做转录组+代谢组联合分析时，你是否常陷入两个困境：一是手里攥着几百个差异基因和几十种差异代谢物，却找不到它们的关联逻辑；二是知道某代谢物（如有机酸、香气萜类）和表型强相关，却说不清“哪些基因调控该代谢物合成”“代谢物又如何影响表型”？
加权基因共表达网络分析（WGCNA），恰好能打破这种“碎片化分析”的局限。它以转录组基因为核心构建共表达网络，将基因按表达模式聚类成“功能模块”，再通过模块与“代谢组差异分子+目标表型”的双向关联，最终定位“基因-代谢物-表型”的调控链。
为避免单个案例无法解释清楚，小编给大家找了3篇高分研究，涉及植物低磷适应、果实香气调控、重金属胁迫缓解，多角度给大家拆解每个案例中“转录组模块与代谢组的联动逻辑”，干货满满，赶紧收藏防止找不到噢！
用途1：模块-性状关联——解析“转录-代谢协同调控表型”的机制
案例——低磷胁迫下莎草“胡萝卜状根”的代谢适应
研究背景
莎草科植物的“胡萝卜状根”是低磷环境的特有适应结构：一方面通过分泌有机酸（如苹果酸）溶解土壤难溶性磷，另一方面通过增加根毛密度扩大吸收面积。但“哪些基因调控有机酸合成？”“根形态变化与代谢调整是否由同一网络控制？”，该研究利用WGCNA的“模块聚类”回答了这两个问题。
样本设计
短苞苔草根组织，2个磷水平（高磷HP/低磷LP），LP组分三个发育阶段，n=3，15样本。
代谢组检测：聚焦在根系分泌物中的有机酸（苹果酸、丙二酸）、根组织中的碳水化合物（蔗糖、半乳糖），通过VIP≥1且p<0.05，最终得到28个差异代谢物。
WGCNA分析设计与核心步骤
1. 数据预处理：转录组保留表达量≥2的19,843个基因（去除低表达噪声）
2. 软阈值确定：power值检验，当power=6时，基因网络的“无标度拓扑拟合指数”>0.8（满足WGCNA要求），且平均基因连通性最高（1259.62），确保网络可靠性。（文献未展示图形）
3. 模块构建与表型关联：共聚类得到22个共表达模块（图1A）
模块-样本表达热图（图1B）：锁定两个关键模块，黑色模块在S2-S3高表达、浅黄色模块在S1高表达，对应“先分化根毛（S1），再强化磷吸收（S2-S3）”的生理过程。
基因-代谢物关联：
富集气泡图：黑色模块富集“糖酵解”“有机酸运输”通路（图1C-D），浅黄色模块集“植物细胞壁组织”“根毛发育”通路——与“基因-代谢物关联结果”完全匹配，证明模块功能不是“推测”而是“有多层证据支撑”。
图1模块分类柱状图（A）；模块-样本相关性热图（B）；
黑色和浅黄色模块内基因的KEGG和GO富集分析气泡图（C-F）
核心价值
若仅做转录组差异分析，会发现“糖酵解基因和根毛发育基因均在低磷下上调”，但无法区分“两者是否独立调控”；若仅做代谢组，会发现“苹果酸和蔗糖均积累”，却找不到调控基因。WGCNA通过“模块聚类”，明确这两个过程分属“黑色-浅黄色模块”，且有各自的“基因-代谢物协同逻辑”，最终整合为“低磷适应的两步策略”。
用途2：锚定品质表型—筛选调控代谢物合成的hub基因
案例——海拔影响草莓果肉香气
研究背景
草莓香气由200+挥发性代谢物构成，其中紫苏醇（单萜类）、α-法尼烯（倍半萜类）是“高海拔草莓更香浓”的核心原因。但“海拔如何通过基因调控萜类合成？”“是否有一个基因能同时影响多种香气物质？”，这些育种关键问题可通过WGCNA的“模块-表型关联+hub基因筛选”解决。
样本设计
3个草莓基因型（P1：香气淡；P2香气中等；F₁：香气浓郁）×2个海拔，n=3，共18样本
代谢组检测：重点关注萜类（紫苏醇、α-法尼烯）、酯类（E-2-己烯基苯甲酸酯），通过VIP≥1且p<0.05，最终得到16个差异香气代谢物。
WGCNA分析设计与核心步骤
1. 数据预处理：9292个DEGs（差异表达基因，FDR<0.05，|log₂FC|≥1）
2. 软阈值设定与模块构建：设定软阈值=10，聚类得到21个模块。
3. 模块与表型关联
模块-样本表达热图（图2A）：锁定调控草莓品质的核心模块——“saddlebrown”，该模块与香气成分（紫苏醇、α-法尼烯）、糖酸比、硬度均呈极显著正相关（P<0.001）。
4. hub分子筛选：
对saddlebrown模块内的基因，按“模块内连通性（|K.in|>40）”和“模块相关性（|MM|>0.90）”筛选hub基因，最终得到3个关键调控基因（图2B中星标分子）。
