新闻中心

WGCNA分析--提升转录组测序文章档次的利器

取样时期为每个样品7个时期S1-S7，分别为授粉后5， 9， 12， 19， 25， 30和40天（DAP），还测了一下叶片的转录组，并取3个生物学重复，共48个样品。

利用转录组测序所有基因以及所有样品的表达矩阵做样品间的相关性分析和PCA聚类分析，从中可以发现，相同的发育状态或者组织聚类在一起，说明他们之间具有较强的相关性。

① 转录组数据基因输入参数 选取变异系数CV值大于1的基因作为输入数据进行分析 ② 计算软阈值参数 设定的软阈值soft power为16，TOM结构类型为signed，也是推荐的结构类型。

WGCNA（weighted gene co-expression network analysis，权重基因共表达网络分析）是一种分析多个样本基因表达模式的分析方法，可将表达模式相似的基因进行聚类，并分析模块与特定性状或表型之间的关联关系，因此在疾病以及其他性状与基因关联分析等方面的研究中被广泛应用。

你好，首先，wgcna中的weighted（权重）值（也就是题主所说的weigh值）的解释是：基因之间不仅是相关与否，还保存记录着它们间的相关性数值，此数值即为基因之间联系的权重与相关性。

绘制差异基因kegg注释图

打开KEGG在线注释工具：https：// 设置参数，并将第一步准备的Excel表中的第一列和第三列数据粘贴进去（注意：跳过第一行和第二列）。点击左下角的“exec”按钮开始计算。根据您提交的基因数量，稍等片刻，结果即生成。

步骤一：数据准备 首先，差异基因列表是必需的，它通常包含基因ID和基因表达的变化方向（上调或下调）。这些数据通常位于“DEG_Analysis”文件夹中，格式如下：```基因ID regulated G1 up G2 down ...```为了在生成的图中区分上调和下调的基因，我们需要为每一行添加一个颜色代码。

在《生信益站》的微信公众号上，站长分享了一篇关于ggkegg在KEGG通路图上可视差异基因数值属性的文章。通过ggkegg包，特别是allocate_deseq2函数，可以将DESeq2分析中的数值属性，如log2FoldChange，直观地体现在通路图的节点上。

它们的计算公式简单明了：GeneRatio除以BgRatio，其中GeneRatio是富集基因数与输入基因总数的比值，而BgRatio则是相关KEGG通路中的基因数与所有注释基因数的比率。

GEO数据挖掘-第三期-口腔鳞状细胞癌(OSCC)

1、实验设计：采用4-NQO诱发无菌小鼠口腔鳞状细胞癌（OSCC），并接种不同来源的口腔菌群，无菌小鼠共分为以下4组（每组n=8）。第1组（无4-NQO诱导，接种来自OSCC肿瘤小鼠的口腔菌群）。第2组（4-NQO诱导的无菌小鼠）。第3组（4-NQO诱导，接种来自健康小鼠的口腔菌群）。

2、来自中山大学口腔医院的研究团队在今年5月份在线发表了m6A修饰与口腔鳞状细胞癌（OSCC）相关研究成果[1]。研究者建立了雷帕霉素（rapamycin）诱导自噬的细胞模型来筛选m6A修饰酶，发现m6A去甲基化酶FTO通过靶向编码eIF4G1（真核细胞翻译起始因子γ1）的基因，在OSCC的自噬和肿瘤发生中起关键作用。

3、口腔白斑病看似普通，但潜在恶性，口腔癌的风险不容小觑，尤其是OSCC，全球范围内高发，与吸烟、饮酒密切相关，其临床表现为结节、溃疡和硬结。预防关键在于避免危险因素，如戒烟限酒。

生信数据格式—SAM/BAM文件

1、SAM（Sequence Alignment/Map）文件，以其直观的文本格式，为每个DNA读取片段的基因组比对提供了详尽的信息。而BAM文件，作为SAM的二进制压缩版本，不仅减小了文件体积，还支持索引，使得随机访问数据变得轻而易举，极大地提升了数据处理的效率。

2、BAM格式是SAM格式的二进制版，SAM格式是纯文本文件，是一种序列比对格式标准，存储了测序获得的信息，map到基因组后的各种信息，主要由两部分组成。一种以 .sto 结尾的序列比对文件格式，常常用于hmmer等分析。

3、把FASTQ文件比对到参考基因组之后，我们得到SAM或者BAM。BAM就是SAM的二进制文件。SAM是纯文本文件，十分巨大。

4、bam文件是由比对软件将质控后的fq格式文件与参考基因组进行比对后的比对信息存储文件。接下来我们理解下bam文件的内容。

GEO数据分析——KEGG基因通路富集

1、然后，我们将结果可视化，通过kegg_plot函数以条形图的形式展示上调和下调基因的富集路径，颜色区分上调（红色）和下调（蓝色）基因，直观展示各通路的差异性。1 通过KEGG的深入分析，我们能够揭示基因表达差异背后的生物学机制，并为后续实验设计和药物研发提供关键信息。

2、在分析阶段，我们分别对上调和下调基因执行富集分析，设定显著性阈值为0.9。然后，我们将结果可视化，通过kegg_plot函数将上调和下调基因的富集路径以条形图的形式呈现，颜色区分上调（红色）和下调（蓝色）基因，以直观地展示各通路的差异性。

3、KEGG，这个科研界的宝藏工具，对于信号通路探索至关重要。作为京都基因与基因组百科全书，KEGG由日本Kanehisa Laboratories精心整理，囊括了信号通路、基因、疾病和药物等大量信息，以直观图形而非冗长文字揭示代谢途径及其相互联系，便于理解。

4、GEO筛选差异，KOBAS注释分析。GEO数据库来筛选差异表达基因，KOBAS进行KEGG注释分析利用基因在不同物种之间的保守性，任何基因组的数据都可以映射到这些数据库中去。

5、打开KEGG在线注释工具：https：// 设置参数，并将第一步准备的Excel表中的第一列和第三列数据粘贴进去（注意：跳过第一行和第二列）。点击左下角的“exec”按钮开始计算。根据您提交的基因数量，稍等片刻，结果即生成。

6、按照标准流程对GEO上下的数据进行数据处理，差异分析，富集分析 到enrichKEGG的这一步的时候就出现了Error。