آنالیز شبکه های همبستگی به عنوان یک روش زیست شناسی سامانه ای کاربرد بسیاری در حوزه بیوانفورماتیک از جمله آنالیز شبکه های هم بیانی ژن دارد. 

 

این آنالیز ها می توانند نقش کلیدی در شناسایی ژن ها با الگوی بیانی مشابه ایفا کنند. اهمیت شناسایی این ژن ها در بررسی ارتباط میان ژن ها از جمله تاثیر آنها در بیان یکدیگر و شناسایی مسیر های متابولیسمی مرتبط می باشد و می توان از نتایج آن جهت انتخاب بایومارکر ها برای ساخت دارو ، ارائه روش درمانی و یا  شناسایی زود هنگام سرطان ها استفاده کرد. 

 

پکیج WGCNA جهت آنالیز شبکه های همبستگی وزن دار توسعه داده شده است. این پکیج ابتدا ژن ها را بر اساس ارتباط میان بیانشان در نمونه های مختلف دسته بندی می کند. جهت دسته بندی ژن ها WGCNA ازhierarchical clustring  استفاده میکند. این پکیج ابتدا با روشی پویا به جداسازی کلاسترها از یکدیگر پرداخته و با دسته بندی Eigengene ها به ادغام ژن های مشابه می پردازد. Eigengene برداری است که با استفاده از PCA بر روی ژن های هر ماژول بدست می آید.

 

سپس با بررسی ویژگی های توپولوژیکی شبکه، ژن های هم بیان (ماژول) شناسایی می شوند. جهت بررسی ارتباط میان ماژول ها درون شبکه ای، ارتباط میان شبکه ها و ارتباط ماژول ها با ویژگی های قابل اندازه گیری پزشکی از eigengene استفاده می شود. 

 

با شناسایی ماژول های مهم در ارتباط با ویژگی های قابل اندازه گیری پزشکی می توان با استفاده از ابزارهایی نظیر DAVID به شناسایی مسیرهای متابولیسمی مرتبط پرداخت.

 

از قابلیت های ویژه WGCNA می توان به پردازش موازی داده ها، خروجی جهت نمایش گرافیکی شبکه ها در نرم افزار های cytoscape و VisANT اشاره کزد.