# Paper Explained in Anatomy Style

By tiesunlong shen

Topic: Nature & Biology

[Open the interactive Jig](https://ask.jig.com/j/egct84MZWOVo)

## Guide

### 1. 一台讲论文的网络工作台

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。

### 2. 三层数据托盘

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。

### 3. 调大旋钮，弱连线消失

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。

### 4. 数共同的朋友，再加速

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。

### 5. 画出家族树，剪成小组

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。

### 6. 选出代表，对照性状

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。

### 7. 像千层面一样连接各层

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。

### 8. AI 写说明，结果更可靠

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。