其他
RNA-seq入门实战（十一）：WGCNA加权基因共表达网络分析——关联基因模块与表型
连续两次求贤令：曾经我给你带来了十万用户，但现在祝你倒闭，以及 生信技能树知识整理实习生招募，让我走大运结识了几位优秀小伙伴！大家开始根据我的ngs组学视频进行一系列公共数据集分析实战，其中几个小伙伴让我非常惊喜，不需要怎么沟通和指导，就默默的完成了一个实战！
他前面的分享是：
下面是他对我们b站转录组视频课程的详细笔记
承接上节：RNA-seq入门实战（四）：差异分析前的准备——数据检查，以及 RNA-seq入门实战（五）：差异分析——DESeq2 edgeR limma的使用与比较
我们《生信技能树》这些年有很多关于WGCNA的实战细节建议分享，见：
一文学会WGCNA分析 一文看懂WGCNA 分析(2019更新版) （点击阅读原文即可拿到测序数据） 明码标价之公共数据集的WGCNA 通过WGCNA作者的测试数据来学习 重复一篇WGCNA分析的文章（代码版） 重复一篇WGCNA分析的文章（解读版）（逆向收费读文献2019-19）
其实WGCNA本身是对基因进行合理（加权共表达）的分组。
如果一个表达量矩阵， 里面的样品是两个分组，比如正常和对照，那么简单的差异分析就可以拿到上下调基因，各自可以去富集生物学通路，就是基因分组了，并没有太多的进行WGCNA分析的必要性，而且绝大部分的两个分组的表达量矩阵里面的样品数量通常是小于15个的，官方也并不推荐WGCNA分析。 如果一个表达量矩阵，里面的样品是时间序列这样的多分组，比如处理前后以及处理过程的不同时间梯度或者不同浓度，那么我们就需要每个分组都去跟对照组进行差异分析，上下调的组合非常多，结果也很难精炼出生物学结论，这个时候就可以选择WGCNA或者mfuzz这样的时间序列分析。
也就是说，只要是多分组，就涉及到多次差异分析，而且多分组意味着样品数量肯定不少，这样的话，在这个表达量矩阵里面，不同基因之间可以计算合理的相关性， 就可以根据基因之间的相似性进行基因划分为不同的模块了。
本节概览
1. WGCNA基本概念：定义、关键术语、基本流程、一些注意事项
2. WGCNA运行：
⓪输入数据准备
①判断数据质量，绘制样品的系统聚类树
②挑选最佳阈值power
③ 构建加权共表达网络（ 一步法和分步法），识别基因模块
④ 关联基因模块与表型：模块与表型相关性热图、模块与表型相关性boxplot图、基因与模块、表型相关性散点图
⑤ WGCNA的标配热图 ，模块相关性展示
⑥ 对感兴趣模块的基因进行批量GO分析
⑦ 感兴趣模块绘制热图
⑧ 提取感兴趣模块的基因名, 导出基因至 VisANT 或 cytoscape作图
简单来说，WGCNA其实相当于是对多个复杂分组进行的差异分析，用于找寻不同分组/表型的特征基因模块，从而进行下一步分析(如可以对模块内的基因进行GO富集、PPI分析等等).其最最核心之处就在于能将基因模块与样本表型进行关联。
1. WGCNA基本概念
1.1 定义
WGCNA（Weighted Gene Co-Expression Network Analysis ），即加权基因共表达网络分析，用于寻找高度相关的基因构成的基因模块module，利用模块特征基因eigengene（模块内第一主成分）或模块内的关键基因Hub gene来总结这些模块，将模块与样本性状进行关联。
1.2 其他关键术语
关键术语（Connectivity、Adjacency matrix、TOM等）见：
Simulated-00-Background.pdf (ucla.edu)一文看懂WGCNA 分析WGCNA分析，简单全面的最新教程
1.3 基本流程
构建基因共表达网络 >> 识别基因模块 >> 关联基因模块与表型 >> 研究基因模块间关系 >> 从感兴趣的基因模块中寻找关键驱动基因
1.4 一些注意事项
WGCNA package: Frequently Asked Questions (ucla.edu)
样本数 >= 15
基因过滤方法采用均值、方差、中位数、绝对中位差MAD等方法，过滤低表达或样本间变化小的基因，但不建议用差异分析的方法进行过滤
输入数据形式如果有批次效应,需要先进行去除；
处理RNAseq数据，需要采用DESeq2的varianceStabilizingTransformation方法，或将基因标准化后的数据（如FPKM、CPM等）进行log2(x+1)转化经验软阈值power当无向网络在power小于15或有向网络power小于30内，计算出的power无法达到要求时（即没有一个power值可以使无标度网络图谱结构R^2达到0.8且平均连接度降到100以下），可采用经验power值：
2. WGCNA运行
主要参考修改自以下代码：
GEO/task4-NPC at master · jmzeng1314/GEO · GitHub手把手10分文章WGCNA复现：小胶质细胞亚群在脑发育时髓鞘形成的作用
以下实战数据来自于https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE154290，Supplementary file中的GSE154290_RNA.FPKM.txt.gz文件
⓪ 输入数据准备
读取fpkm表达矩阵，进行log2(x+1)转化；最后对矩阵进行转置，变成行为样品、列为基因的形式
rm(list = ls()) options(stringsAsFactors = F)Sys.setenv(LANGUAGE = "en")library(WGCNA)library(FactoMineR)library(factoextra) library(tidyverse) # ggplot2 stringer dplyr tidyr readr purrr tibble forcatslibrary(data.table) #多核读取文件dir.create('8.WGCNA')setwd('8.WGCNA')### 启用WGCNA多核计算enableWGCNAThreads(nThreads = 0.75*parallel::detectCores())
################################# 0.输入数据准备 ################################### 读取表达矩阵if (T) { fpkm00 <- fread("../GSE154290_RNA.FPKM.txt.gz",data.table = F) ### 合并具有相同基因名的行 table(duplicated(fpkm00$gene)) #统计重复基因名的基因 gene <- fpkm00$gene ; fpkm00 <- fpkm00[,-1] fpkm0 <- aggregate(fpkm00, by=list(gene), FUN=sum) fpkm <- column_to_rownames(fpkm0,"Group.1")}data <- log2(fpkm+1)