图2 模块性状关联热图（A）；目标模块基因在不同样本中表达风丰度热图
5. 3个hub基因的“代谢调控证据”：
这3个基因在高海拔草莓中的表达量是低海拔的1.9-2.5倍，且与香气代谢物（紫苏醇）含量呈正相关（r>0.85），完美印证了它们的调控作用。
核心价值
WGCNA从海量基因中精准筛选出可用于育种的hub基因，解决了“代谢组差异分子多但调控靶点不明确”的问题，为优质草莓分子育种提供直接依据。
用途3：解析外源干预效应，构建“多维度互作网络”
案例——硅纳米颗粒缓解黑麦草铅胁迫
研究背景
铅（Pb）会抑制植物根系吸收氮、磷等营养元素，还会诱导活性氧积累；硅纳米颗粒（SiNPs）可缓解Pb毒性，但机制存在争议：有人认为SiNPs会在根表面形成屏障，阻止Pb进入；也有人认为SiNPs会调控植物代谢，增强Pb解毒能力——WGCNA通过“多维度数据整合”，明确了“代谢调控是核心机制”。
样本设计
黑麦草根组织，4个处理组（CK、Pb、SiNPs、Pb+SiNPs），n=3，共12个样本。
多维度数据采集：①转录组（DEGs）；②代谢组（根组织中谷氨酸、GABA、己酸；根系分泌物中草酸）；③环境/生理指标（土壤DOC含量、植物根Pb含量、光合参数Pₙ）WGCNA分析设计与核心步骤。
分析设计与核心步骤
1. 数据预处理：DEGs（差异基因）+DEMs（差异代谢物：谷氨酸、己酸）+环境/生理指标（土壤DOC、SOM；植物Pb含量、光合参数Pₙ）。
2. 软阈值设定与模块构建：设定软阈值=6，聚类得到22个模块。
3. 多维度关联及验证
模块-样本表达热图（图3A）中，按不同处理的关联性，将模块又分为了三组。
①将模块内核心基因和代谢物关联
②将模块内核心基因和环境/生理指标关联
GroupI的糖酵解基因与根分泌物中草酸正相关，草酸促进Si吸收；Si含量升高显著降低根中Pb含量，最终形成“SiNPs→GroupI激活→草酸分泌→Si吸收→Pb解毒”的闭环。
图3 模块-样本关联热图（A）；Mantel检验热图（B）；PLS-SEM图（C）
核心价值
WGCNA整合“分子-生理-环境”多维度数据，不仅解析了SiNPs缓解Pb毒性的机制，更构建了可推广的“外源干预-植物响应”网络模型，为重金属污染土壤修复提供新策略。
WGCNA在转录、代谢组研究中的共性逻辑与实操建议
结合上述3篇文献，小编在此给大家整理了一套详细实操流程：
1. 样本设计（针对整合分析）：
①需≥12个（生物学重复≥3），否则模块聚类易受噪声干扰；
②转录组样本与代谢组样本必须完全匹配”（同一植株、同一组织、同一处理时间），避免“基因与代谢物来自不同样本”的逻辑漏洞；
③若研究“胁迫/发育”，需覆盖关键阶段，否则模块可能无法体现“时空/处理特异性”；
④代谢物检测优选“与表型直接相关的代谢物”（如案例2的香气萜类、案例3的抗逆氨基酸），而非“无目的的全代谢物检测”，减少数据冗余。
2. 数据预处理：
代谢组保留VIP≥1、p<0.05的差异代谢物；转录组保留FPKM>2的基因。降低数据噪音。
3. 模块筛选与构建：
①软阈值选择：power值使拓扑拟合指数R²>0.8，确保网络可靠性；
②模块-表型关联：选|r|>0.8、P<0.01的模块，相关性过低的模块可能无实际功能；
③功能验证：模块需同时满足“KEGG/GO富集与表型相关”+“模块内基因与代谢物正相关（r>0.65，p<0.05）”，两层证据支撑，避免假阳性；
④hub分子筛选：按“|K.in|>40且|MM|>0.9”筛选，且最好用RT-qPCR（基因）、靶向代谢组（代谢物）验证表达趋势，确保hub分子的可靠性。
小 结
很多小伙伴在做“转录组-代谢组整合分析”时，只是“分别做差异分析，再找几个共富集通路”，本质是“数据堆砌”。而WGCNA的价值在于：
对转录组：将差异基因聚类为“功能模块”，避免“单个基因分析”的碎片化；
对代谢组：将代谢物作为“模块功能的验证指标”，明确“基因调控哪些代谢物”；
对表型：构建“模块-代谢物-表型”的关联，最终形成可验证的“调控链”（如案例2的“GLK2→TPS1→紫苏醇→香气品质”）。
通过本文的3个案例，你会发现只要掌握“模块功能定位需结合转录组+代谢组+表型”的逻辑，就能让你的研究从“描述现象”升级为“解析机制”，轻松满足高分文章的要求。返回搜狐，查看更多