经过前面两个专栏的讲解，我们从数据的预处理，到数据模块构建，洋洋洒洒拆解了大概1万字左右的教程，在这个过程中，我自己也学到了不少的东西，感谢好友们的盛情让我学习到很多东西！今天争取把这个教程后面剩下的内容结了。

老样子，先导入我们前面构建好的数据

简单提一句，**.RData**是我们保存R数据的一种比较方便的方法，它不同于保存于csv、TXT、xlsx等格式文件，并且还可以同时保存多个数据，不懂可以翻看前两个专栏的教程，大概是下面这样的：

该部分，我们想确定与所测量的表型性状有显著关联的模块，从而确定这个模块内高度相似共表达的基因参与什么生物学问题，并在这个模块内确定处于主导作用的基因。 由于我们已经构建了每个模块信息（eigengene），我们只需将eigengene与外部性状相关联，并寻找最显著的关联。

这里，截几个图，我就不用解释结果了：

module和样本之间的关联（基于样本基因表达）

module和性状的关联

module与性状相关性显著性检验。在这里，我们可以看出month与turquoise模块之间的r=0.97(p=0.001)，其他结果类似。一会儿咱们可视化后会更加清晰，其他的就不仔细看了。

话不多说，直接可视化：

可视化结果如下：

这句话翻译感觉有点鸟语，英语差的就看我的翻译，还行的就自己翻译去（Gene relationship to trait and important modules: Gene Significance and Module Membership）

这这里，我先给大家解释两个术语，基因显著性（Gene significance,GS)与成员之间相关性（module membership，MM）。

GS: associations of individual genes with our trait of interest (month) by defining Gene Significance GS as (the absolute value of) the correlation between the gene and the trait. 英语差的就看我的翻译，还行的就自己翻译去。即感兴趣性状与单个基因之间相关性的绝对值定义为GS，是否通俗明了？

MM: For each module, we also define a quantitative measure of module membership MM as the correlation of the module eigengene and the gene expression profile. 即基因表达与module主成分之间的相关性。

说了这么多，不如上代码来得快：

通过上述代码，我们构建出包含MM的数据框，如下：

这里可以挖掘到一些重要的基因，具体后面说。这里我们看到这组数据里面，与Month呈正强相关的模块是tarquoise模块，那么我们直接对其进行可视化：

当然，还可以根据连接度来筛选关键基因，这里需要用到模块发构建拓扑结构时产生的Tom矩阵，具体怎么构建，见前述WGCNA分析专栏2-网络构建与模块识别代码如下：