相比于只关注差异表达的基因,WGCNA利用数千或近万个变化最大的基因或全部基因的信息识别感兴趣的基因集,并与表型进行显著性关联分析。一是充分利用了信息,二是把数千个基因与表型的关联转换为数个基因集与表型的关联,免去了多重假设检验校正的问题。
以上内容引用的网页:http://blog.genesino.com/2018/04/wgcna/#wgcna%E5%9F%BA%E6%9C%AC%E6%A6%82%E5%BF%B5
感觉WGCNA挺合自己脾气的,想安装一下。注定安装不会那么顺利。
安装了WGCNA是在Rstuio上安装的。用命令 install.packages("WGCNA")
执行完命令后,提示信息显示有三个依赖包(‘impute’, ‘preprocessCore’, ‘GO.db’)无法安装。
然后再安装那三个依赖包。
BiocManager::install("impute"),安装impute时,也会安装GO.db包。遇到是否更新其他R包时,选择不更新 n.
>library("WGCNA")
Error: package or namespace load failed for ‘WGCNA’ in loadNamespace(j <- i[[1L]], c(lib.loc, .libPaths()), versionCheck = vI[[j]]):
不存在叫‘preprocessCore’这个名字的程辑包
然后再安装一下‘preprocessCore’包
BiocManager::install("preprocessCore")
做完以上工作,再执行一下 >library("WGCNA").
其中提示信息:载入需要的程辑包:dynamicTreeCut ;载入需要的程辑包:fastcluster ;载入程辑包:‘fastcluster’ 意思是在使用WGCNA时,需要先载入这三个包,并且已经被直接载入了,不是错误信息。
先说安装测试环境操作系统:windows7-32bit
R语言版本:R4.1.2+Rstudio1.1
Bioc版本:Bioconductor version 3.14 (BiocManager 1.30.16)
这里最主要的还是R语言版本的选择。
R3.4.4 R3.6.3两个版本都没成功,碰到一堆问题。
R4.1.2安装WGCNA相对简单一点,这里就以它为例吧。
之后会弹出一个镜像源选择框,这里选China(Beijing 2)[https]
安装完成后,试试能否加载成功
安装过程还算顺利,然后再试试加载WGCNA包。
安装过程还算顺利,然后再试试加载WGCNA包。
安装过程还算顺利,然后再试试加载WGCNA包。
再试试能否加载
这里为了省事,选了一个简单安装的版本,实在不想折腾的死去活来了。