刘小泽写于18.10.14 跟着cyto导游继续探索网络世界
昨天看了cyto的基本使用，那么你有没有想为什么会开发出来这个工具呢？它美得性价比高吗？值得花费精力去学习吗？用工具和与人打交道一样，初次见面大家都多多关照，但是能否长期交往，还要考察许多个人特征。为了增加对这个工具的信任，我们需要深入了解它一下
为什么要做网络分析？
网络 vs 通路
考察数据之间相互作用，我们应该用的通路类型图更多一些，比如KEGG的pathway分析，二者有何不同？
网络 vs 通路
网络 vs 通路
网络分析有几个优势
-
比如你已经筛选了一些基因，现在想看看基因之间的关系，或者它们的功能，就像这样：
网络分析优势
-
还可以看到组和组之间的联系，比如一个个的gene family，为寻找药物靶标提供了方便
-
基因之间的联系可能并不都是直白的两两联系，还有就是只有基因的某个因子和另一个基因的因子有关联，这个在通路图上可能显示的就不是那么清楚。而在网络图中，只要这个点我们感兴趣，就能给它坐标，接下来就是点到线的过程了。当然根据算法不同，点线之间的连接方式也不同
其实工具不重要，重要的是数据，这句话放到哪里都有用
网络可视化工具：
可视化工具
一般会有两种人需要需要用cytoscape：一种是想省事，不用编程就能做；另一种是需要发文章的，用R做的网络图不好精修，于是用这个。就像许多R做的图到了发表级别都需要AI处理一样
为什么这么多人选Cytoscape？
我们从不缺少美，也不缺少发现美的眼睛，这个网站就列出了许多的可视化工具。问题就在于：如何选择合适自己的，选择后是否能认真学下来
http://selection.datavisualization.chLearning Tools = Saving Your Time
看文章引用量破万就能知道，这的确是一款神器，在生物网络拓扑构建领域中，cytoscape可以说是领先的。but why？
-
首先，它支持的网络种类很多。比如蛋白互作（PPI）、转录调控网络图（TF-target）、网络聚类模块分析（Module）、miRNA调控靶标基因网络图、竞争性内源RNA网络（ceRNA）、通路交互网络（pathway-crosstalk）
-
其次，它灵活多变（用熟了是灵活，否则就是臃肿的参数设置），可以随意调节节点与变线的各种属性（如颜色、大小、粗细、形状等），保存格式多（最常用就是pdf），可以保存session方便以后修改（和R差不多），各种实用的插件（clueGO+cluepedia、bingo、cykeggparser、metdisease、mcode、cytoHubba、iRegulon、enrichment map等）Cytoscape的APP Store在http://apps.cytoscape.org/
-
给不同的人提供多种选择，大家都喜欢可视化，但不是所有人都喜欢图形界面，因为那里存在着太多的参数设置让人头疼，因此Github上Max Franz等人还为程序猿提供了网络可视化的js版本http://js.cytoscape.org/【今天偶然间发现的，惊喜😋，因为以后可能不用安装桌面软件就能进行网络可视化了，我个人还是更期待用程序去设定而不是用鼠标】
网络可视化的js版本
-
画图有许多工具，比如AI、PS也能画出网络图（注意是画！）使用专业的绘图工具，你需要指定每一个节点的颜色、每条线的特性，它是像素决定图形
所有的细节你都需要考虑，这对于一个数据分析者来说无疑是最头疼的
这也是我开始为什么犹豫学习这个工具的原因，因为不想浪费大量的时间在图形处理上。于是我也能理解当时jimmy使用这个工具的心情了（http://www.bio-info-trainee.com/2055.html）
jimmy博客
而用cytoscape恰恰相反，你的数据决定图形，只要能理解需要提交的数据意义，做的图就是问题不大的
数据决定图形
绘制网络图注意问题
-
避免加载太多数据，尤其属性太多会使图形很臃肿；另外多个数据集放一起，很难观察总体的趋势
-
一般给node上色是为了突出不同的基因和因子，以及它们表达量的差别。不要为了美观再给edge/label上色，那样会很杂乱
-
如果要画其他基因相关数据，不要让它们与主要基因的图重叠，可以是使用线的粗细、虚实来区分
注意的问题
Cytoscape与Cytoscape.js
它们长得像却是两款独立的软件包，不过这并不妨碍它们做相同的事，那么它们有什么异同呢？选择哪个更适合自己呢？
| Cytoscape | Cytoscape.js |
|---|---|
| 桌面级：基于java软件 | 网站级：基于java script库 |
| 需要PC运行 | 支持大多浏览器（包括平板、手机上的） |
