用别人的数据 写自己的文章

老板催着发文章，实验又不出结果，怎么办？

毕业季要到了，可是文章还没发表，怎么办？

实验数据不够好，发表文章的影响因子太低，怎么办？

来来来，往这里看过来，小编今天就教你一招：WGCNA分析

WGCNA分析即加权基因共表达网络分析（Weighted Gene Co-Expression Network Analysis），WGCNA计算样本分析的基因之间的相关性，并使用幂函数加权相关关系来确定基因之间的连接强度。

共调控基因根据其表达模式的相似性被分组为模块。最后，对每一个模块进行总结，并基于节点内统计分析和节点中心特性，将网络拓扑特征与生物信息联系起来。

下面举一个利用WGCNA分析进行胃癌研究的例子。

文献：

该文章的主要目的是利用共表达网络分析方法，对与胃癌发生和组织病理学特征相关的miRNA进行分析。

作者应用WGCNA方法对两个胃腺癌组进行了miRNA数据的检测，第一组大数据TCGA队列中包含295个胃癌样品中的1046个miRNAs，旨在寻找miRNA与组织病理学特征之间的联系，第二组大数据E-TabM－131队列中包含353个胃标本（184个癌组织和169个正常粘膜）中的315个miRNA基因，被用来识别与癌症状态相关的miRNA。

然后采用相关系数加权值选择幂β＝3计算出两组数据的无标度拓扑指数分别为0.925和0.68。

样品经过预处理后，在TCGA队列中有853个miRNA和265个样本构建共表达网络。建立了3个共表达模块，图A表示的是miRNA与组织病理学特征之间的联系，图B表示的是与癌症状态相关的miRNA。

通过相关的R值来证明基因与组织病理学之间的相关性。

为了确定基因与在绿松石模块中识别具有中心作用的基因之间的关系，该模块被表示为网络。 圆越大越深，相应基因的度数得分越高。高的节点度说明该基因是起着至关重要的生物学作用的指示器。如下图所示：

使用E-TabM－131队列中数据建立一个基因共表达网络，如下图所示，反映了肿瘤状态与各模块间基因的相关性。棕色表示的模块与肿瘤呈正相关状态（r＝0.5；p＝1E～22）。

与肿瘤状态相关的模块的图形描述，圆越大越深，其节点度得分越高。

网络的前250个最有可能的功能miRNA与mRNA之间的相互作用。黄色卵圆形代表具有高度网络中心性、节点度（miRNA LIT-7E、LIT-7B、LIT-7C、LIT-7D和LIT-7I）的基因。

然后对分析结果进行总结和进一步的探讨。

目前，此种方法已经被应用于多个研究方向，而对模块信息进行进一步的挖掘则有助于我们更深入的研究基因之间的调控机制。

如果手上没有足够的数据，那我们也可以选择公开的大数据进行分析和研究，往往能得出出人意料的结果，同学们可以借鉴此类文献，把WGCNA分析运用到自己的研究当中。

END