### 筛选MAD前5000的基因keep_data <- data[order(apply(data,1,mad), decreasing = T)[1:5000],]
### 创建datTraits，包含分组、表型等信息datTraits <- data.frame(row.names = colnames(data),group=colnames(data))fix(datTraits)
### 给分组加上编号grouptype <- data.frame(group=sort(unique(datTraits$group)), groupNo=1:length(unique(datTraits$group)))# fix(grouptype)datTraits$groupNo = "NA"for(i in 1:nrow(grouptype)){ datTraits[which(datTraits$group == grouptype$group[i]),'groupNo'] <- grouptype$groupNo[i]}datTraits
### 转置datExpr0 <- as.data.frame(t(keep_data))在这里根据细胞的多能性状态，将这些细胞粗略分为3组，并按其发育顺序编号为123，添加到了其表型数据中：
datTraits
① 判断数据质量，绘制样品的系统聚类树
查看样本和基因的数据质量，去除低质量数据；绘制样品的系统聚类树，若存在一个显著离群点则需要剔除掉；还可以做PCA图查看样品分布情况
############################## 1.判断数据质量 ################################
### 判断数据质量--缺失值gsg <- goodSamplesGenes(datExpr0,verbose = 3)gsg$allOKif (!gsg$allOK){ # Optionally, print the gene and sample names that were removed: if (sum(!gsg$goodGenes)>0) printFlush(paste("Removing genes:", paste(names(datExpr0)[!gsg$goodGenes], collapse = ", "))); if (sum(!gsg$goodSamples)>0) printFlush(paste("Removing samples:", paste(rownames(datExpr0)[!gsg$goodSamples], collapse = ", "))); # Remove the offending genes and samples from the data: datExpr0 = datExpr0[gsg$goodSamples, gsg$goodGenes]}gsg <- goodSamplesGenes(datExpr0,verbose = 3)gsg$allOK
### 绘制样品的系统聚类树if(T){ #针对样本做聚类树 sampleTree <- hclust(dist(datExpr0), method = "average") par(mar = c(0,5,2,0)) plot(sampleTree, main = "Sample clustering", sub="", xlab="", cex.lab = 2, cex.axis = 1, cex.main = 1,cex.lab=1) ## 若样本有性状、表型，可以添加对应颜色，查看是否聚类合理 sample_colors <- numbers2colors(as.numeric(factor(datTraits$group)), colors = rainbow(length(table(datTraits$group))), signed = FALSE) ## 绘制样品的系统聚类树及对应性状 par(mar = c(1,4,3,1),cex=0.8) pdf("step1_Sample dendrogram and trait.pdf",width = 8,height = 6) plotDendroAndColors(sampleTree, sample_colors, groupLabels = "trait", cex.dendroLabels = 0.8, marAll = c(1, 4, 3, 1), cex.rowText = 0.01, main = "Sample dendrogram and trait" ) ## Plot a line to show the cut # abline(h = 23500, col = "red") #根据实际情况而定 dev.off()}
##若存在显著离群点；剔除掉if(F){ clust <- cutreeStatic(sampleTree, cutHeight = 23500, minSize = 10) # cutHeight根据实际情况而定 table(clust) keepSamples <- (clust==1) datExpr0 <- datExpr0[keepSamples, ] datTraits <- datTraits[keepSamples,] dim(datExpr0) }
### 判断数据质量 : PCA进行分组查看rm(list = ls()) load("step1_input.Rdata")group_list <- datTraits$groupdat.pca <- PCA(datExpr, graph = F) pca <- fviz_pca_ind(dat.pca, title = "Principal Component Analysis", legend.title = "Groups", geom.ind = c("point","text"), #"point","text" pointsize = 2, labelsize = 4, repel = TRUE, #标签不重叠 col.ind = group_list, # 分组上色 axes.linetype=NA, # remove axeslines mean.point=F#去除分组中心点 ) + theme(legend.position = "none")+ # "none" REMOVE legend coord_fixed(ratio = 1) #坐标轴的纵横比pcaggsave(pca,filename= "step1_Sample PCA analysis.pdf", width = 8, height = 8)
##保存数据datExpr <- datExpr0nGenes <- ncol(datExpr)nSamples <- nrow(datExpr)save(nGenes,nSamples,datExpr,datTraits,file="step1_input.Rdata")下图可看出此次聚类效果还是比较好的，没有离群值，因此不用进行剔除样本
