L'analyse du réseau de co-expression génique (GCN) examine les interactions entre les gènes et leur rôle dans les processus liés à la maladie. Bien qu'elle soit largement appliquée aux données d'expression génique en vrac, l'extension de l'analyse GCN aux données de séquençage d'ARN unicellulaire (scRNA-seq) reste difficile en raison de la grande dimensionnalité, de la rareté et du bruit technique. Nous proposons une méthode pour construire des GCN pondérés dans les données de scRNA-seq qui met l'accent sur la connectivité globale des gènes plutôt que sur les associations individuelles entre gènes. Quatre mesures de similarité complémentaires adaptées aux données clairsemées sont utilisées pour capturer les modèles d'expression coordonnés. La connectivité des gènes est quantifiée à l'aide d'un algorithme de pelage basé sur la décomposition du noyau, qui attribue à chaque gène une valeur de noyau reflétant son intégration dans le réseau. En comparant les modèles de connectivité entre les différentes conditions, ce cadre fournit une approche robuste pour étudier la réorganisation du GCN et soutient l'analyse fonctionnelle en aval.