生物信息学入门 富集分析与蛋白质互作用网络（PPI）的可视化 Cystocape入门指南
网络图是生物信息学中常用的显示不同节点之间关联方向与关联程度的可视化方法。在富集分析中，网络图常被用于表示功能与估计到该功能的基因的联系。在蛋白质互作用网络中，网络图常用于表示编码基因之间的互作用类型与作用强度，基于这些信息，还可以通过某一节点与其他节点的连接数量来判断该节点在整个网络中的贡献度（degree）。绘制网络图常使用cystoscape软件，通过输入符合规范的数据，调整合适的参数，就可以得到一张包含多样化信息的网络。本文将从结果解读开始，先介绍网络图中常可以展示的信息类型，再介绍如何准备数据和调整参数。
1. 结果解读
这张图中包含的信息有：
1. 12个节点的对应关系
2. 不同节点有不同的颜色，代表所属组别，是定性属性
3. 不同的节点有不同的大小，代表某种定量属性
4. 不同连接线有不同的颜色，代表对应的互作用关系的作用类型，是定性属性
5. 不同连接线有不同的宽度，代表对应的互作用关系的作用强度，是定量属性
2. 数据准备
2.1 必需元素
如前所述，网络图是表示节点及其连接关系的图，因此，节点和对应关系是网络图的必需元素，也就是表格中的A列和B列。可以看到，有节点A1-A11均与节点B存在关联，反过来，节点B和节点A1-A11存在一对多的关系。
2.2 节点连接关系
既然节点之间存在连接关系，那么如何定义这种关系呢？在这里，我们使用了两个信息来描述，即C列的作用强度和D列的作用方向。作用强度通常可以由数据库给出，作用方向是使用-1表示负相关，1表示正相关。这样，我们就不仅知道两个节点有关联，还可以定量和定性的描述这种关联。
2.3 节点属性
在实际应用中，不同的节点具有不同的属性。比如用于描述miRNA-mRNA调节关系的网络中，每一个节点将会属于miRNA或者mRNA，那么我们就可以再添加一列信息用于描述这种属性。在本文中，我们假设A1-A11和B表示各不相同的12个基因，它们对于某一特定疾病具有不同的影响，如果增加患病风险，我们使用一个正值表示，数值越大，则表示增加的风险越多（risk factor），反之亦然。在表中，E列和G列分别定量地表示Gene1(A1-A11)与Gene2（B）对疾病的影响强度和方向。F和H则定性的表示这种方向。
3. 参数调整
3.1 输入准备好的表格
给不同的列定义作用类别
Gene1列定义为source node，表示作为一个出发点
Gene2列定义为target node，表示作为一个目标终点
cystoscape中的连接使用edge描述，因此edge attribute表示连接属性。说明这一列的数据都是用来描述前面两个对应的节点的连接属性的，即包含了连接属性的定量或定性信息。
source node attribute表示出发点属性。说明这一列的数据都是用来描述source node列的节点的节点属性，即包含了节点本身性质的一些信息，比如对疾病影响强度与方向。
target node attribute表示目标节点点属性。说明这一列的数据都是用来描述target node列的节点的节点属性，即包含了节点本身性质的一些信息，比如对疾病影响强度与方向。
之后就得到了最原始的一张网络图
3.2 在网络图中添加输入的参数信息
可以非常明显的看到这种图除了比较丑之外，还丢失了很多信息。事实上，它支包含了节点之间的对应信息，而节点属性和连接属性均没有体现在图上。下面来演示一下如何添加对应的信息。
在左侧style列选择一个预设的风格
在左下角选择node，上方的界面就会显示node节点的参数列表
下面调整节点的颜色，将对疾病有正向影响的节点表示为红色，负影响的节点表示为蓝色，B节点表示为绿色
完成之后
在左下角选择edge 如图所示，点击对应参数栏右下角的垃圾桶标记将连接线上的文字去掉
在最下面的width栏调节线的宽度，在这里我们用宽度表示互作用强度，设置如下
但是连接线太宽了，可以通过双击左下角的图表设置
这样线条的宽度就比较合适了
下面我们来调节线条的颜色，用橙色表示正相关，紫色表示负相关。这里我们用到了定性的参数，分贝对1和-1的连接线定义颜色，就可以快速的进行调整。
现在节点的对疾病的影响强度还没有显示，我们可以通过和调节线条宽度类似的操作来实现，先将进入node的参数列表
再调整一下字体大小，一张好看的网络图就完成了
Cystoscape是一款功能非常强大的软件，这里仅展示了一小部分功能。应结合 数据类型-参数设置方法-显示结果 的对应关系，灵活使用！
附：
| Gene1 | Gene2 | COX_interaction | COX_interaction_direction | effect_Gene1 | effect_direction_Gene1 | effect_Gene2 | effect_direction_Gene2 |
