WGCNA：加重相関ネットワーク分析用のRパッケージ

背景：相関ネットワークは、バイオインフォマティクスアプリケーションでますます使用されています。たとえば、加重遺伝子共発現ネットワーク分析は、マイクロアレイサンプル全体の遺伝子間の相関パターンを記述するためのシステム生物学的方法です。重み付き相関ネットワーク分析（WGCNA）は、モジュール固有種または皮下ハブ遺伝子を使用して、モジュールを相互に関連付け、外部サンプル特性に関連付けるために、高度に相関した遺伝子のクラスター（モジュール）を見つけるために使用できます。方法論）、およびモジュールメンバーシップ測定を計算するため。相関ネットワークは、候補のバイオマーカーまたは治療目標を特定するために使用できるネットワークベースの遺伝子スクリーニング方法を促進します。これらの方法は、さまざまな生物学的文脈で正常に適用されています。がん、マウス遺伝学、酵母遺伝学、および脳イメージングデータの分析。相関ネットワークの方法論の一部は別々の出版物で説明されていますが、ユーザーフレンドリーで包括的な、一貫したソフトウェア実装と付随するチュートリアルを提供する必要があります。 結果：WGCNA Rソフトウェアパッケージは、加重相関ネットワーク分析のさまざまな側面を実行するためのR機能の包括的なコレクションです。パッケージには、ネットワーク構築、モジュールの検出、遺伝子選択、トポロジ特性の計算、データシミュレーション、視覚化、および外部ソフトウェアとのインターフェースのための機能が含まれています。Rパッケージに加えて、Rソフトウェアチュートリアルも提示します。メソッド開発は遺伝子発現データによって動機付けられましたが、基礎となるデータマイニングアプローチは、さまざまな設定に適用できます。 結論：WGCNAパッケージは、加重相関ネットワーク分析のR関数を提供します。遺伝子発現データの共発現ネットワーク分析。Rパッケージとそのソースコードと追加資料は、http：//www.genetics.ucla.edu/labs/horvath/coexpressionnetwork/rpackages/wgcnaで無料で入手できます。

BACKGROUND: 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. RESULTS: 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. CONCLUSION: 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 http://www.genetics.ucla.edu/labs/horvath/CoexpressionNetwork/Rpackages/WGCNA.