03 2021．12

【RNAseq 3小學堂】WGCNA性狀關聯分析

原創文章引用請註明出處

#RNAseq #WGCNA #雲平台 #3小學堂

|| 3分鐘速解RNAseq分析，本周介紹WGCNA性狀關聯分析 ||

上篇介紹了 WGCNA 的基本概念，你非常有興趣並興致勃勃的準備了15 個以上的樣品，卻發現報告中 WGCNA 分析的結果比別人還少，這是怎麼一回事？

小編說，本篇介紹的 WGCNA 分析內容只會在有性狀資料的時候才會提供呀~如果沒辦法提供性狀的話就只能略過囉~

不過，也不是所有的性狀都可以用來分析，性狀的填寫需要注意以下幾點：

1. 必須為連續性狀數值(e.g. 年齡、體重、株高等)，不能進行類別性狀分析 (e.g. 性別等 )

2. 不能有任何缺值

3. 性狀資料內容僅能接受數字

WGCNA 分析與其他分析的不同之處在於可以結合性狀數值進行分析，還記得

模塊(Ｍodule)與特徵基因(Eigengene)嗎 ? 性狀關聯分析便是觀察性狀、模塊的特徵基因和模塊的所有基因三者的關係，來尋找可能與性狀表現有關的基因。

以下圖為例，在熱圖上可以觀察所有性狀和模塊Eigengene的關聯性，比如說性狀BMI 跟 tan以及darkturquoise模塊就有較高的相關性，可以嘗試從這兩個模塊研究關於性狀BMI 的基因。

此外，也可以觀察特定性狀與不同模塊中每個基因的關聯性，此數值被稱為 GS (Gene significance)，從 boxplot 可以看到每個模塊 GS 的分布，觀察到性狀BMI與 tan 以及darkturquoise 模塊的GS 也較其他模塊高，與前面的 eigengene 與性狀的結論相似。

接著，set_MM_GS 的分布也可以觀察模塊中的基因、性狀與特徵基因的關係，下圖中一個點代表模塊中的一個基因，Module membership (MM)表示基因與特徵基因的相關性， GS 表示基因與性狀的相關性，將 MM 與 GS 取絕對值後繪製散布圖，散布圖越接近斜直線的模塊，表示整體模塊越有可能參與目標性狀的調控。

而在圖片右上方的基因，表現趨勢和模塊特徵基因高度相關且同時與性狀相關性高，較有機會成為調控性狀基因的候選。

這兩個月 RNA 三小學堂分享了許多 RNAseq 分析項目，是不是對於各種表格跟 read count 標準化方法眼花撩亂了呢？

下一回，小編整理常見的幾種 read count 標準化方法(FPKM、TPM、RLE/TMM)，幫助大家更清楚的了解其中的差異喔~

圖爾思生物科技/微生物體研究中心
顏維萱/沈筱凌

回上一頁

您瀏覽過的文章

2021．12．03