pyWGCNA数据准备

这是进行任何网络分析的第一步。我们在这里展示如何加载典型的表达数据，将其预处理成适用于网络分析的格式，并通过删除明显的异常样本和基因来清理数据。

• Data Input
  • AnnData format
  • Separate matrices
    • Gene expression
    • Gene metadata
    • Sample metadata
    • Other parameters
• Data cleaning and pre-processing

Input data format

我们将原始表达数据以及相关信息以AnnData格式存储在名为geneExpr的变量中。基因表达数据、基因元数据和样本元数据可以作为 AnnData 对象一起传递给 PyWGCNA，也可以分别作为一系列矩阵传递。

AnnData 数据格式

如果您已经将表达数据存储在 AnnData 格式中，您可以通过将变量以 AnnData 格式传递来定义 PyWGCNA 对象。请注意，AnnData.X 应该是表达矩阵，AnnData.var 应该包含每个基因的信息，而 AnnData.obs 应该包含每个样本的信息。您可以在此处阅读有关 AnnData 格式的更多信息。点击这里-->

基因表达、样本元数据和基因元数据的单独矩阵

用户可以传递各自的文件路径，分别用于基因表达、样本元数据和基因元数据，格式如下所示。

基因表达矩阵

表达矩阵应按照样本对应行，基因对应列的格式进行排列。第一列应表示样本ID或样本名称。接下来的列应包含唯一的基因ID或基因名称。

sample_id	ENSMUSG00000000003	ENSMUSG00000000028	ENSMUSG00000000031	ENSMUSG00000000037
sample_11615	12.04	11.56	16.06	13.18
sample_11616	1.35	1.63	1.28	1

Gene metadata

基因元数据是一个表格，包含有关每个基因的其他信息，例如基因生物类型或基因长度。每一行应表示一个基因，每一列应表示一个基因特征，其中第一列包含与基因表达矩阵中使用的相同基因标识符。行的顺序应与基因表达矩阵的列相同，或者用户可以指定 order=False。

gene_id	gene_name	gene_type
ENSMUSG00000000003	Pbsn	protein_coding
ENSMUSG00000000028	Cdc45	protein_coding
ENSMUSG00000000031	H19	lncRNA
ENSMUSG00000000037	Scml2	protein_coding

Sample metadata

样本元数据是一个表格，包含有关每个样本的其他信息，例如时间点或基因型。每一行应表示一个样本，每一列应表示一个元数据特征，其中第一列包含与基因表达矩阵中使用的相同样本标识符。行的顺序应与基因表达矩阵的行相同，或者用户可以指定 order=False。

Sample_id	Age	Tissue	Sex	Genotype
sample_11615	4mon	Cortex	Female	5xFADHEMI
sample_11616	4mon	Cortex	Female	5xFADWT

其他参数

以下是可以指定的其他参数。

• name: 用于可视化数据的WGCNA的名称（默认：WGCNA）
• save: 是否保存重要步骤的结果（如果要设置为True，您应该对输出目录具有写访问权限）
• outputPath: 要保存数据的位置，否则将存储在与代码相同的目录中。
• TPMcutoff: 用于删除基因的TPM截断值
• networkType: 生成网络的类型（{unsigned，signed，signed hybrid}，默认：signed hybrid）
• adjacencyType: 使用的邻接矩阵类型（{unsigned，signed，signed hybrid}，默认：signed hybrid）
• TOMType: 使用的拓扑重叠矩阵（TOM）的类型（{unsigned，signed}，默认：signed）

有关这些参数的详细文档，请参阅此处。

数据清理和预处理

PyWGCNA可以根据以下标准清理输入数据：

1. 删除所有样本中表达量低于TPMcutoff值（默认值）的基因。
2. 使用goodSamplesGenes()函数查找具有过多缺失值的基因和样本。
3. 对样本进行聚类（使用来自scipy的hierarchical clustering），以查看是否存在明显的异常值。用户可以通过指定cut值来定义层次聚类的高度。默认情况下，通过层次聚类不删除任何样本。