WGCNA: an R package for weighted correlation network analysis.
WGCNA: an R package for weighted correlation network analysis.
复制标题
WGCNA：用于加权相关网络分析的 R 包。
DOI：
10.1186/1471-2105-9-559
复制
发表时间：
2008-12-29
影响因子：
3
通讯作者：
Horvath S
中科院分区：
文献类型：
--
作者：
Langfelder P;Horvath S
相关网络越来越多地用于生物信息学应用。例如，加权基因共表达网络分析是一种系统生物学方法，用于描述跨微阵列样品的基因之间的相关模式。加权相关网络分析（WGCNA）可用于寻找高度相关基因的聚类（模块），使用模块特征基因或模块内中心基因总结此类聚类，将模块彼此关联并与外部样本性状关联（使用特征基因网络方法），以及计算模块成员关系度量。相关网络促进了基于网络的基因筛选方法，其可用于鉴定候选生物标志物或治疗靶标。这些方法已成功地应用于各种生物学背景，例如癌症，小鼠遗传学，酵母遗传学和脑成像数据的分析。虽然相关网络方法的部分已经在单独的出版物中描述，但是需要提供用户友好的、全面的和一致的软件实现以及随附的教程。WGCNA R软件包是一个全面的R函数集合，用于执行加权相关网络分析的各个方面。该软件包包括网络构建、模块检测、基因选择、拓扑性质计算、数据模拟、可视化以及与外部软件接口的功能。沿着R软件包，我们还提供了R软件教程。虽然方法的开发是由基因表达数据驱动的，但底层的数据挖掘方法可以应用于各种不同的环境。WGCNA软件包为加权相关网络分析提供R函数，例如基因表达数据的共表达网络分析。R软件包沿着及其源代码和其他材料可以在。
Correlation networks are increasingly being used in bioinformatics applications. For example, weighted gene co-expression network analysis is a systems biology method for describing the correlation patterns among genes across microarray samples. Weighted correlation network analysis (WGCNA) can be used for finding clusters (modules) of highly correlated genes, for summarizing such clusters using the module eigengene or an intramodular hub gene, for relating modules to one another and to external sample traits (using eigengene network methodology), and for calculating module membership measures. Correlation networks facilitate network based gene screening methods that can be used to identify candidate biomarkers or therapeutic targets. These methods have been successfully applied in various biological contexts, e.g. cancer, mouse genetics, yeast genetics, and analysis of brain imaging data. While parts of the correlation network methodology have been described in separate publications, there is a need to provide a user-friendly, comprehensive, and consistent software implementation and an accompanying tutorial. The WGCNA R software package is a comprehensive collection of R functions for performing various aspects of weighted correlation network analysis. The package includes functions for network construction, module detection, gene selection, calculations of topological properties, data simulation, visualization, and interfacing with external software. Along with the R package we also present R software tutorials. While the methods development was motivated by gene expression data, the underlying data mining approach can be applied to a variety of different settings. The WGCNA package provides R functions for weighted correlation network analysis, e.g. co-expression network analysis of gene expression data. The R package along with its source code and additional material are freely available at .
登录
查看更多内容
影响因子：
--
作者：
Aten JE;Fuller TF;Lusis AJ;Horvath S
通讯作者：
Horvath S
影响因子：
3
作者：
Fröhlich H;Speer N;Poustka A;Beissbarth T
通讯作者：
Beissbarth T
影响因子：
5.8
作者：
Chuang, Cheng-Long;Jen, Chih-Hung;Shieh, Grace S.
通讯作者：
Shieh, Grace S.
影响因子：
5.8
作者：
Li, Ai;Horvath, Steve
通讯作者：
Horvath, Steve
影响因子：
3.3
作者：
Neto, Elias Chaibub;Ferrara, Christine T.;Yandell, Brian S.
通讯作者：
Yandell, Brian S.