WGCNA（加權基因共表達網路分析）是一種系統生物學方法，旨在通過構建基因共表達網路來識別具有相似表達模式的基因模組（modules），並探索這些模組與關注的表型之間的關聯。這種方法適用於複雜的數據模式，如不同器官或組織類型的發育調控、生物和非生物脅迫的回響等。WGCNA的基本原理包括基因之間相關係數的計算、基因模組的確定、共表達網路的構建以及模組與性狀關聯的分析。
WGCNA分析的步驟包括：
數據預處理：去除表達量很低或幾乎沒有差異的基因，以節約計算資源並保持網路的拓撲結構。
構建相關性矩陣：計算基因之間的相關係數，轉換為0-1範圍，以構建鄰接矩陣。
基因聚類分析：通過分層聚類將表達模式相似的基因組成模組，不同顏色的模組代表不同的基因集合。
模組與表型關聯分析：計算每個模組中所有基因與表型性狀的相關性，以確定與特定表型最相關的模組。
關鍵基因分析：在核心模組中，識別與其他基因關聯度最高的基因（hub genes），這些基因通常是轉錄因子等關鍵的調控因子。
WGCNA分析的要求和限制：
推薦樣本數：獨立樣本數≥8時，可以考慮基於Pearson相關係數的WGCNA共表達網路方法；樣本數≥15時，可以得到相對準確的結果。當樣品數<8时，不建议进行WGCNA分析。
不適合分析同一處理的時間序列樣本。
WGCNA分析可以通過R語言軟體實現，它能夠準確、高效地分析基因表達數據，挖掘在表型變化過程中發揮關鍵作用的核心基因或基因模組。