WGCNA运行goodSamplesGenes报有效基因数量过少错误如何解决

报错核心原因 #

该报错是以下几个问题共同导致的：

• 你手动将所有表达量为0的数值直接替换为NA，导致大量基因的缺失占比过高
• 你提前对组内重复取均值后仅保留了3个样本，远低于WGCNA官方推荐的最低样本量要求（≥15个样本，样本量不足会导致共表达网络构建的准确性极差）
• goodSamplesGenes 函数默认要求每个基因在至少minFraction=0.5比例的样本中存在非缺失值，3个样本的情况下要求每个基因至少在2个样本中是非NA的，你替换0为NA后符合要求的基因数量过少，触发报错。

可行解决方案 #

• 方案1：调整0值处理逻辑（最推荐） #

  测序数据中的0值大多是正常的低表达结果，仅当确定0值是测序质量问题导致的缺失时才需要设为NA。建议先过滤低表达基因，无需直接将0替换为NA，示例代码如下：

  # 替换原有代码中的 Expression_File[Expression_File == 0] <- NA
  # 保留在至少2个样本中表达量≥1的基因，阈值可根据你的定量类型（FPKM/TPM/Counts）调整
  keep_gene <- apply(Expression_File[,c("A1","B1","C1")], 1, function(x) sum(x >= 1) >= 2)
  Expression_File <- Expression_File[keep_gene,]
  

• 方案2：调整过滤参数阈值（临时绕过报错） #

  如果确实需要保留0转NA的逻辑，可以调低minFraction参数的阈值，降低对基因非缺失比例的要求：

  gsg = goodSamplesGenes(GE.adjusted, minFraction = 1/3, verbose = 3)
  

  注意：该方法仅能临时解决报错，3个样本的情况下WGCNA的分析结果可信度极低，不建议用于正式分析

• 方案3：修正分析流程，不提前取组内均值（最优分析逻辑） #

  WGCNA依赖足够的样本量计算基因间的共表达相关性，你原本有3组×3重复=9个样本，不要提前取均值，直接用9个样本的表达矩阵进行分析，既能提高共表达网络的准确性，也能解决样本量不足导致的过滤后基因过少的问题。
  仅需要修改表达矩阵读取时的列选择代码，保留所有9个重复样本即可；如果表型数据是每组1个值，将同组重复样本的表型值设为相同即可，不会影响模块与表型的关联分析结果。

内容的提问来源于stack exchange，提问作者user1567654