WGCNA分析中如何选择软阈值？
这次依然还是给你抛出官网教程，依然是：你看还是不看，它就在那里，等着你的深入研究～
https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/
如有理解错误，还请各位大神批评指正！
依然是这张图：
上次简单说了一下小编对于软阈值的理解，接着上次的文章，这次我们来说一下：
- 如何选取Soft Threshold，多少的时候合适？（即上图中左右图的意思和纵坐标的理解）
- 对于这张图的说明，官网给出的注释是这个样子的：
Figure 1: Analysis of network topology for various soft-thresholding powers. The left panelshows the scale-free fit index (y-axis) as a function of the soft-thresholding power (x-axis). The right panel displays the mean connectivity(degree, y-axis) as a function of the soft-thresholding power (x-axis).
实现这张图的代码：
1，左图的纵坐标scale-free fit index，即signed R2，代表对应的网络中log(k)与log(p(k))相关系数的平方乘以一个方向向量，由slope决定（The sign of the scale-free model fitting index R2 is determined by minus the sign of the slope），拟合的线性方程为下图，来源于WNCGCNA包中的源代码：
相关系数的平方越高，说明该网络越逼近无标度网络的分布。相关参考文献中有大量数据证明当signed R2 大于0.85时，网络就已经符合无标度网络的分布。
因此，WGCNA包中计算SoftThreshold的函数pickSoftThreshold中RsquaredCut 默认值为 0.85，最佳的powers值保存在sft$powerEstimate。上图中，作者重新设定了一个阈值cex1=0.9，因此你会看到图片作图中有一条红色的横线，表示第一个signed R2达到这条红线时的最佳powers值，此图中是6。
2，右图的纵轴代表对应的网络中所有基因连接数（即节点的度）的均值。
另外，官网教程中给的上述的图其实有一个小错误，心细的同学应该发现了吧，正确的图时下面小编自己用官网的数据和教程重新绘制的一张！
参考资料：
1,https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA/Tutorials/
2,A General Framework for Weighted Gene Co-Expression Network Analysis, Stat Appl Genet Mol Biol. 2005;4:Article17. Epub 2005 Aug 12
3，WGCNA: an R package for weighted correlation network analysis.BMC Bioinformatics. 2008 Dec 29;9:559. doi: 10.1186/1471-2105-9-559.
