加权基因共表达网络分析（WGCNA）

WGCNA分析主要包括数据质控、网络构建、模块识别、性状关联和候选核心基因筛选等环节，形成从表达数据处理到候选基因挖掘的完整分析流程。

所属分类

测序组学平台

立即咨询

产品描述

服务简介

本服务基于基因表达相关性的系统生物学分析方法，通过构建加权共表达网络，将表达模式相近的基因划分为不同模块，并分析模块与样本表型、处理条件或目标性状之间的相关性，从而识别与研究目标相关的关键模块和候选核心基因。WGCNA分析主要包括数据质控、网络构建、模块识别、性状关联和候选核心基因筛选等环节，形成从表达数据处理到候选基因挖掘的完整分析流程。

应用领域

1、关键候选基因筛选

2、性状关联分析

3、转录组深度挖掘

4、多时间点或多组织表达模式分析

5、多组学联合分析前期筛选

6、功能基因挖掘及后续验证设计

技术优势

1、高通量组学数据深度挖掘：对于数据量较大、差异基因较多或候选基因难以筛选的项目，WGCNA可提供系统化的分析思路。

2、结果展示直观：可通过样本聚类图、软阈值筛选图、模块聚类树、模块-性状相关性热图、模块表达趋势图和基因网络图等展示分析结果，便于理解和解释。

3、多组学联合分析与候选基因挖掘：瑞源可提供转录组、蛋白组、代谢组、修饰组学及多组学联合分析服务基础，可将WGCNA结果与差异分析、功能富集、PPI网络、转录因子预测和代谢通路分析等结果整合，提高候选基因筛选和结果解释的系统性。

4、“分析+验证”一体化服务：WGCNA分析可与瑞源现有功能验证平台衔接。针对筛选出的候选核心基因，可根据项目需要进一步提供qRT-PCR、基因克隆、载体构建、亚细胞定位、酵母双杂、BiFC、Co-IP、Pull-down、双荧光素酶报告、EMSA、遗传转化及表型验证等服务，支持从生物信息分析到功能验证的后续研究。

服务流程

案例报告

1、样本质控

输入数据包含101个样本、1,343个基因和6个性状字段，表达矩阵与性状信息中的样本名称及排列顺序一致，数据质量检查通过。按照标准进行过滤，未检出低表达基因和零方差基因，最终保留101个样本和1,343个基因用于后续分析。

2、模块划分

3、模块概况

4、表达模式分析

5、富集分析

参考文献

[1]ZHANG B, HORVATH S. A general framework for weighted gene co-expression network analysis[J]. Statistical Applications in Genetics and Molecular Biology, 2005, 4(1):Article17.

[2]LANGFELDER P, HORVATH S. WGCNA: an R package for weighted correlation network analysis[J]. BMC Bioinformatics, 2008, 9:559.

[3]LANGFELDER P, ZHANG B, HORVATH S. Defining clusters from a hierarchical cluster tree: the Dynamic Tree Cut package for R[J]. Bioinformatics, 2008, 24(5):719-720.

[4]YIP A M, HORVATH S. Gene network interconnectedness and the generalized topological overlap measure[J]. BMC Bioinformatics, 2007, 8:22.