背景图案描述英文

在繁杂肠道疾病的系統微植物学探索中，mtk量组学技术性（如转录组、核蛋白组、分解组、译成后遮盖组等）正以上所未变的强度和维度探求原子层面所进行的问题。显然，直面巨量、高维且异质的两组学大数据，怎么样去一文提练享有微植物学重要性的技能模组，并优质辨认重要的驱使指数，仍是眼下探索的关键桃战。

怎样的是WGCNA？

加权平均法基因组共表达方式数据网络研究（Weighted Gene Co-expression Network Analysis, WGCNA）是一个种强劲的无督查系统化生物工程学方式方法。

它依据计算出来基因组/蛋清互相的体现关于性，将存在相似性体现基本模式的分子式聚类算法为的功能联动的组件图片，相结步骤讲解某些组件图片与样品特证（如临床疗法表型、疗法初始化失败、发展阶段等）互相的有关。

WGCNA很好的安装了“分子结构表达爱转变 ”与“宏观经济政策表型症状”内的铁路桥梁，是两组学兼容合并定量分析与逻辑假说转化成的重要交通工具的一种。

为哪种选定WGCNA？

设计性的数据整合呈现组的数据

来源于总体目标绘制位点数据表格资料向量，组合转录组、监床等表型数据表格资料，发现自我调节数据网络

会员精准营销分析表观靶点

为摸块-表型有关阐述，辨识与表观绘制超时重要一些的体系化成分

两组学关联关系判断

一坐式兼容合并几组学特征英文 + 监床因变量，从海量视频数剧中凝练携手发生变化摸块与要点靶点

可视化数据驱动软件行为

更直观展现出共理解模块图片、重点因素与表型当中的相互关系，动力靶点挑选与安全验证

WGCNA内在可视化分析方面

样例聚类分析法与物理性质热图

精确性体现样品间相类似性与表型数据分布

细胞因子聚类分析与组件确定

将指数按展示基本模式聚类分析到各个控制器控制器

特征描述系数电脑网络

反映哪些地方功能模块与某表型（如急病、医疗反馈)宽度关联

控制器-表型密切关系

最为关键的分子选择为版块成员国度(MM)和分子差异性性(GS)精准度确定重点靶点

重要指数需求（MM-GS双公式）

结合组件成员英文度（MM）（因子与模块关联强度）与指数公式显著性性（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。

从具体分析最终到关键所在看到

模块电源与表型绑定qq了解是WGCNA的本质优点！如：

高甲基化包块与"肝癌信用卡分期"正有关(r=0.82, p<0.001)

低甲基化模块电源与"化疗药耐药肺结核性"负有关系(r=-0.75, p<0.01)

能够MM-GS双招生指标需求，精细标记突显组动力dna：

高MM值→控制器内体系化宏观调控染色体

高GS值→与表型强微信关联的表观靶点

MM>0.7且GS>0.25的dna，就是指呈现组调节的重点靶点！

WGCNA的极限实用价值

WGCNA完成整理几组学数据分析，推动：

1剖析多个学协作监测体制

2确定驱动包表型的要素基本功能模快

3引领招商精准治疗方法靶点挖掘

4解决组学统计数据融合突破点