【討論】WGCNA 分析中需要設定多少個模塊比較合理

有學員問：WGCNA分析中需要設定多少模塊比較合理？

是以我們的研究目的和運行結果來評價的嗎？

多次運行再調整，選擇比較符合自己預期的一種方案來執行？

首先需要明確的是，WGCNA 中模塊的數目不是直接設定的，但是可以根據參數間接來調整。

• 比如 deepSplit 參數調整劃分模塊的敏感度，值越大，越敏感，得到的模塊就越多；
• 比如 minModuleSize 參數設置最小模塊的基因數，值越小，小的模塊就會被保留下來；
• 比如 mergeCutHeight 設置合併相似性模塊的距離，值越小，就越不容易被合併，保留下來的模塊就越多。

這些參數到底怎麼選，我覺得跟你所要研究的性狀相關。

而如果你研究的是果實重量，可以想像，這是一個關乎整體的性狀，至少有上千條基因與此相關。這時候 deepSplit 就要小一些（1或2），哪些小的模塊我們不關心，minModuleSize 可以設置得大一些（如 300）。

其實，不只是共表達分析。你可以想像，主成分分析是不是也是這個道理呢？在使用表達數據進行 PCA 的時候。

PC1 也許體現的是組織差異；PC2 也許就能體現處果實大小的差異；而果實顏色由於只與不到 50 條基因有關，所以一定是不太重要的成分（PC7？PC8？），只看前幾個是發現不了的。