🤩 hdWGCNA | 单细胞数据怎么做WGCNA呢！？（五）（相关性分析）

生信漫卷

发布于 2024-07-31 19:44:25

8460

今天继续之前的hdWGCNA教程，做完了前面的模块分割、鉴定，该和各种traits相关起来啦。😂

用到的包

rm(list = ls())
library(Seurat)
library(dplyr)
library(cowplot)
library(WGCNA)
library(hdWGCNA)

记得设置一下哦！~😂

theme_set(theme_cowplot())

set.seed(123)

enableWGCNAThreads(nThreads = 8)

示例数据

我们把之前的数据加进来吧。😀

load('hdWGCNA_object.Rdata')

计算相关性

我们会用到函数ModuleTraitCorrelation将选定的变量与模块特征相关联。😘

可以使用的变量：👇

数值变量；
二分类变量，如“control”和“condition”；
多分类变量，如，“健康”、“第 1 阶段”、“第 2 阶段”、“第 3 阶段”等排序。

大家在这里记得转换类型，比如factor，numeric。😘

# convert sex to factor
seurat_obj$msex <- as.factor(seurat_obj$msex)

# convert age_death to numeric
seurat_obj$age_death <- as.numeric(seurat_obj$age_death)

# list of traits to correlate
cur_traits <- c('braaksc', 'pmi', 'msex', 'age_death', 'doublet_scores', 'nCount_RNA', 'nFeature_RNA', 'total_counts_mt')

seurat_obj <- ModuleTraitCorrelation(
  seurat_obj,
  features = 'hMEs',
  traits = cur_traits,
  group.by='cell_type'
)

查看结果

# get the mt-correlation results
mt_cor <- GetModuleTraitCorrelation(seurat_obj)

names(mt_cor)

names(mt_cor$cor)

这里我们可以看一下模块和特征的具体相关性数值。🌟

head(mt_cor$cor$INH[,1:5])

绘制相关性热图

来可视化一下吧，方法很多，包里也自带了相关性热图。😘

PlotModuleTraitCorrelation(
  seurat_obj,
  label = 'fdr',
  label_symbol = 'stars',
  text_size = 2,
  text_digits = 2,
  text_color = 'white',
  high_color = '#EB3678',
  mid_color = '#E2E2B6',
  low_color = '#6EACDA',
  plot_max = 0.2,
  combine = T,
  wgcna_name = 'tutorial'
)