做WGCNA分析，需要对基因和样本进行一定的筛选。一般来说，会采用如下的筛选方案：
1. 筛选掉基因表达丰低， 在各个样本中变化不大的基因
2. 筛选掉异常的样本
基因的筛选，比较好处理。但是异常样本比较难办，可以参考WGCNA的一份代码，参考如下的代码：
# 计算相似性矩阵
A=adjacency(t(datExpr),type="signed")
# 计算网络的连接度
k=as.numeric(apply(A,2,sum))-1
# 连接度标准化
Z.k=scale(k)
# 设置连接度筛选阀值， 这部分是关键，筛选掉异常的样本
thresholdZ.k=-2.5
# 将异常样本进行标注
outlierColor=ifelse(Z.k<thresholdZ.k,"red","black")
# 删除异常样本
remove.samples= Z.k<thresholdZ.k | is.na(Z.k)
datExpr=datExpr[!remove.samples,]
datTraits=datTraits[!remove.samples,]
如果您对WGCNA数据挖掘感兴趣，请学习我们的WGCNA相关课程：
《WGCNA加权基因共表达网络分析》