step1_Sample dendrogram and trait.pdf
step1_Sample PCA analysis.pdf
② 挑选最佳阈值power
挑选标准：R^2 > 0.8 , slope ≈ -1，选择R^2 与 power关系图的拐点处的power值
https://horvath.genetics.ucla.edu/html/GeneralFramework/YeastTutorialHorvath.pdf
sft$powerEstimate可以给出所设定R^2 cut-off（默认为0.85）处的power值
############################### 2.挑选最佳阈值power ###################################rm(list = ls()) load("step1_input.Rdata")R.sq_cutoff = 0.8 #设置R^2 cut-off，默认为0.85if(T){ # Call the network topology analysis function #设置power参数选择范围 powers <- c(seq(1,20,by = 1), seq(22,30,by = 2)) sft <- pickSoftThreshold(datExpr, networkType = "unsigned", powerVector = powers, RsquaredCut = R.sq_cutoff, verbose = 5) #SFT.R.sq > 0.8 , slope ≈ -1 pdf("step2_power-value.pdf",width = 16,height = 12) # Plot the results: 寻找拐点，确认最终power取值 par(mfrow = c(1,2)); cex1 = 0.9; # Scale-free topology fit index as a function of the soft-thresholding power plot(sft$fitIndices[,1], -sign(sft$fitIndices[,3])*sft$fitIndices[,2], xlab="Soft Threshold (power)",ylab="Scale Free Topology Model Fit,signed R^2",type="n") text(sft$fitIndices[,1], -sign(sft$fitIndices[,3])*sft$fitIndices[,2], labels=powers,cex=cex1,col="red") # this line corresponds to using an R^2 cut-off of h abline(h=R.sq_cutoff ,col="red") # Mean connectivity as a function of the soft-thresholding power plot(sft$fitIndices[,1], sft$fitIndices[,5], xlab="Soft Threshold (power)",ylab="Mean Connectivity", type="n") text(sft$fitIndices[,1], sft$fitIndices[,5], labels=powers, cex=cex1,col="red") abline(h=100,col="red") dev.off()}
sft$powerEstimate #查看估计的最佳power# power = sft$powerEstimatepower = 15
# 若无向网络在power小于15或有向网络power小于30内，没有一个power值使# 无标度网络图谱结构R^2达到0.8且平均连接度在100以下，可能是由于# 部分样品与其他样品差别太大。这可能由批次效应、样品异质性或实验条件对# 表达影响太大等造成。可以通过绘制样品聚类查看分组信息和有无异常样品。# 如果这确实是由有意义的生物变化引起的，也可以使用下面的经验power值。if(is.na(power)){ # 官方推荐 "signed" 或 "signed hybrid" # 为与原文档一致，故未修改 type = "unsigned" nSamples=nrow(datExpr) power = ifelse(nSamples<20, ifelse(type == "unsigned", 9, 18), ifelse(nSamples<30, ifelse(type == "unsigned", 8, 16), ifelse(nSamples<40, ifelse(type == "unsigned", 7, 14), ifelse(type == "unsigned", 6, 12)) ) )}
save(sft, power, file = "step2_power_value.Rdata")从下图可看出拐点大致在power为16时出现，且各项数值基本满足挑选标准，因此设定power=16
step2_power-value.pdf
③ 构建加权共表达网络，识别基因模块
构建加权共表达网络可选择一步法（one step）或 分步法（step by step）进行。
一般情况下优先选择采用简便的一步法，当想要调整得到的基因模块数目时，采用分步法更灵活
一步法构建加权共表达网络，识别基因模块
主要调整参数为minModuleSize和mergeCutHeight , 数值越大模块越少
