达机制。

5. 常用工具与资源

R包 ：

• WGCNA ：核心分析工具，提供从网络构建到模块关联的完整流程。
• flashClust ：加速层次聚类。
• igraph 、Cytoscape ：网络可视化。
  数据库 ：
• TCGA 、GEO ：获取公共基因表达数据。
• STRING ：辅助验证基因相互作用。

6.注意事项

• 样本量 ：建议样本数≥15，小样本可能导致结果不稳定。
• 数据质量 ：需严格质控（如去除离群样本）。
• 模块解释 ：需结合生物学背景，避免过度依赖统计显著性。
• Hub Gene验证 ：需实验验证其功能，避免假阳性。

7.示例分析

• 场景 ：在肝癌研究中，通过WGCNA识别到一个与肿瘤转移显著相关的蓝色模块。
• 功能富集 ：该模块基因显著富集于“细胞外基质重塑”（ECM-receptor interaction）。
• Hub Gene ：筛选出核心基因COL1A1，其高表达与患者预后差相关。
• 实验验证 ：敲除COL1A1后，肝癌细胞迁移能力显著下降。

WGCNA与GO/KEGG的互补性

• WGCNA ：侧重系统层面 的基因协同表达模式，揭示模块与表型的关系。
• GO/KEGG ：侧重单基因功能 或通路级 的注释。
• 整合策略 ：先用WGCNA筛选关键模块，再通过GO/KEGG解析模块功能。