WGCNA得到模块之后如何筛选模块里面的hub基因

我在生信技能树多次写教程分享WGCNA的实战细节，见：

• 一文看懂WGCNA 分析(2019更新版)
• 通过WGCNA作者的测试数据来学习
• 重复一篇WGCNA分析的文章（代码版）
• 重复一篇WGCNA分析的文章（解读版）（逆向收费读文献2019-19）
• 关键问题答疑：WGCNA的输入矩阵到底是什么格式

通常是介绍到，把输入的top5000 MAD的基因根据WGCNA算法划分为多个模块，然后不同模块都可以去和临床形状看相关性。

首先看样本性状和模块的关系

如下图，如下要看懂下面的图需要理解3个概念：

• gene significance (GS) was defined as mediated p-value of each gene (GS = lgP) in the linear regression between gene expression and the clinical traits.
• module eigengenes (MEs) were defined as the first principal component of each gene module and the expression of MEs was considered as a representative of all genes in a given module.
• module significance (MS) were defined as the average GS of all the genes involved in the module

首先，每个模块都有一个MEs，模块的MEs能够代表模块本身去跟性状进行计算相关性（基于样本），这个相关性值就体现在了下面的热图里面：

step5-Module-trait-relationships

可以很清楚的看到，疾病进展的3个阶段，都是有非常显著的模块与之相关。举个例子，假如我们现在关心的是phase1，那么就可以深入查看，我们全部模块里面的所有基因，跟我们的phase1这个性状的相关性系数。

可以看到，基本上就是等价于前面的模块基因集与性状特征的相关性热图。只不过是把其中一个性状，也就是phase1单独拿出来仔细看而已。

比如看black这个模块里面的基因， 这些基因在phase1这个性状里面的的GS值都比较高，意味着这个black模块跟phase1这个性状的MEs会比较高，对应前面的模块基因集与性状特征的相关性热图。

然后看基因和模块的关系

既然这个性状phase1有3个关联性比较好的模块，例子里面是 black, blue, turquoise, 那么就需要下游分析这3个模块里面的基因集。但是每个模块基因数量毕竟是太多，如下：

> as.data.frame(table(mergedColors))
   mergedColors Freq
1         black  140
2          blue  572
3         brown  401
4         green  237
5   greenyellow   74
6          grey  203
7       magenta   85
8          pink  103
9        purple   76
10          red  190
11          tan   62
12    turquoise 2591
13       yellow  266

所以需要探索每个模块里面的基因，到底跟性状有什么样的关系，如何从模块里面继续挑选感兴趣的基因。

绘制如下 Module membership vs. gene significance 的图，然后挑选右上角的点所代表的基因即可。

这个策略被很多文章采用，比如发表在：Front. Oncol., 11 September 2018 | https://doi.org/10.3389/fonc.2018.00374的文章：

Based the cut-off criteria (|MM| > 0.8 and |GS| > 0.2), 42 genes with high connectivity in the clinical significant module were identified as hub genes.

可以看到，这个文章里面对GS的阈值设置的很低哦，具体一点是：

• The connectivity of genes was measured by absolute value of the Pearson's correlation.
• Genes with high within-module connectivity were considered as hub genes of the modules (cor.geneModuleMembership > 0.8).
• Hub genes inside a given module tended to have a strong correlation with certain clinical trait, which was measured by absolute value of the Pearson's correlation (cor.geneTraitSignificance > 0.2).

再辅助生存分析，就可以进一步缩小基因范围啦

Among them, CCNB2, FBXO5, KIF4A, MCM10, and TPX2 were negatively associated with the overall survival and relapse free survival

为什么这篇文章是这样操作的呢，其实是WGCNA官网推荐的，因为Module membership (MM) is a measure of intra-modular connectivity.

那么connectivity到底是什么呢？

既然大家都是Module membership (MM) is a measure of intra-modular connectivity.所以筛选NM和GS值就好了，为什么还会有一个专门的connectivity呢？

就需要再去理解 connectivity 定义了，搜索到一个介绍：https://www.researchgate.net/post/How_should_I_interpret_the_connectivity_measures_kTotal_kWithin_kOut_kDiff_in_WGCNA

• 1) kTotal - connectivity of the each gene based on its r-values to all other genes in the whole network
• 2) kWithin - connectivity of the each gene within a single module based on its r-values to all other genes within the same module
• 3) and 4) kOut and kDiff mathematical derivatives from 1) and 2)

WGCNA官网说明很简单：The function intramodularConnectivity computes the whole network connectivity kTotal, the within module connectivity kWithin, kOut=kTotal-kWithin, and kDiff=kIn-kOut=2*kIN-kTotal

因为这个概念很少有人知道，所以大家使用WGCNA把基因划分好模块之后，通常并不是计算这个指标，但是WGCNA官网推荐使用这个指标来挑选模块内部最重要的基因！

Finding genes with high gene significance and high intramodular connectivity in interesting modules

亲爱的读者，你觉得呢？