##################### 3.一步法构建加权共表达网络，识别基因模块 ####################load(file = "step1_input.Rdata")load(file = "step2_power_value.Rdata")if(T){ net <- blockwiseModules( datExpr, power = power, maxBlockSize = ncol(datExpr), corType = "pearson", #默认为"pearson","bicor"则更能考虑离群点的影响 networkType = "unsigned", TOMType = "unsigned", minModuleSize = 30, ##越大模块越少 mergeCutHeight = 0.25, ##越大模块越少 numericLabels = TRUE, saveTOMs = F, verbose = 3 ) table(net$colors) # power: 上一步计算的软阈值 # maxBlockSize:计算机能处理的最大模块的基因数量(默认5000),16G内存可以处理2万个， # 计算资源允许的情况下最好放在一个block里面。 # corType：计算相关性的方法；可选pearson(默认)，bicor。后者更能考虑离群点的影响。 # networkType:计算邻接矩阵时，是否考虑正负相关性；默认为"unsigned",可选"signed", "signed hybrid" # TOMType：计算TOM矩阵时，是否考虑正负相关性；默认为"signed",可选"unsigned"。但是根据幂律转换的邻接矩阵(权重)的非负性，所以认为这里选择"signed"也没有太多的意义。 # numericLabels: 返回数字而不是颜色作为模块的名字，后面可以再转换为颜色 # saveTOMs：最耗费时间的计算，可存储起来供后续使用， # mergeCutHeight: 合并模块的阈值，越大模块越少,一般为0.25 # minModuleSize: 每个模块里最少放多少个基因，设定越大模块越少 # 输出结果根据模块中基因数目的多少，降序排列，依次编号为 `1-最大模块数`。 # **0 (grey)**表示**未**分入任何模块的基因。}
## 模块可视化，层级聚类树展示各个模块if(T){ # Convert labels to colors for plotting moduleColors <- labels2colors(net$colors) table(moduleColors) # Plot the dendrogram and the module colors underneath pdf("step3_genes-modules_ClusterDendrogram.pdf",width = 16,height = 12) plotDendroAndColors(net$dendrograms[[1]], moduleColors[net$blockGenes[[1]]], "Module colors", dendroLabels = FALSE, hang = 0.03, addGuide = TRUE, guideHang = 0.05) dev.off()}save(net, moduleColors, file = "step3_genes_modules.Rdata")step3_genes-modules_ClusterDendrogram.pdf
分步法构建加权共表达网络，识别基因模块
与一步法类似，主要调整参数为minModuleSize和MEDissThres , 数值越大模块越少
##################### 分布法完成网络构建，一般不用 #################################if(F){ ## 构建加权共表达网络分为两步： ## 1. 计算邻近值，也是就是两个基因在不同样品中表达量的表达相关系数(pearson correlation rho)， ## 2. 计算topology overlap similarity (TOM)。用TOM表示两个基因在网络结构上的相似性，即两个基因如果具有相似的邻近基因，这两个基因更倾向于有相互作用。 ###(1)网络构建 Co-expression similarity and adjacency adjacency = adjacency(datExpr, power = power) ###(2) 邻近矩阵到拓扑矩阵的转换，Turn adjacency into topological overlap TOM = TOMsimilarity(adjacency) dissTOM = 1-TOM ###(3) 聚类拓扑矩阵 Clustering using TOM # Call the hierarchical clustering function geneTree = hclust(as.dist(dissTOM), method = "average"); # Plot the resulting clustering tree (dendrogram) ## 这个时候的geneTree与一步法的 net$dendrograms[[1]] 性质类似，但是还需要进行进一步处理 plot(geneTree, xlab="", sub="", main = "Gene clustering on TOM-based dissimilarity", labels = FALSE, hang = 0.04) ###(4) 聚类分支的修整 dynamicTreeCut ################# set the minimum module size ############################## minModuleSize = 30 #### # Module identification using dynamic tree cut: dynamicMods = cutreeDynamic(dendro = geneTree, distM = dissTOM, deepSplit = 2, pamRespectsDendro = FALSE, minClusterSize = minModuleSize) table(dynamicMods) # Convert numeric lables into colors dynamicColors = labels2colors(dynamicMods) table(dynamicColors) # Plot the dendrogram and colors underneath plotDendroAndColors(geneTree, dynamicColors, "Dynamic Tree Cut", dendroLabels = FALSE, hang = 0.03, addGuide = TRUE, guideHang = 0.05, main = "Gene dendrogram and module colors") ###(5) 聚类结果相似模块的融合 Merging of modules whose expression profiles are very similar # Calculate eigengenes MEList = moduleEigengenes(datExpr, colors = dynamicColors) MEs = MEList$eigengenes # Calculate dissimilarity of module eigengenes MEDiss = 1-cor(MEs) # Cluster module eigengenes METree = hclust(as.dist(MEDiss), method = "average") #一般选择 height cut 为0.25,对应于有75%相关性，进行融合 ###################### set Merging height cut ################################ MEDissThres = 0.5 #### # Plot the result plot(METree, main = "Clustering of module eigengenes", xlab = "", sub = "") # Plot the cut line into the dendrogram abline(h=MEDissThres, col = "red") # Call an automatic merging function merge = mergeCloseModules(datExpr, dynamicColors, cutHeight = MEDissThres, verbose = 3) # The merged module colors mergedColors = merge$colors # Eigengenes of the new merged modules: mergedMEs = merge$newMEs # 统计mergedmodule table(mergedColors) ### (6) plot the gene dendrogram pdf(file = "step3_stepbystep_DynamicTreeCut_genes-modules.pdf", width = 16,height = 12) plotDendroAndColors(geneTree, cbind(dynamicColors, mergedColors), c("Dynamic Tree Cut", "Merged dynamic"), dendroLabels = FALSE, hang = 0.03, addGuide = TRUE, guideHang = 0.05) dev.off() ### 保存数据 # Rename to moduleColors moduleColors = mergedColors # Construct numerical labels corresponding to the colors colorOrder = c("grey", standardColors(50)) moduleLabels = match(moduleColors, colorOrder)-1 MEs = mergedMEs # Save module colors and labels for use in subsequent parts save(MEs, moduleLabels, moduleColors, geneTree, file = "step3_stepByStep_genes_modules.Rdata") }step3_stepbystep_DynamicTreeCut_genes-modules.pdf
④ 关联基因模块与表型
绘制模块与表型的相关性热图、模块与表型的相关性boxplot图、基因与模块、表型的相关性散点图；
结合所得各类相关性结果，判断出哪些模块与表型是高度相关的，从而关联基因模块与表型
####################### 4.关联基因模块与表型 #####################################rm(list = ls()) load(file = "step1_input.Rdata")load(file = "step2_power_value.Rdata")load(file = "step3_genes_modules.Rdata")
## 模块与表型的相关性热图if(T){ datTraits$group <- as.factor(datTraits$group) design <- model.matrix(~0+datTraits$group) colnames(design) <- levels(datTraits$group) #get the group MES0 <- moduleEigengenes(datExpr,moduleColors)$eigengenes #Calculate module eigengenes. MEs <- orderMEs(MES0) #Put close eigenvectors next to each other moduleTraitCor <- cor(MEs,design,use = "p") moduleTraitPvalue <- corPvalueStudent(moduleTraitCor,nSamples) textMatrix <- paste0(signif(moduleTraitCor,2),"\n(", signif(moduleTraitPvalue,1),")") dim(textMatrix) <- dim(moduleTraitCor) pdf("step4_Module-trait-relationship_heatmap.pdf", width = 2*length(colnames(design)), height = 0.6*length(names(MEs)) ) par(mar=c(5, 9, 3, 3)) #留白：下、左、上、右 labeledHeatmap(Matrix = moduleTraitCor, xLabels = colnames(design), yLabels = names(MEs), ySymbols = names(MEs), colorLabels = F, colors = blueWhiteRed(50), textMatrix = textMatrix, setStdMargins = F, cex.text = 0.5, zlim = c(-1,1), main = "Module-trait relationships") dev.off() save(design, file = "step4_design.Rdata")}
### 模块与表型的相关性boxplot图 if(T){mes_group <- merge(MEs,datTraits,by="row.names") library(gplots)library(ggpubr)library(grid)library(gridExtra) draw_ggboxplot <- function(data,Module="Module",group="group"){ ggboxplot(data,x=group, y=Module, ylab = paste0(Module), xlab = group, fill = group, palette = "jco", #add="jitter", legend = "") +stat_compare_means()}# 批量画boxplotcolorNames <- names(MEs)pdf("step4_Module-trait-relationship_boxplot.pdf", width = 7.5,height = 1.6*ncol(MEs))p <- lapply(colorNames,function(x) { draw_ggboxplot(mes_group, Module = x, group = "group")})do.call(grid.arrange,c(p,ncol=2)) #排布为每行2个dev.off()}
### 基因与模块、表型的相关性散点图#所有的模块都可以跟基因算出相关系数，所有的连续型性状也可以跟基因算出相关系数， #如果跟性状显著相关的基因也跟某个模块显著相关，那么这些基因可能就非常重要。
# 选择离散性状的表型levels(datTraits$group)choose_group <- "primed"
if(T){ modNames <- substring(names(MEs), 3) ### 计算模块与基因的相关性矩阵 ## Module Membership: 模块内基因表达与模块特征值的相关性 geneModuleMembership <- as.data.frame(cor(datExpr, MEs, use = "p")) MMPvalue <- as.data.frame(corPvalueStudent(as.matrix(geneModuleMembership), nSamples)) names(geneModuleMembership) <- paste0("MM", modNames) names(MMPvalue) <- paste0("p.MM", modNames) ### 计算性状与基因的相关性矩阵 ## Gene significance，GS：比较样本某个基因与对应表型的相关性 ## 连续型性状 # trait <- datTraits$groupNo ## 非连续型性状，需转为0-1矩阵, 已存于design中 trait <- as.data.frame(design[,choose_group]) geneTraitSignificance <- as.data.frame(cor(datExpr,trait,use = "p")) GSPvalue <- as.data.frame(corPvalueStudent(as.matrix(geneTraitSignificance),nSamples)) names(geneTraitSignificance) <- paste0("GS") names(GSPvalue) <- paste0("GS") ### 可视化基因与模块、表型的相关性. #selectModule<-c("blue","green","purple","grey") ##可以选择自己想要的模块 selectModule <- modNames ## 全部模块批量作图 pdf("step4_gene-Module-trait-significance.pdf",width=7, height=1.5*ncol(MEs)) par(mfrow=c(ceiling(length(selectModule)/2),2)) #批量作图开始 for(module in selectModule){ column <- match(module,selectModule) print(module) moduleGenes <- moduleColors==module verboseScatterplot(abs(geneModuleMembership[moduleGenes, column]), abs(geneTraitSignificance[moduleGenes, 1]), xlab = paste("Module Membership in", module, "module"), ylab = "Gene significance for trait", main = paste("Module membership vs. gene significance\n"), cex.main = 1.2, cex.lab = 1.2, cex.axis = 1.2, col = module) } dev.off()}step4_Module-trait-relationship_heatmap.pdf
step4_Module-trait-relationship_boxplot.pdf
step4_gene-Module-trait-significance.pdf
⑤ WGCNA可视化：TOMplot 、Eigengene-adjacency-heatmap
WGCNA的标配热图TOMplot / Network heapmap plot，描绘了分析中所有基因之间的拓扑重叠矩阵（TOM），颜色越深表示基因之间的相关性越大；
Eigengene-adjacency-heatmap 展示基因模块之间的相关性，还可以加入表型信息，查看表型与哪些模块相关性高
######################### 5. WGCNA可视化：TOMplot Eigengene-adjacency-heatmap ##################################rm(list = ls()) load(file = 'step1_input.Rdata')load(file = "step2_power_value.Rdata")load(file = "step3_genes_modules.Rdata")load(file = "step4_design.Rdata")
