WGCNA（weighted gene co-expression network analysis，加权基因共表达网络分析）是一种分析多样本基因表达模式的方法，可将表达模式相似的基因聚类（module，模块），并分析模块与特定性状或表型（如疾病状态、药物反应、发育时期等）之间的关联关系。其关键优势在于采用加权网络，通过软阈值（power值）强化强相关、弱化弱相关，使网络符合生物系统固有的无尺度特性，即少数关键基因（Hub基因）占据网络核心位置。因此，在疾病以及其他性状与基因关联分析等方面的研究中被广泛应用。

主要应用方向：

• 疾病生物标志物与治疗靶点挖掘：通过比较疾病组与对照组的基因表达数据，可以识别与疾病严重程度、分期、预后显著相关的基因模块。这些模块中的Hub基因可能是潜在的诊断标志物或新的药物干预靶点。

• 解析发育与应激响应机制：在研究生物体发育、细胞分化或应对环境胁迫（如干旱、高温）时，WGCNA能动态地揭示在不同时间点或处理条件下被协同激活或抑制的基因模块，从而推断调控这些生命过程的核心通路。

• 复杂性状的遗传基础解析：在动植物育种中，WGCNA可用于将基因表达模块与重要的农艺性状（如产量、抗病性）或动物经济性状关联，帮助定位控制这些复杂性状的关键基因网络。

• 非编码RNA功能预测：对于功能未知的lncRNA、miRNA等，可通过WGCNA将其与编码基因共聚类到同一模块中，并根据该模块的生物学功能推测这些非编码RNA的潜在角色。

• 多组学数据整合：WGCNA可以与其他组学数据（如代谢组学、甲基化组学）进行关联分析，建立不同分子层级（如基因表达-代谢物积累）之间的调控联系，更系统地阐释生命活动的调控网络。