高维WGCNA：揭示复杂转录组数据的深层次联系

在高维度中探索基因共表达网络的秘密

在生物信息学领域，hdWGCNA是一个专门针对高维度转录组数据，如单细胞RNA测序或空间转录组学数据进行加权基因共表达网络分析（WGCNA）的R包。它的设计高度模块化，能够构建跨越多尺度细胞和空间层次的共表达网络，并通过多种生物学知识源提供对这些网络的上下文理解。

1、项目介绍

hdWGCNA建立在WGCNA的基础上，扩展了其在单细胞和空间转录组学领域的应用。该工具要求输入数据为流行的Seurat对象格式，这使得它成为研究者处理大规模复杂数据的理想选择。我们的项目文档包括单细胞数据和空间转录组学数据的教程，引导您轻松上手。

开发状态: 这个项目正处于积极发展阶段，我们欢迎用户提供反馈和建议，共同完善这个工具。

关于Seurat v5: 目前，hdWGCNA主要与Seurat v4兼容，对于Seurat v5的测试正在进行中，我们建议您暂时使用Seurat v4。

2、项目技术分析

hdWGCNA的核心算法基于WGCNA的模块聚类方法，它利用相关性矩阵构建网络并识别出紧密相连的基因模块。此外，借助于igraph等工具，该包还能生成直观的网络图形展示，以便研究人员更好地理解和解释模块结构。此外，hdWGCNA还整合了GeneOverlap和ggforestplot，用于基因集富集分析和森林图可视化，以揭示模块功能的潜在意义。

3、项目及技术应用场景

hdWGCNA适用于以下场景：

• 单细胞RNA测序数据分析，以发现细胞亚群的特异性和共表达模式。
• 空间转录组学数据的分析，帮助描绘组织微环境中的基因表达模式和细胞相互作用。
• 跨多层细胞和空间层级的网络构建，探索疾病状态下复杂的生物机制。

4、项目特点

• 高维度处理能力：hdWGCNA专为处理大型、高维度转录组数据而设计。
• 模块化设计：允许用户灵活地构建和分析不同层次的共表达网络。
• 生物学关联：与多种生物学数据库集成，为基因模块赋予生物学含义。
• 易用性：提供详细的教程和文档，简化用户的使用流程。

安装与引用

要在您的项目中使用hdWGCNA，请首先创建一个R的conda环境，然后按照指南安装所需依赖项和包。在完成安装后，务必引用相关的文献，以便于科研工作的公正性。

如果你的研究受益于hdWGCNA，别忘了引用以下两篇论文以及原始的WGCNA论文：

• Morabito等人，《Cell Reports Methods》（2023）
• Morabito & Miyoshi等人，《Nature Genetics》（2021）

现在，就开始你的高维基因共表达网络之旅吧！hdWGCNA将是你探索复杂转录组学数据的强大助手。