科研 Skill

WGCNA共表达网络

codar-network-systems-biology-skill-0b4c466ca016

用于批量表达数据的WGCNA模块识别、模块—性状关联和枢纽基因筛选;当样本量足以支撑共表达分析时使用。

发布者 Codar安全审核通过v0.1.2更新于 2026-09-16

SKILL.md

WGCNA 共表达网络

多组学、共识网络或WGCNA+执行时读取WGCNAplus方法分支。单组学仍可用经典WGCNA,不为“AI”标签强制更换方法。代理准备配置、样本对应和参数依据;scripts/run_wgcna_multiomics.R 仅运行已安装且确认许可的适配版本,默认关闭外部AI与网络报告。

  1. 检查样本聚类、离群值、批次与表达过滤;样本过少时先说明网络不稳定。
  2. 选择有生物依据的signed或unsigned网络,通过尺度无关性与平均连接度共同确定软阈值。
  3. 构建TOM、切分并合并模块,记录最小模块大小和合并阈值。
  4. 模块特征向量与性状关联时纳入协变量并校正多重检验。
  5. 用模块成员度、基因显著性和外部证据联合定义候选枢纽,并做保留性验证。

输出模块分配、关联矩阵、候选基因和参数;不能只按模块颜色或高连接度声称机制。

直接交付模块–性状效应/不确定性图、跨层模块关联热图及保留性比较;树状图作为建模诊断。保持各组学实体身份,不把蛋白、代谢物全称为基因。跨队列缺少一一配对时不计算虚假的样本级跨层相关。AI文字仅辅助解释,并逐条回指真实成员/富集证据;无外部验证就明确为探索性网络。

所属插件

网络与系统生物学分子网络、调控网络与系统生物学分析。

安装该插件会一并获得同领域的 15 个 Skill / MCP。

同插件的其他科研 Skill

常见问题

WGCNA共表达网络能做什么?

用于批量表达数据的WGCNA模块识别、模块—性状关联和枢纽基因筛选;当样本量足以支撑共表达分析时使用。

如何安装WGCNA共表达网络?

在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「WGCNA共表达网络」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。

WGCNA共表达网络需要哪些权限?

该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。

WGCNA共表达网络经过官方审核吗?

是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。