????????近年，和WGCNA應(yīng)用的論文出現(xiàn)井噴，論文數(shù)從剛開始一年十幾篇到每年幾百上千篇不止（下圖）。我最早接觸這個算法是2011年，當時WGCNA還有GUI的版本，我為了掌握這個工具，和WGCNA原作者通過郵件多次聯(lián)系探討。2012年，我第一次應(yīng)用WGCNA發(fā)表了1篇關(guān)于肝癌的文章，使用了若干個重要基因的連接度*表達量之和的方法，嘗試對腫瘤進行分型（https://www.sciencedirect.com/science/article/pii/S0168827812000876）。發(fā)現(xiàn)在小數(shù)據(jù)集里的確也有一定效果，和原來單單采用表達量的gene panel/signatures方法有所改進，至少它考慮到不同基因的貢獻度。和其他很多不同的基因網(wǎng)絡(luò)構(gòu)建算法相比，WGCNA比較快被高影響因子雜志引用，特別是它的易用性和結(jié)果綜合性優(yōu)于其他方法。后面，隨著生物信息學(xué)方法不斷普及，WGCNA也在國內(nèi)被發(fā)揚光大。

????????雖然，WGCNA算法被很多人認識到它的重要性，包括微生物、植物、動物、醫(yī)學(xué)特別是腫瘤、毒理學(xué)、藥理學(xué)、生態(tài)學(xué)等研究領(lǐng)域的研究者所應(yīng)用。但關(guān)于它的應(yīng)用原理，人們還是不是很了解。在多年跟蹤WGCNA應(yīng)用及相關(guān)文獻積累之后，我在國內(nèi)期刊《生物工程學(xué)報》發(fā)表了其首篇較為全面的應(yīng)用綜述（http://journals.im.ac.cn/html/cjbcn/2017/11/gc17111791.htm），旨在為對WGCNA感興趣的研究者提供一些基本的概念。WGCNA包的原作者一直有在更新包，其功能也日趨完善。它的使用說明甚至可以寫成一本書。很欣喜，看到這個算法能在國內(nèi)生物醫(yī)學(xué)領(lǐng)域得到廣泛應(yīng)用。

????????然而，隨著生物信息學(xué)方法和技術(shù)的普及，進入門檻降低，關(guān)于WGCNA應(yīng)用的論文也呈現(xiàn)井噴式發(fā)表。作為關(guān)注該方法的研究者和一些論文的審稿者，我不得不表達對該方法應(yīng)用中存在的問題。早年，這個方法僅僅作為論文研究的主體就能發(fā)表，現(xiàn)今大家都會了WGCNA分析，但這并不說明大家都可以使用該方法隨便就要發(fā)表1個論文。其實，生物信息學(xué)主要還是作為一個研究工具使用，而不是為了做出好看的圖，而分析而發(fā)表。生物的問題還是需要在生物里解決，并非簡單的一個電腦使用和分析就能解決。囿于時間關(guān)系，我放棄了再發(fā)1篇WGCNA應(yīng)用現(xiàn)狀和隱憂的綜述論文。最后，簡單列舉WGCNA應(yīng)用存在的問題：

1.比如樣本量太小少于30個，這樣得到的共表達模塊不穩(wěn)定，不具有重現(xiàn)性。

2.有論文把Grey模塊也拿來使用，這個很明顯使用了該工具，連說明書都不看。但是有不少類似問題的論文還是發(fā)表了，論文也存在文獻引用問題，沒有合理引用前人結(jié)果。很多腫瘤的TCGA或者GEO數(shù)據(jù)，甚至都被分析了十幾遍，但每次得到的hub gene或者gene signature卻都不一樣。特別是腫瘤的WGCNA，為了發(fā)表論文而畫出漂亮的圖，整個論文卻不知所云，實在是悲哀。

3.過分關(guān)注hub gene，忽視了其他的WGCNA結(jié)果，如模塊表達，基因連接度等信息

4.結(jié)果解讀的問題。WGCNA得到的是相關(guān)網(wǎng)絡(luò)，不是因果網(wǎng)絡(luò)，所以解讀為病因的時候要特別謹慎，要問下自己有沒有其他實驗證據(jù)來支持這個假說。

????????最后，這只是鄙人最近的一些思考，如果有不當或遺漏的地方，歡迎大家在下方暢所欲言！