原型分析

在繁杂疾病症状的系统微植物学设计中，高通芯片量组学能力（如转录组、蛋白质组、消化吸收组、译文资料后绘制组等）正一年前所并未的纵深和思维表明大分子主体的失常。殊不知，摆脱巨量、高维且异质的几组学统计数据，怎么才能从其中提练还具有微植物学效果的功效模块电源，并精准度辨识重中之重驱使因素，仍是到现阶段设计的重要击败。

什么样的是WGCNA？

权重计算DNA共传达网路定量分析（Weighted Gene Co-expression Network Analysis, WGCNA）不是种力量强大的无监督的管理职能系统性生物体学最简单的方法。

它根据核算表观遗传/血清彼此的把你想表现出来重要性性，将具备有类似把你想表现出来格局的分子式聚类定性分析法为基本功能联动的方案图片，相结每一步定性分析这样方案图片与样例表现形式（如临床医学表型、制疗相应、经营感觉等）彼此的连接。

WGCNA效果建设了“原子展示影响”与“宏观环境表型的特征”间的桥梁工程，是几组学资源优化配置研究分析与制度化假说转为的核心区产品产品之一。

为这些进行WGCNA？

平台性整和突显组数据库

应用于的目标绘制位点数据信息分析矩阵的值，整和转录组、临床护理等表型数据信息分析，开发利用房产调控系统

精细定位系统表观靶点

应用于输出模块-表型锁定研究，面部识别与表观突显系统异常为显著相应的的核心理念细胞因子

多个学相互影响推测

一坐式优化组合多个学优点 + 临床研究数组，从海量视频统计资料中凝练协同管理變化模组与关健靶点

信息可视化win7驱动决策制定

可以直观动态展示共描述传感器、至关重要系数与表型之間的关系的，电子助力靶点选择与认证

WGCNA重点可视化分析信息

样本量聚类分析法与遗传性状热图

正确性展览样表间是类似的性与表型地理分布

细胞因子聚类分析与模快区分

将指数按展现经济模式聚类算法到区别控制器控制器

优点因素网络数据

阐述哪些地方组件与某一表型（如常见疾病、控制化学反应)位置相应

功能-表型关系的

最为关键的细胞需求依据板块成員度(MM)和细胞有效性(GS)精准服务产品定位中心靶点

要素要素淘汰（MM-GS双的指标）

结合传感器成员介绍度（MM）（因子与模块关联强度）与指数更为明显性（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。

从研究最后到关键因素发展

控制器与表型锁定阐述是WGCNA的中心优点！列举：

高甲基化电源模块与"肝癌分期付"正有关(r=0.82, p<0.001)

低甲基化信息模块与"化疗药耐药力性"负想关(r=-0.75, p<0.01)

按照MM-GS双标准淘汰，精准性的手机定位表达组驱程dna：

高MM值→摸块内主导调节作用人类基因

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，仅以修饰语组调空的核心靶点！

WGCNA的结果实用价值

WGCNA依据资源共享几组学数剧，体现：

1解释几组学联动宏观调控体制

2手机定位驱动程序表型的重要技能模块电源

3万物互联精准性的缓解靶点察觉

4破解工具组学统计资料聚合瓶颈期