Поиск генных модулей с помощью WGCNA: анализ сети коэкспрессии

Раскройте скрытые закономерности в ваших данных РНК-секвенирования с помощью WGCNA! Узнайте, как группировать гены в модули на основе совместной экспрессии, а затем связать эти модули с биологическими признаками, такими как состояние заболевания, ответ на лечение или стадии развития.

⏱️ ВРЕМЕННЫЕ МЕТКИ:
0:00 - Введение в WGCNA
1:47 - Понимание сетей коэкспрессии
3:51 - Понимание рабочего процесса WGCNA
7:42 - Установка WGCNA и подготовка данных RNA-seq
8:31 - Создание матрицы признаков
9:23 - Выбор мощности мягкого порогового значения
10:43 - Построение сети коэкспрессии и идентификация генных модулей
12:34 - Расчет собственных генов модулей
13:56 - Связь модулей с признаками
15:14 - Значимость генов и принадлежность к модулю
16:43 - Поиск хаб-генов

🔬 ЧТО ВЫ УЗНАЕТЕ:
✅ Как WGCNA группирует гены по паттернам коэкспрессии
✅ Настройка правильных входных данных (рекомендуется более 30 образцов)
✅ Выбор оптимального мягкого порогового значения параметр
✅ Выявление модулей с помощью динамического разрезания дерева
✅ Корреляция модулей с экспериментальными условиями
✅ Идентификация ключевых генов внутри модулей
✅ Экспорт сетей для визуализации в Cytoscape

📊 РАБОЧИЙ ПРОЦЕСС АНАЛИЗА:
1. Загрузка нормализованных данных экспрессии
2. Выявление выбросов
3. Расчет мягкого порога (параметр β)
4. Построение взвешенной сети
5. Идентификация модулей коэкспрессии
6. Корреляция модулей с фенотипами
7. Поиск ключевых генов, определяющих поведение модулей

🎯 ИДЕАЛЬНО ПОДХОДИТ ДЛЯ:
→ Многовыборочного секвенирования РНК (рак против нормы, временные ряды)
→ Поиска наборов генов, реагирующих на лечение
→ Идентификации скоординированных генных программ
→ Обнаружения кандидатов в биомаркеры

⚠️ ТРЕБОВАНИЯ:
Минимум 15-20 образцов (рекомендуется 30+)
Нормализованная матрица экспрессии
Метаданные образцов (состояние, лечение, и т. д.)
R с установленным пакетом WGCNA

📚 ПОЛНЫЙ УРОК С КОДОМ:
https://ngs101.com/how-to-build-gene-...

📺 СМОТРИТЕ ДАЛЬШЕ:
Регуляторные сети GENIE3:    • Build Gene Regulatory Networks: GENIE3 Mac...  
Методы кластеризации RNA-seq:    • Cluster RNA-seq Genes: Hierarchical & K-Me...  
Полный плейлист по RNA-seq:    • Complete RNA-seq Course: Zero to Publicati...  

🔔 Подпишитесь на еженедельные уроки по NGS: @NGS101-LearningHub
📧 Бесплатные ресурсы: https://ngs101.com

#WGCNA #RNAseq #NetworkAnalysis #Bioinformatics #SystemsBiology #GeneExpression