WGCNA

方法目的#

WGCNA（Weighted Gene Co-expression Network Analysis）用于根据基因表达相关性构建共表达网络，将基因划分为模块，并分析模块与表型之间的关系。

适合回答的问题#

• 哪些基因模块与牙周炎疾病状态、炎症评分或免疫浸润程度相关？
• OSCC 中是否存在与预后、分期或肿瘤微环境相关的共表达模块？
• 某个模块的 hub genes 是否可作为候选 biomarker？

不适合回答的问题#

• 直接证明调控因果关系。
• 在样本量很小的数据集中稳定识别模块。
• 不经验证就把 hub gene 当作可靠靶点。

输入数据#

• 通常使用 bulk RNA-seq 或 microarray 表达矩阵。
• 行为基因，列为样本。
• 需要相对足够的样本量；样本过少时模块稳定性差。

核心步骤#

1. 样本和基因过滤。
2. 选择 soft-thresholding power。
3. 构建邻接矩阵和拓扑重叠矩阵 TOM。
4. 层次聚类并识别模块。
5. 计算 module eigengene。
6. 分析模块与表型之间的相关性。
7. 在关键模块中筛选 hub genes。
8. 对模块基因做功能富集。

常见误区#

• 样本量不足仍强行做 WGCNA。
• 把模块-表型相关性解释成因果关系。
• 只报告 hub genes，不解释模块生物学含义。
• 未进行外部数据集验证。

口腔生信应用场景#

• 牙周炎炎症相关模块识别。
• OSCC 预后相关模块识别。
• 将 WGCNA 模块与免疫浸润分数、临床指标或通路活性关联。

相关 Wiki 页面#

• 牙周炎
• 口腔鳞状细胞癌
• 免疫浸润