| A1 | B | 0.499988345 | 1 | 3.258333845 | 1 | 0.011202322 | 1 |
| A2 | B | -0.516532244 | -1 | -3.878273038 | -1 | 0.011202322 | 1 |
| A3 | B | 0.415245824 | 1 | 2.010476646 | 1 | 0.011202322 | 1 |
| A4 | B | 0.440357858 | 1 | 1.869370526 | 1 | 0.011202322 | 1 |
| A5 | B | 0.412420793 | 1 | 1.630100538 | 1 | 0.011202322 | 1 |
| A6 | B | -0.407099469 | -1 | -2.244444104 | -1 | 0.011202322 | 1 |
| A7 | B | -0.451728351 | -1 | -1.227808813 | -1 | 0.011202322 | 1 |
| A8 | B | 0.451728783 | 1 | 1.227795854 | 1 | 0.011202322 | 1 |
| A9 | B | 0.420602429 | 1 | 1.269147733 | 1 | 0.011202322 | 1 |
| A10 | B | -0.406904176 | -1 | -1.572218584 | -1 | 0.011202322 | 1 |
| A11 | B | -0.42212353 | -1 | -1.96877414 | -1 | 0.011202322 | 1 |
GEO芯片数据差异表达分析时需要log2处理的原因
https://blog.csdn.net/tuanzide5233/article/details/88542805
GEO芯片数据差异表达分析时是否需要log2以及标准化的问题
https://blog.csdn.net/tuanzide5233/article/details/88542558
差异表达矩阵制作教程
https://blog.csdn.net/tuanzide5233/article/details/83659768
差异表达的热图绘制详见
https://blog.csdn.net/tuanzide5233/article/details/83659501
使用edgeR对RNAseq数据进行差异表达分析教程
https://blog.csdn.net/tuanzide5233/article/details/88785486
差异表达分析（DEG）时 row.names'里不能有重复的名字 的解决方案
https://blog.csdn.net/tuanzide5233/article/details/86568155
生存分析系列教程（一）使用生信人工具盒进行生存分析
https://blog.csdn.net/tuanzide5233/article/details/83685403
富集分析与蛋白质互作用网络（PPI）的可视化 Cystocape入门指南
https://blog.csdn.net/tuanzide5233/article/details/88048439
进阶版Venn plot：Upset plot入门实战代码详解——UpSetR包介绍
https://blog.csdn.net/tuanzide5233/article/details/83109527
使用R语言ggplot2包绘制pathway富集分析气泡图（Bubble图）:数据结构及代码
https://blog.csdn.net/tuanzide5233/article/details/82141817
生物信息学入门 富集分析与蛋白质互作用网络（PPI）的可视化 Cystocape入门指南相关推荐
- 使用R语言ggplot2包绘制pathway富集分析气泡图（Bubble图）:数据结构及代码
气泡图是在笛卡尔坐标系同加入大小的参数所形成的可以表示三个变量关系的图例.在对基因完成GO/KEGG分析后,使用气泡图可以直观的展示pathway.pvalue.count之间的关系.下面为使用R语言 ...
- 这个只需一步就可做富集分析的网站还未发表就被CNS等引用超过350次
Metascape 专门为生物学者设计的基因富集分析网站 一.Metascape简介 Metascape(http://metascape.org/) 是一个功能强大的基因功能注释分析工具,能帮助用户 ...
