How the WGCNA+ tool groups genes, proteins and miRNAs that rise and fall together across several data layers, from soft thresholding to module-trait links.
这篇论文介绍了一个叫 WGCNA+ 的免费工具。它在成千上万个分子里,找出总是一起变多、一起变少的那几群。桌上这台小机器是一个比喻模型,每个零件代表论文里的一个步骤。
WGCNA 是“加权基因共表达网络分析”的缩写,它常用的 R 软件包发表于 2008 年;WGCNA+ 是它的升级版。
每层托盘是一张表:一行代表一种分子,一列代表一个样本,小方块越高,表示这种分子在这个样本里越多。论文把基因、蛋白质和 miRNA(一种调控基因的小分子)各放一层。老方法一次只能看一层,WGCNA+ 能把几层一起分析。
论文用公开的转录组、蛋白质组和 miRNA 数据集测试了这个工具。
两种分子的高低变化越同步,它们之间的连线就越粗。软阈值把相关程度乘上一个幂次 β(读作“贝塔”),弱连接会迅速变细消失,强连接留下来。拖动滑块,看看哪些连线能留下。
自动方法会挑出能让网络符合“无标度”形状(拟合度 R² ≥ 0.85)的最小 β。
只看两个分子之间的连线容易受噪声干扰,所以还要数它们有多少“共同的朋友”,这张表叫拓扑重叠矩阵(TOM)。分子很多时这张表巨大,算起来很慢。WGCNA+ 只保留最主要的 20 个模式来近似它,大大缩短了计算时间。
这种近似叫截断奇异值分解(SVD),默认保留 20 个成分。
越常一起变化的分子,在这棵“家族树”上越早汇合。一根横杆从上往下滑,在合适的高度把树剪开,每一枝就成为一个模块(一群一起变化的分子)。模块习惯用颜色命名,比如论文例子里的青绿色、蓝色和黄色。
WGCNA+ 默认用“混合”剪树法,并会合并代表曲线非常相似的模块。
每个模块选出一个代表,叫“模块特征基因”,它概括了整群分子的共同走势(数学上叫第一主成分)。然后把代表和性状(比如健康或生病、年龄)对比,指针显示它们的关联有多强。这样研究者就知道该先研究哪一群。
论文的 T 细胞例子里,蓝色蛋白质模块与免疫细胞激活正相关,青绿色和黄色模块则是负相关。
每层先各自建网络、分模块。然后,伴侣工具 LASAGNA(意大利语“千层面”)把各层的模块和性状叠在一起,画出跨层的连线。我们就能看到某群基因和某群蛋白质是否一起响应同一种状况。
WGCNA+ 和 LASAGNA 都是用 R 语言写的,可以免费使用。
最后,WGCNA+ 可以请人工智能为每个模块写一段说明并生成信息图,帮研究者更快理解这群分子在做什么。它还能检查模块是否在不同数据集里都出现。AI 的说明只是线索,仍需实验验证。
共识分析只保留在每个数据集里都显著且方向一致的关联。