if(T){ TOM=TOMsimilarityFromExpr(datExpr,power=power) dissTOM=1-TOM ## draw all genes if(T){ geneTree = net$dendrograms[[1]] plotTOM = dissTOM^7 diag(plotTOM)=NA png("step5_TOMplot_Network-heatmap.png",width = 800, height=600) TOMplot(plotTOM,geneTree,moduleColors, col=gplots::colorpanel(250,'red',"orange",'lemonchiffon'), main="Network heapmap plot") dev.off() } ### draw selected genes to save time...just for test... if(F){ nSelect =0.1*nGenes set.seed(123) select=sample(nGenes,size = nSelect) selectTOM = dissTOM[select,select] selectTree = hclust(as.dist(selectTOM),method = "average") selectColors = moduleColors[select] plotDiss=selectTOM^7 diag(plotDiss)=NA pdf("step5_select_TOMplot_Network-heatmap.pdf",width=8, height=6) TOMplot(plotDiss,selectTree,selectColors, col=gplots::colorpanel(250,'red',"orange",'lemonchiffon'), main="Network heapmap plot of selected gene") dev.off() }}
### 模块相关性展示 Eigengene-adjacency-heatmapif(T){ MEs = moduleEigengenes(datExpr,moduleColors)$eigengenes MET = orderMEs(MEs) # 若添加表型数据 if(T){ ## 连续型性状 # MET = orderMEs(cbind(MEs,datTraits$groupNo)) ## 非连续型性状，需将是否属于这个表型进行0,1数值化，已存于design中 design primed = as.data.frame(design[,3]) names(primed) = "primed" # Add the weight to existing module eigengenes MET = orderMEs(cbind(MEs, primed)) } pdf("step5_module_cor_Eigengene-dendrogram.pdf",width = 8,height = 10) plotEigengeneNetworks(MET, setLabels="", marDendro = c(0,4,1,4), # 留白：下右上左 marHeatmap = c(5,5,1,2), # 留白：下右上左 cex.lab = 0.8, xLabelsAngle = 90) dev.off()}step5_select_TOMplot_Network-heatmap.pdf
step5_module_cor_Eigengene-dendrogram.pdf
⑥ 对感兴趣模块的基因进行GO分析
这里选取了与表型相关度较高的"black","pink","royalblue"模块进行GO分析
#################### 6. 选择感兴趣基因模块进行GO分析 ####################rm(list = ls()) load(file = 'step1_input.Rdata')load(file = "step2_power_value.Rdata")load(file = "step3_genes_modules.Rdata")load(file = "step4_design.Rdata")
### 条件设置OrgDb = "org.Mm.eg.db" # "org.Mm.eg.db" "org.Hs.eg.db"genetype = "SYMBOL" # "SYMBOL" "ENSEMBL"table(moduleColors)choose_module <- c("black","pink","royalblue")
if(T){ library(clusterProfiler) library(org.Mm.eg.db) library(org.Hs.eg.db) gene_module <- data.frame(gene=colnames(datExpr), module=moduleColors) write.csv(gene_module,file = "step6_gene_moduleColors.csv",row.names = F, quote = F) tmp <- bitr(gene_module$gene,fromType = genetype, # "SYMBOL" "ENSEMBL" toType = "ENTREZID", OrgDb = OrgDb ) gene_module_entrz <- merge(tmp,gene_module, by.x=genetype, by.y="gene") choose_gene_module_entrz <- gene_module_entrz[gene_module_entrz$module %in% choose_module,] ###run go analysis formula_res <- compareCluster( ENTREZID~module, data = choose_gene_module_entrz, fun = "enrichGO", OrgDb = OrgDb, ont = "BP", #One of "BP", "MF", and "CC" or "ALL" pAdjustMethod = "BH", pvalueCutoff = 0.25, qvalueCutoff = 0.25 ) ###精简GO富集的结果,去冗余 lineage1_ego <- simplify( formula_res, cutoff=0.5, by="p.adjust", select_fun=min ) save(gene_module, formula_res, lineage1_ego, file="step6_module_GO_term.Rdata") write.csv(lineage1_ego@compareClusterResult, file="step6_module_GO_term.csv") ### 绘制dotplot图 dotp <- dotplot(lineage1_ego, showCategory=10, includeAll = TRUE, #将有overlap的结果也展示出来 label_format=90) ggsave(dotp,filename= "step6_module_GO_term.pdf", #device = cairo_pdf, width = 12, height = 15)}step6_module_GO_term.pdf
