在WGCNA分析中，一致性网络构建完成后，我们可以使用多种方法来筛选hub基因。以下是一些可能的方法：

1. 基于GS和ME指标的筛选方法 传统的方法是使用基因的GS（基因和性状相关性）和ME（基因和模块儿相关性）指标来确定hub基因。GS指标表示基因与疾病相关性的大小，ME指标表示基因在模块中的重要性。我们可以计算每个基因在每个模块中的GS和ME值，并筛选出GS和ME都高于一定阈值的基因作为hub基因。但是，这种方法可能会漏掉一些与疾病相关的基因，因为GS和ME指标只考虑了单个数据集的情况。
2. 基于metaP值的筛选方法 由于我们的网络中包含多个数据集，我们可以使用meta分析的方法来融合不同数据集中的信息，计算每个基因的metaGS和metaME值。然后，我们可以使用metaP值来筛选hub基因，即metaP值小于0.05的基因作为hub基因。metaP值是一种融合了多个数据集信息的p值，可以更准确地反映基因与疾病的相关性。这种方法可以提高hub基因的准确性，但需要进行复杂的统计分析。
3. 基于网络拓扑结构的筛选方法 另一种方法是基于网络拓扑结构来筛选hub基因。在网络中，hub基因通常是具有高度连接性和中心性的基因，即连接着很多其他基因的基因。我们可以使用网络拓扑分析工具（如cytoscape）来计算每个基因在网络中的度中心性（degree centrality）、介数中心性（betweenness centrality）和接近中心性（closeness centrality）等指标，并筛选出具有高度中心性的基因作为hub基因。这种方法可以更好地反映基因在网络中的作用和重要性，但需要进行复杂的网络分析。

综上所述，我们可以选择以上任意一种或多种方法来筛选WGCNA分析得出的consensus module中的hub基因。在选择方法时，需要考虑数据的特点和研究目的，并进行合理的比较和分析。