Weighted Gene Co-Expression Network Analysis，加权基因共表达网络，将复杂生物过程的基因共表达网络划分为高度相关的几个特征模块，其代表着机组高度协同变化的基因集，并可将模块与待定的临床特征建立关联，在研究表型性状与基因关联分析等方面的研究中被广泛应用。本文通过差异分析、WGCNA分析、功能富集分析、PPI网络分析以及生存分析，期望找到乳腺癌(BRCA)的靶

机器学习建模分析后，还要进行调参或交叉验证以提高模型的预测率，就是所谓的“炼丹”。评估模型也应该用多种指标，包括F1 score，Accuracy（准确率），召回率，绘制ROC曲线等。此外，机器学习是一个“黑盒子”模型，在得到模型预测结果后，还应该深一步进行生物学解释，由于目前我的生信分析能力还不足，后续学习到了再分享~

上面的QQ-plot中，X轴表示期望-Log10(p-value)（值越大，说明p-value越小，即越显著），Y轴表示观测的-Log10(p-value)，由上图可以看出，在p-value较小时，观测p值和期望p值比较一致，，表型呈非连续变异，而遗传物质的数量呈潜在的连续变异的性状，即只有超过某一遗传阈值时才出现的性状，如动植物包括人类的抗病力、死亡率以及单胎动物的产仔数等性状，称为阈性状（th

昨天先尝试了python脚本，为了保险起见，先编写了下载一个基因的压缩包数据，后续批量下载只需改一下ID的提供。但是比较有趣的是与官网直接手动下载相比，我编的程序下载的数据刚刚好缺了我最想要的gene.fna数据，也就是做了大半天无用功，真是drama哈哈哈。实现，但是通过Gene和Nucleotide数据库进行检索得到的结果不同，即Gene数据库检索结果不能直接得到fasta序列，它需要手动点击