⑦ 感兴趣基因模块绘制热图
这里选取了与primed表型相关度很高的royalblue模块绘制热图
############################### 7.感兴趣基因模块绘制热图 ######################################rm(list = ls()) load(file = 'step1_input.Rdata')load(file = "step3_genes_modules.Rdata")table(moduleColors)
module = "royalblue"### 感兴趣模块画热图 if(T){ dat=datExpr[,moduleColors==module] library(pheatmap) n=t(scale(dat)) #对基因做scale，并转置表达矩阵为行为基因、列为样本形式 # n[n>2]=2 # n[n< -2]= -2 # n[1:4,1:4] group_list=datTraits$group ac=data.frame(g=group_list) rownames(ac)=colnames(n) pheatmap::pheatmap(n, fontsize = 8, show_colnames =T, show_rownames = F, cluster_cols = T, annotation_col =ac, width = 8, height = 6, angle_col=45, main = paste0("module_",module,"-gene heatmap"), filename = paste0("step7_module_",module,"_Gene-heatmap.pdf")) }step7_module_royalblue_Gene-heatmap.pdf
⑧ 导出基因至 VisANT 或 cytoscape
将感兴趣模块 "royalblue"的基因导出 VisANT或cytoscape，cytoscape作图请参阅RNA-seq入门实战（十）：PPI蛋白互作网络构建（下）——Cytoscape软件的使用
################### 8.感兴趣模块基因导出 VisANT or cytoscape ######################rm(list = ls()) load(file = 'step1_input.Rdata')load(file = "step2_power_value.Rdata")load(file = "step3_genes_modules.Rdata")module = "royalblue"if(T){ ### 提取感兴趣模块基因名 gene <- colnames(datExpr) inModule <- moduleColors==module modgene <- gene[inModule] ### 模块对应的基因关系矩阵 TOM <- TOMsimilarityFromExpr(datExpr,power=power) modTOM <- TOM[inModule,inModule] dimnames(modTOM) <- list(modgene,modgene)
### 筛选连接度最大的top100基因 nTop = 100 IMConn = softConnectivity(datExpr[, modgene]) #计算连接度 top = (rank(-IMConn) <= nTop) #选取连接度最大的top100 filter_modTOM <- modTOM[top, top] # for visANT vis <- exportNetworkToVisANT(filter_modTOM, file = paste("step8_visANTinput-",module,".txt",sep = ""), weighted = T,threshold = 0) # for cytoscape cyt <- exportNetworkToCytoscape(filter_modTOM, edgeFile = paste("step8_CytoscapeInput-edges-", paste(module, collapse="-"), ".txt", sep=""), nodeFile = paste("step8_CytoscapeInput-nodes-", paste(module, collapse="-"), ".txt", sep=""), weighted = TRUE, threshold = 0.15, #weighted权重筛选阈值，可调整 nodeNames = modgene[top], nodeAttr = moduleColors[inModule][top])}将文件导入cytoscape后，可作图如下：
network connection in royalblue module
参考资料
WGCNA官方说明文档：WGCNA: R package for performing Weighted Gene Co-expression Network Analysis (ucla.edu)
WGCNA文章链接：
算法—— A general framework for weighted gene co-expression network analysis - PubMed (nih.gov)
R包——WGCNA: an R package for weighted correlation network analysis - PMC (nih.gov)
官方英文教程：
GBMTutorialHorvath.doc (ucla.edu)
YeastTutorialHorvath.doc (ucla.edu)
FemaleLiver-02-networkConstr-man.pdf (ucla.edu)（含分步法构建加权共表达网络）
注意事项：
WGCNA package: Frequently Asked Questions (ucla.edu)
优秀的中文教程：GEO/task4-NPC at master · jmzeng1314/GEO · GitHub
一文看懂WGCNA 分析(2019更新版)手把手10分文章WGCNA复现：小胶质细胞亚群在脑发育时髓鞘形成的作用
GitHub - jmzeng1314/my_WGCNA
WGCNA分析，简单全面的最新教程