基因共表达网络分析（WGCNA）寻找协同表达的基因模块，并探索基因网络与研究者关注的表型之间的关联关系。它是基于高通量的微阵列技术，应用基因表达芯片得到实验数据从转录水平探索基因网络与疾病或者性状之间的关联关系，从而达到复杂疾病的关键基因的鉴定、疾病诊断试剂研发，药物研发等目的的分析。

加权基因共表达网络构建（weighted gene co-expression network，WGCNA）算法作为一种高效、准确的生物信息学、生物数据挖掘方法，理论不断完善，应用日渐广泛。该算法基于高通量的基因或RNA(mRNA)表达芯片数据，被广泛应用于生物医学领域。

二、方法

WGCNA算法首先假定基因网络服从无尺度分布，并定义基因共表达相关矩阵、基因网络形成的邻接函数，然后计算不同节点的相异系数，并据此构建分层聚类树(hierarchical clustering tree)，该聚类树的不同分支代表不同的基因模块(module)，模块内基因共表达程度高，而分属于不同模块的基因共表达程度低。最后，探索模块与特定表型或疾病的关联关系，最终达到鉴定疾病治疗的靶点基因、疾病诊断试剂研发，判断药物作用效果等目的。

需要提供的数据：经过处理的选定基因列表的表达数据，对应基因的注释信息，样品对应的疾病和临床特征。

返还结果： 与临床特征和疾病特征相关的可信的重要模块，及模块所对应的关键基因。