這是進行任何網(wǎng)絡(luò)分析的第一步。我們在這里展示如何加載典型的表達數(shù)據(jù)，將其預(yù)處理成適用于網(wǎng)絡(luò)分析的格式，并通過刪除明顯的異常樣本和基因來清理數(shù)據(jù)。

• Data Input
  • AnnData format
  • Separate matrices
    • Gene expression
    • Gene metadata
    • Sample metadata
    • Other parameters
• Data cleaning and pre-processing

Input data format

我們將原始表達數(shù)據(jù)以及相關(guān)信息以AnnData格式存儲在名為geneExpr的變量中?；虮磉_數(shù)據(jù)、基因元數(shù)據(jù)和樣本元數(shù)據(jù)可以作為 AnnData 對象一起傳遞給 PyWGCNA，也可以分別作為一系列矩陣傳遞。

AnnData 數(shù)據(jù)格式

如果您已經(jīng)將表達數(shù)據(jù)存儲在 AnnData 格式中，您可以通過將變量以 AnnData 格式傳遞來定義 PyWGCNA 對象。請注意，AnnData.X 應(yīng)該是表達矩陣，AnnData.var 應(yīng)該包含每個基因的信息，而 AnnData.obs 應(yīng)該包含每個樣本的信息。您可以在此處閱讀有關(guān) AnnData 格式的更多信息。點擊這里-->

基因表達、樣本元數(shù)據(jù)和基因元數(shù)據(jù)的單獨矩陣

用戶可以傳遞各自的文件路徑，分別用于基因表達、樣本元數(shù)據(jù)和基因元數(shù)據(jù)，格式如下所示。

基因表達矩陣

表達矩陣應(yīng)按照樣本對應(yīng)行，基因?qū)?yīng)列的格式進行排列。第一列應(yīng)表示樣本ID或樣本名稱。接下來的列應(yīng)包含唯一的基因ID或基因名稱。

Gene metadata

基因元數(shù)據(jù)是一個表格，包含有關(guān)每個基因的其他信息，例如基因生物類型或基因長度。每一行應(yīng)表示一個基因，每一列應(yīng)表示一個基因特征，其中第一列包含與基因表達矩陣中使用的相同基因標(biāo)識符。行的順序應(yīng)與基因表達矩陣的列相同，或者用戶可以指定 order=False。

Sample metadata

樣本元數(shù)據(jù)是一個表格，包含有關(guān)每個樣本的其他信息，例如時間點或基因型。每一行應(yīng)表示一個樣本，每一列應(yīng)表示一個元數(shù)據(jù)特征，其中第一列包含與基因表達矩陣中使用的相同樣本標(biāo)識符。行的順序應(yīng)與基因表達矩陣的行相同，或者用戶可以指定 order=False。

其他參數(shù)

以下是可以指定的其他參數(shù)。

• name: 用于可視化數(shù)據(jù)的WGCNA的名稱（默認：WGCNA）
• save: 是否保存重要步驟的結(jié)果（如果要設(shè)置為True，您應(yīng)該對輸出目錄具有寫訪問權(quán)限）
• outputPath: 要保存數(shù)據(jù)的位置，否則將存儲在與代碼相同的目錄中。
• TPMcutoff: 用于刪除基因的TPM截斷值
• networkType: 生成網(wǎng)絡(luò)的類型（{unsigned，signed，signed hybrid}，默認：signed hybrid）
• adjacencyType: 使用的鄰接矩陣類型（{unsigned，signed，signed hybrid}，默認：signed hybrid）
• TOMType: 使用的拓撲重疊矩陣（TOM）的類型（{unsigned，signed}，默認：signed）

有關(guān)這些參數(shù)的詳細文檔，請參閱此處。

數(shù)據(jù)清理和預(yù)處理

PyWGCNA可以根據(jù)以下標(biāo)準清理輸入數(shù)據(jù)：

1. 刪除所有樣本中表達量低于TPMcutoff值（默認值）的基因。
2. 使用goodSamplesGenes()函數(shù)查找具有過多缺失值的基因和樣本。
3. 對樣本進行聚類（使用來自scipy的hierarchical clustering），以查看是否存在明顯的異常值。用戶可以通過指定cut值來定義層次聚類的高度。默認情況下，通過層次聚類不刪除任何樣本。