WGCNA高级生信分析实例及解读

WGCNA是什么

WGCNA作为一款高级生信分析，最先应用于基因组学和转录组学数据分析。之前小编跟给位老师介绍过高级生信分析WGCNA，详情请回顾：魅力无极限——解决组学数据挖掘的高级生信分析WGCNA

近几年，随着蛋白质组学和代谢组学的兴起，这款分析工具在蛋白组学和代谢组学也有诸多应用。今天小编想给各位老师介绍的是WGCNA对代谢组学数据进行挖掘的一篇文献。

多发性硬化症（MS）是一种罕见的中枢神经系统脱髓鞘疾病，它可以损伤脊髓和大脑中的神经以及视神经的慢性疾病。维生素D不足是发生MS的危险因素，并且与疾病活动程度增加有关。在其他人群中，补充维生素D可以减少氧化应激标志物，但对于MS患者来说维生素D补充后是否同样会引起氧化压力的缓解却并不清楚。这篇文章作者的目标是确定MS的代谢变化特点以及维生素D补充后对MS患者和健康对照组HC的代谢谱的改变和影响。

研究路线图

1. 研究队列人口学特征信息

这篇研究涉及两个研究队列，一个是Cross-sectional cohort，主要是用于研究MS患者与HC之间代谢组学差异，包含27 位多发性硬化症患者（MS）和27位健康对照（HC），另一个研究队列为Longitudinalcohort，用于研究维生素D对MS患者和HC的代谢谱的改变和影响，包含24 位多发性硬化症患者（MS），27位健康对照（HC）。

2. MS患者与健康对照之间的代谢差异

采用代谢组学对血浆样本进行分析，单维统计分析显示43种代谢物在MS患者与健康人群之间差异显著（校正年龄和性别后p<0.05）。两组人群在PLS-DA模型中也区分明显，且具有良好的模型解释和预测能力，表明MS患者与健康对照人群的代谢存在差异。通过PLS-DA模型的VIP值，作者进一步筛选对分组贡献大的代谢物（VIP>1.5），结果显示大量代谢物参与氧化还原平衡(谷胱甘肽代谢和γ-谷酰基氨基酸代谢)，还有一些VIP得分高的代谢物则与尿素循环、组氨酸代谢及异生物质代谢相关。

之后作者又进行了WGCNA分析。WGCNA分析将492种检测到的代谢物被分成了15个module。对年龄和性别校正之后，绿色和棕色module在MS患者与健康对照组之间具有差异。

绿色module富集的是γ-谷酰基氨基酸和氧化应激代谢物。棕色module富集的是苯酸盐和黄嘌呤类代谢物，与基于通路的pathwayanalysis分析结果一致。模块内的代谢物之间存在相关性，暗示这两个模块可能是疾病状态的联合预测因子。绿色module和棕色module中的代谢物与PLS-DA分析筛选到的差异物有部分重叠。

3. 维生素D补充后对MS患者和健康对照组代谢谱的改变和影响

作者对补充维生素D的MS患者与健康对照组的研究队列进行血浆代谢组学分析。WGCNA分析将检测到的529个代谢物划分成了14个module，其中绿色module与基线25羟基维生素D的水平显著相关。

绿色和红色的module在MS患者与健康对照组之间显著差异，其中绿色的module富集的是γ-谷酰基氨基酸和氧化应激相关的代谢物，红色的module富集的是溶血磷脂和脂肪酸，与基于通路的pathwayanalysis分析结果一致。模块间没有发现相关性，表明维生素D补充所引起的模块变化是独立的。绿色模块内γ-谷酰基亮氨酸、γ-谷酰基组氨酸、γ-谷酰基异亮氨酸和γ-谷酰基缬氨酸，红色模块中1-palmitoyl-glycerophosphatidyl inositol(GPI)(16:0)、1-linoleoyl glycerophosphatidyl choline (18:2)和1-oleoyl-GPI (18:1) 在MS患者和健康对照组之间显著变化。

结论：通过代谢组学方法,作者发现MS患者的氧化应激和异生物质代谢发生变化，补充维生素D之后，MS患者没有减少氧化应激标志物，反而是在健康对照组中下降。作者的研究也证明了代谢组学在识别异常代谢过程和干预治疗监测等方面的重要应用价值。

1. 生物学重复

代谢组学位于基因组、蛋白组的下游，最接近于表型，在生物信息的传递中起到承上启下的作用。代谢组学反映的是基因/蛋白、环境和生活方式等诸多因素的扰动后生物体的代谢表型变化，因此个体化差异较大，临床上一般建议每组30个重复以上。

2. 高分秘籍

现在单一的组学文章很难发表高分，一方面要求我们研究得更加深入，另一方面也是对我们的数据分析提出了更高的要求。如果您正在寻找新的分析方法，不妨试试WGCNA~相信这一定会让编审眼前一亮。更多关于WGCNA的资料、文献和分析服务请联系我们！

3. WGCNA 相关文献推荐

肿瘤发生机制：ClinCancer Res.2013 Sep 15;19(18):4983-93.

肿瘤细胞存在脂代谢异常，文章借助转录组和脂质组分析手段，首先对肿瘤组织和癌旁组织进行WGCNA分析，找到跟胰腺癌发生相关的module(此模块为8个脂肪酸)，进一步借助相关性分析找到跟脂肪酸变化相关的重要基因，通过对这些基因的KEGG通路分析和相关性分析，找到了调控关键脂质变化的重要脂代谢酶，最终阐明了胰腺癌发生发展机制。