WGCNA（1）常见图表介绍

文章预览

学习笔记总结于『生信技能树』马拉松课程 GEO数据挖掘系列，第19篇学习笔记：学习加权共表达网络分析的常见图 差异分析：找出一组与另一组之间表达量有差别的基因 加权共表达网络分析（WGCNA, Weighted correlation network analysis）：先把基因分组，再找出与自身实验设计或者与某种表型最相关的一组基因 下面将介绍加权共表达网络分析的五张常见图 一、软阈值β选择图 1.R^2系数 & β软阈值 R^2 ：无标度网络的拟合度/判定系数，评估拟合模型对观测数据的解释能力（简单来说R^2是衡量无标度网络的统计指标） R^2越大，说明越接近无标度网络如图2（a）。哪个数字第一次达到了纵坐标0.8/0.85/0.9，则哪个数字是软阈值 如图纵坐标已达到0.9，对应数字是12，则可以就以0.9为准；如果数值已经达到20+但还没到0.9，那可以换成0.8或0.85（一般最低就0.8了） β ： ………………………………