- 【Bioinfo Blog 011】【R Code 008】——功能富集分析
目录 一.基因集功能富集分析(Gene Set Enrichment Analysis) 二.富集分析算法 2.1 超几何分布 2.2 Fisher精确检验 三.富集分析工具 3.1 DAVID 3. ...
- mirna富集分析_经验之谈丨生信分析文章套路原来这么简单！
近两年,不做实验或者仅需要少量实验的生物信息学分析文章,发表量越来越多.如果利用数据库检索,高效的发出一篇文章.是科研工作者关注的话题,今天我们就用一篇生信分析的文章作为切入点,来谈谈生信分析文章的套 ...
- 知识分享 | 转录组个性化分析(4)——蛋白互作分析
蛋白质-蛋白质相互作用(protein-protein interaction, PPI)是指两个或两个以上的蛋白质分子通过非共价键形成蛋白质复合体(protein complex)的过程.在进行数据 ...
- go分析和kegg分析_GO和KEGG富集分析（Metascape数据库）
介绍 生物信息学研究中,获取基因列表的GO和KEGG富集分析的需求非常常见.目前有许多生物信息学手段或者数据库可以实现基因富集分析,例如DAVID,但它们有些是收费的,有些不易于使用且很少维护.例如D ...
- Venn网络展示富集分析结果
前面讲述了富集分析泡泡图的绘制,富集分析结果也可以用网络形式同时展示富集的条目以及对应的基因. 首先看下示例数据,列数可多可少,这里只用到Description列和geneID列. ID Descri ...
- 深度学习入门笔记（八）：深层网络的原理
欢迎关注WX公众号:[程序员管小亮] 专栏--深度学习入门笔记 声明 1)该文章整理自网上的大牛和机器学习专家无私奉献的资料,具体引用的资料请看参考文献. 2)本文仅供学术交流,非商用.所以每一部分具 ...
- mirna富集分析_GEO芯片数据下载，矩阵提取，差异基因分析，差异miRNA分析，miRNA靶基因预测，GO、KEGG功能，蛋白互作网络构建 - 生物信息学讨论版 -丁香园论坛...
一.芯片差异基因分析 1. 芯片数据收集 在 NCBI GEO数据库下载 . 2.做差异分析 使用limma R包计算正常组织和病组织的差异表达情况 3.绘制火山图 4.绘制热图 使用pheatmap ...
- 生物信息学 | 富集分析
主要目标:理解这个代码的主要的思路.想分析一下老师的这个富集分析的主要的思路是什么? 一行一行的理解这个代码. # Get cell type mean of each gene cellTypeMe ...
最新文章
- wParam和lParam两个参数到底是什么意思？
- 通信upf是什么意思_5G给边缘计算带来了什么？
- E: Unable to locate package libjasper-dev的解决办法（亲测可以解决）
- 大屏做成这样，领导不重用你都难
- 【排序算法】快速排序-迭代方法
- css用网络图片做背景图片,css 网页背景图片 怎样用CSS实现大背景网页效果
- 初学安卓之二维码的简单实现
- 安全设计：加速传输软件镭速传输安全技术解读
- 阿里妈妈技术团队5篇论文入选 KDD 2022
- 视觉设计需要学什么？
- 大数据技术之_20_Elasticsearch学习_01_概述 + 快速入门 + Java API 操作 + 创建、删除索引 + 新建、搜索、更新删除文档 + 条件查询 + 映射操作
- 《大型网站技术架构》——第一章 大型网站架构演化
- 打造一个实用的Ubuntu
- 最小生成树prim之挖井
- 思科Cisco交换机的基本命令
- 交互式系统中的调度：轮转调度，优先级调度，多级队列，最短进程优先，保证调度，彩票调度。批处理系统中的调度：先进先出，最短作业优先，最短剩余时间优先。陈向群书上的概念
- 深度学习--识别（四小人）人物图像
- 英语学习打卡day4
- 收藏的300首英文歌曲拿出来分享一下 [转自 PUB 外语角感谢雷锋叔叔]
- 科幻也将成为现实 努比亚α将亮相MWC2019