WGCNA结果可视化绘图

WGCNA

WGCNA（Weighted Gene Co-expression Network Analysis）是一种用于分析基因表达数据的工具，旨在识别基因之间的共表达模式并将它们组织成网络。这种方法可以用于发现与特定生物学过程相关联的基因模块，并且还可以帮助识别候选基因标记或生物标志物。

示例

library(tidyverse)
library(ggcor)
MEs <- net$MEs
colnames(MEs) <- str_remove(colnames(MEs), 'ME')

link_cor <- correlate(datTraits[,1:3], 
                      MEs, cor.test = T, use = "p") %>%
  as_cor_tbl() %>%
  select(Traits = .row.names, 
         Modules = .col.names, 
         r, p.value) %>%
  mutate(rd = cut(r, breaks = c(-Inf, 0.2, 0.4, Inf),
                  labels = c("< 0.2", "0.2 - 0.4", ">= 0.4")),
         pd = cut(p.value, breaks = c(-Inf, 0.01, 0.05, Inf),
                  labels = c("< 0.01", "0.01 - 0.05", ">= 0.05")))

quickcor(MEs, type = "upper", cluster= T) +
  geom_square() +
  ggcor::anno_link(data = link_cor, aes(color = pd, size = rd)) +
  scale_size_manual(values = c(0.5, 1, 2)) +
  scale_colour_manual(values = c("#D95F02", "#1B9E77", "#A2A2A288")) 

这段代码是用于进行 WGCNA（Weighted Gene Co-expression Network Analysis）模块与外部特征（Traits）之间的相关性分析，并将结果可视化的。

1. 加载库：

   • tidyverse：一个流行的数据处理和可视化工具包集合。
   • ggcor：用于绘制相关性矩阵的库。

2. 定义 MEs：这里假设 net$MEs 是模块特征的数据框。它包含了从 WGCNA 分析中获得的模块特征，每一列代表一个模块。

3. 更改列名：移除模块特征名称中的 "ME" 前缀，并将结果赋值给 MEs 的列名。

4. 计算特征与模块之间的相关性：

   • 使用 correlate() 函数计算了特征数据框 datTraits 的前三列与模块特征 MEs 之间的相关性。
   • 设置 cor.test = T，以计算相关性的显著性检验。
   • 使用 as_cor_tbl() 函数将结果转换为可操作的表格形式。
   • 选择了特征名称、模块名称、相关系数 (r) 和 p 值 (p.value) 列。

5. 创建 rd 和 pd 列：

   • 使用 cut() 函数根据相关系数 r 和 p 值 p.value 分别创建了离散的标签。
   • rd 列将相关系数分成了三个范围，pd 列将 p 值分成了三个范围。

6. 绘制相关性图：

   • 使用 quickcor() 函数绘制模块特征之间的相关性矩阵。
   • 设置 type = "upper"，表示只绘制相关性矩阵的上三角。
   • 设置 cluster = T，以对相关性矩阵进行聚类，以便更好地观察模块的相关性结构。
   • 使用 geom_square() 函数添加正方形的几何对象。
   • 使用 ggcor::anno_link() 函数添加相关性显著性的注释连接线，根据 link_cor 数据框中的信息来着色和调整连接线的大小。
   • 使用 scale_size_manual() 和 scale_colour_manual() 函数手动设置连接线大小和颜色的映射。