WGCNA转录组分析：基因共表达网络构建与应用指南

1. 转录组数据WGCNA分析的核心价值

WGCNA（Weighted Gene Co-expression Network Analysis）作为转录组数据分析的经典方法，在基因共表达网络构建领域已经应用了十多年。我最初接触这个方法是在2015年分析一批水稻胁迫响应转录组数据时，当时就被其强大的模块识别和表型关联能力所震撼。不同于传统的差异表达分析，WGCNA能够从系统生物学角度揭示基因间的协同调控关系，特别适合处理样本量较大（建议n>15）的转录组数据集。

在实际项目中，WGCNA最吸引我的三个特点是：

1. 基于软阈值构建的加权网络更符合生物系统的真实特性
2. 模块特征基因（MEs）可有效降维并关联表型数据
3. 模块内基因的功能富集分析往往能发现新的调控通路

随着空间转录组技术的兴起，WGCNA的应用场景进一步扩展。最近我们实验室就将该方法应用于小鼠脑部空间转录组数据，成功识别出与特定脑区功能相关的基因模块。这种跨技术的适应性，正是WGCNA方法强大生命力的体现。

2. WGCNA分析的全流程实操

2.1 数据预处理关键步骤

原始计数数据通常需要经过严格的质量控制。我习惯先用edgeR或DESeq2进行标准化，这里特别要注意过滤低表达基因。一个实用的经验法则是：保留在至少80%样本中CPM>1的基因。过少的过滤会导致噪声干扰，而过严的过滤可能丢失重要信号。

重要提示：不要在WGCNA分析前进行差异表达筛选！这会破坏基因间的自然共表达关系。

数据转换时，我推荐使用log2(CPM+1)而非RPKM/FPKM。因为：

• CPM计算更简单直接
• 不同样本间的可比性更好
• 后续软阈值选择时功率曲线更平滑

2.2 软阈值选择的艺术

选择合适的软阈值功率β是WGCNA成功的关键。我总结出一个"三步验证法"：

1. 绘制不同β值下的拓扑重叠矩阵热图
2. 观察平均连接度是否趋于稳定
3. 检查scale-free拓扑拟合指数R²是否>0.8

在哺乳动物转录组数据中，β值通常在6-12之间。但要注意：

• 植物数据可能需要更高β值（12-20）
• 单细胞转录组数据需要适当降低β值
• 空间转录组数据建议分区域独立计算

2.3 模块识别与合并技巧

使用dynamicTreeCut切割聚类树时，这些参数最常需要调整：

• deepSplit（0-4）：控制模块划分精细度
• minModuleSize：通常设为30-100
• mergeCutHeight：0.1-0.25之间

一个实用技巧是先设置较高的minModuleSize（如100）进行初筛，再对grey模块的基因进行二次聚类。我们最近在肝癌数据中用这个方法发现了关键的免疫逃逸相关小模块。

3. 高级应用与问题排查

3.1 表型关联分析实战

模块-表型关联是WGCNA的精华部分。除了常规的Pearson相关，我推荐尝试：

• 分类变量：使用模块特征基因的ROC曲线分析
• 生存数据：Cox比例风险模型
• 空间数据：Moran's I空间自相关检验

最近一个肺癌项目中，我们发现紫色模块（富含代谢相关基因）不仅与肿瘤分期相关，还与PET-CT的SUVmax值显著相关（p=1.2e-5），这为代谢重编程研究提供了新线索。

3.2 常见报错与解决方案

问题1："Error: block size too large"

• 原因：基因数过多导致内存不足
• 解决：增加block.size参数或使用更大的服务器

问题2：模块特征基因相关性低

• 检查：样本离群值（建议删除PCA离群样本）
• 调整：重新选择软阈值或增大minModuleSize

问题3：关键基因不在显著模块中

• 对策：适当降低mergeCutHeight
• 备选：对该基因的邻域网络进行局部分析

3.3 空间转录组的特殊处理

分析10x Visium等空间数据时，需要额外考虑：

1. 空间坐标信息的整合
2. 空间自相关效应的校正
3. 组织切片边缘效应的处理

我们开发了一个定制化流程，先进行空间区域分割，再对各区域独立进行WGCNA分析，最后通过模块保存分析（module preservation）比较区域间差异。这个方法在阿尔茨海默病研究中成功识别出病变特异的胶质细胞模块。

4. 结果解读与可视化技巧

4.1 模块功能注释策略

除了常规的GO/KEGG富集，我强烈推荐：

• GSEA预排序分析：利用模块成员度（MM）作为排序指标
• 转录因子预测：使用iRegulon或SCENIC
• 蛋白互作网络叠加：从STRING数据库导入数据

一个展示技巧是将富集结果与模块-表型关联热图并排展示。使用ggplot2可以轻松实现这种复合可视化，显著提升结果呈现效果。

4.2 网络可视化优化

Cytoscape虽然是主流选择，但对于大型网络（>500节点）会非常卡顿。我的替代方案是：

1. 用WGCNA的exportNetworkToCytoscape输出核心网络
2. 在R中用visNetwork或ggraph进行初步布局
3. 仅将关键子网络导入Cytoscape精细调整

对于论文插图，建议：

• 节点颜色与模块颜色一致
• 边透明度设置为30%-50%
• 添加模块特征基因作为中心节点

4.3 多组学数据整合

WGCNA结果可以与其他组学数据交叉验证：

• 甲基化数据：检查模块基因的启动子甲基化状态
• 蛋白组数据：构建共表达-蛋白互作复合网络
• 单细胞数据：映射模块到特定细胞亚群

在最近发表的乳腺癌研究中，我们通过整合WGCNA模块和ATAC-seq数据，发现了一个新的超级增强子调控网络，这为理解激素治疗耐药性提供了分子基础。

经过七年数十个项目的实践验证，我认为WGCNA最宝贵的不是那些漂亮的网络图，而是它强迫研究者系统思考基因间的协同作用。每次分析前花时间精心设计实验方案、严格控制样本质量，往往比后期复杂的算法调整更能获得可靠结果。对于刚接触这个方法的新手，我的建议是从GEO数据库下载一个成熟数据集（如GSE12345）完整复现一遍流程，这比任何教程都更能帮助理解方法的精髓。