WGCNA簡潔ガイド|3.WGCNAを使用したネットワークの視覚化
WGCNAシリーズ
WGCNAの基本的なチュートリアルはここで終了し、公開された記事の例を使用して実際に説明されます。基本的なチュートリアルのすべてのコードとサンプルデータを必要とする友人はそれを行う
点赞+在看,并转发朋友圈集赞10个
ことができます赞赏10元
。
WGCNAシリーズ
参考
データの準備
Rでのネットワークの視覚化
遺伝子ネットワークの視覚化
eigengenesネットワークの視覚化
ネットワークデータをネットワーク視覚化ソフトウェアにエクスポートする
Cytoscapeにエクスポート
過去
参考
この記事は、主にWGCNA Rパッケージの公式ガイドチュートリアル(ucla.edu)を参照しています。詳細については、公式ドキュメントを参照してください。
その他の情報:
WGCNA-アンソロジー-Jianshu(jianshu.com)
WGCNA分析、最新のシンプルで包括的なチュートリアル-短い本(jianshu.com)
WGCNA :(加重共発現ネットワーク分析)-バイオプログラマー-CSDNブログ
WGCNAはモジュールから重要な遺伝子をどのようにマイニングしますか-プログラマーが求めました
データの準備
Rでのネットワークの視覚化
遺伝子ネットワークの視覚化
# 模块检测时的计算,重新算一次
dissTOM = 1-TOMsimilarityFromExpr(datExpr, power = 6);
# 对dissTOM进行power转换,使中等强度的连接在热图中更加明显
plotTOM = dissTOM^7;
# 设置对角线为NA以得到更好的图
diag(plotTOM) = NA;
# 绘图
sizeGrWindow(9,9)
TOMplot(plotTOM, geneTree, moduleColors, main = "Network heatmap plot, all genes")
部分的な遺伝子可視化TOMマトリックス
すべての遺伝子のヒートマップの生成には、かなりの時間がかかる場合があります。プロットをスピードアップするために、遺伝子の数を制限することができます。ただし、遺伝子のサブセットの遺伝子樹状図は、すべての遺伝子の遺伝子樹状図とは異なって見えることがよくあります。以下の例では、プロットされる遺伝子の数は400に制限されています。
nSelect = 400
# 为了可重复,设置随机数种子
set.seed(10);
select = sample(nGenes, size = nSelect);
selectTOM = dissTOM[select, select];
# 没有简单的方法将聚类树限制在基因的一个子集,所以我们必须重新聚类
selectTree = hclust(as.dist(selectTOM), method = "average")
selectColors = moduleColors[select];
# 绘制
sizeGrWindow(9,9)
plotDiss = selectTOM^7;
diag(plotDiss) = NA;
TOMplot(plotDiss, selectTree, selectColors, main = "Network heatmap plot, selected genes")
eigengenesネットワークの視覚化
# 重新计算模块 eigengenes
MEs = moduleEigengenes(datExpr, moduleColors)$eigengenes
# 提取临床特征weight
weight = as.data.frame(datTraits$weight_g);
names(weight) = "weight"
# 在eigengenes模块中加入临床特征weight
MET = orderMEs(cbind(MEs, weight))
# 绘制eigengenes和临床特征weight之间的关系图
sizeGrWindow(5,7.5);
par(cex = 0.9)
plotEigengeneNetworks(MET, "",
marDendro = c(0,4,1,2),
marHeatmap = c(3,4,1,2),
cex.lab = 0.8, xLabelsAngle= 90)
# 分别绘制
# 绘制树状图
sizeGrWindow(6,6);
par(cex = 1.0)
plotEigengeneNetworks(MET, "Eigengene dendrogram", marDendro = c(0,4,2,0),
plotHeatmaps = FALSE)
# 绘制热图
par(cex = 1.0)
plotEigengeneNetworks(MET, "Eigengene adjacency heatmap", marHeatmap = c(3,4,2,2),
plotDendrograms = FALSE, xLabelsAngle = 90)
ネットワークデータをネットワーク視覚化ソフトウェアにエクスポートする
Cytoscapeにエクスポート
# Recalculate topological overlap if needed
TOM = TOMsimilarityFromExpr(datExpr, power = 6);
# Read in the annotation file
annot = read.csv(file = "GeneAnnotation.csv");
# 以红色和棕色模块为例
modules = c("brown", "red");
# Select module probes
probes = names(datExpr)
inModule = is.finite(match(moduleColors, modules));
modProbes = probes[inModule];
modGenes = annot$gene_symbol[match(modProbes, annot$substanceBXH)];
# Select the corresponding Topological Overlap
modTOM = TOM[inModule, inModule];
dimnames(modTOM) = list(modProbes, modProbes)
# Export the network into edge and node list files Cytoscape can read
cyt = exportNetworkToCytoscape(modTOM,
edgeFile = paste("CytoscapeInput-edges-", paste(modules, collapse="-"), ".txt", sep=""),
nodeFile = paste("CytoscapeInput-nodes-", paste(modules, collapse="-"), ".txt", sep=""),
weighted = TRUE,
threshold = 0.02,
nodeNames = modProbes,
altNodeNames = modGenes,
nodeAttr = moduleColors[inModule]);
cyt
視覚化のためにインポートできるedge
合計データがあります。node
cytoscape