- 鉴定高相关的基因module。一个module内的基因往往有相似的生物学功能，可通过此方法初步探索lncRNA的功能；
- 鉴定与表型相关的基因module。与表型高度相关的module可进行后续分析，用于建立预测模型或者探索生物学机制；
-
寻找hub基因。该类应用在早期的lncRNA研究中很热，如果某个module中有lncRNA作为hub基因，可以继续对该lncRNA进行深度探索。
-
Co-expression network ：加权基因网络。以基因表达谱举例，基因之间的连接由基因间的表达相关性决定，WGCNA则使用β(软阈值)加权提高相关性的绝对值，能突出高相关基因但牺牲低相关的基因。具体来说，aij = |cor(genei, genej)|^β表示 unsigned的共表达网络， aij = |(1 + genei, genej)/ 2|^β 表示 signed的共表达网络。
- Module：表达高度相关的基因集。在unsigned的共表达网络中，module对应绝对相关性的基因集；在signed的网络中，module对应正相关的基因集
- Module Eigengene ME：给定module的第一主成分，可代表module，例如计算ME和体重相关即说明module与体重相关
- Module Membership MM：将该基因的表达量与module eigengene进行相关性分析就可以得到MM值。MM值本质上是一个相关系数，如果基因和某个module的MM值为0，说明二者根本不相关，该基因不属于这个module; 如果MM的绝对值接近1，说明基因与该module相关性很高
- Intramodular connectivity K IM ：衡量的是给定基因相对于特定模块的基因是如何连接或共同表达的。模内连接性可以衡量module membership。
- Gene Significance GS：将指定基因的表达量与对应的表型数值进行相关性分析，最终的相关系数的值就是GS。GS越高表明指定基因与研究表型越相关。
- Module Significance MS：给定module中所有基因的GS平均值。Module significance越高表明指定module与研究表型越相关。
- Eigengene significance：模块特征（ME）与样本性状的相关性。值越高表明指定module与研究表型越相关。
- Connectivity：在加权共表达网络中，由于每条边代表两个基因间的相关性的大小，对应一个数值，所以一个基因在共表达网络中的Connectivity定义为与该基因相连的所有边的数值之和。另外，根据相连的基因是否和该基因位于同一个module，又可以将边分为两类，和该基因位于同一个module内，定义为within，位于不同的modules，定义为out。可根据within的connectivity来确定该module的hub基因。
- Hub gene：这个定义是"highly connected gene"的缩写。表示在指定module内的具有高Connectivity的基因。
- SoftThreshold：软阈值，即aij = |cor(genei, genej)|^β中的β值，含义为调整cor(genei, genej)使其符合幂律分布的最小β值；若变量K满足幂律分布，则P(K)=c·K^-α，即P(K)和K的对数满足线性相关，pearson's R^2大于0.8
1、WGCNA分析对输入数据的要求？
2、WGCNA分析对内存的要求？