| 必须安装Java | 没有要求，只需要浏览器 |
| 鼠标点点点 | 键盘敲敲敲 |
| 用App拓展http://apps.cytoscape.org/ | 用Extrensions拓展http://cytoscape.github.io/cytoscape.js/#extensions |
| 数据映射：设置Style | 数据映射：设置基于CSS的Style |
不过这二者未来有可能会高度整合，因为目前cytoscape支持了Cytoscape.js network/table JSON (JavaScript Object Notation)文件的读写，另外cytoscape可以将style转成Cytoscape.js的style格式。
上面说这么多，都是为了加深对陌生事物的理解，和它混熟了学起来才更有效
网络分析的一般步骤
1 创建网络
R或者Excel
2 载入数据
2.1 数据格式
-
Cytoscape支持多种数据文件格式，其中主要的有3类：
-
sif格式：
nodeA<interaction>nodeB nodeC<interaction>nodeD …包含3列，1和3列是有互作的基因名或蛋白质名等，第2列是相互作用的名称
-
xgmml格式：xml格式，可以规定节点和边的许多信息，比较复杂
-
txt格式：用tab分割的纯文本文件
至少两列，每一列都是基因名（或蛋白质名），同一行的两个基因（或蛋白质等）代表有互作关系，比如两列gene id 可以追加参数，比如设成3列：加上两基因调控的强弱系数 可以四列：例如是否共表达（1、-1表示）
-
-
载入数据
-
导入数据文件
network table（以.sif格式为例）：上图中第一列是自己实验中的基因数据，第三列是分析得到的相关基因数据，例如：实验中BAR1基因与MCM1基因是相关的，也就是说，它们之间一会是要连接起来的 -
再导入节点属性文件
node attributes(.txt格式)： 第一列是gene id（与先前导入的数据文件的gene id保持一致），后面可以自己设置（这里增加了mutaion和expression）
2.2 新网络雏形
之前导入的第一个数据文件在网络图中作为线存在，为连接nodes；
导入的节点属性文件中第二列的mutation信息，作为node color；
节点属性文件中第三列expression信息，作为node size
...而这些都是添加进来数据的时候，自己设置好的
因此可以看出，只要提供不同的属性信息，就能在网络图中显示不同的样式
虽说它不像ggplot是图层叠加，但是它的原理也是一环套一环，生成的图层是相关联的
新网络形成
3 新网络设置
新网络的要素：点node、线edge【点又可以通过颜色、大小分区；线可以用方向、粗细区分】原理就是下面👇的图，具体操作昨天应该提到了
新网络组成要素
4 分析网络
4.1 利用app- app分类
看能得到什么信息，是不是有意义的网络图，利用Cytoscape的特色：Apps
数量巨大，但主要分为以下几类
app分类
4.2 利用app-比较好用的一些App
-
geneMANIA：基因功能预测，它会把相同生物过程的基因集或蛋白组合在一起，然后看要研究基因和它们的关系。比如：你可能不认识豆豆，不知道豆豆干嘛的，但是你可能认识花花，然后发现花花每天努力学生信，发推送，然后猜测：嗯，豆豆可能也是干这个的【傍晚写到这里，突然想花花了🤡，周末两天培训班，结束了快回来吧，还等着共进(食堂)晚餐呢】
-
McodeMolecular COmplex Detection：检测蛋白互作网络（PPI）中密切相关的区域（可能表示分子复合体complex）【相比于spring（最多提取2000个nodes）提取的信息更多】，也可以检测motifs、feedback loops
-
ANIMO（Analysis of Networks with Interactive MOdeling）： 建模挖掘通路，对生物通路建模，与湿实验数据动态比较。例如，想要理解某个分子变化对通路的影响，就可以用这个
-
Pepper：预测新的互作关系，还能根据结构和功能进行蛋白的排序，除了按照连接特征（拓扑系数）外，还整合外部数据库（GO注释，比对已知的复合体）
-
Enrichment Map：基于网络的基因集富集（支持GSEA数据），将基因集组合成一个网络（cluster），nodes表示基因集，edge表示基因成员的重叠，node颜色表示富集程度。其中的热图可以让用户探索富集基因集的细节
一些好用的app
4.3 根据基因列表大小选择不同的app
-
大基因集（100-2000基因）=》利用通路缩小范围=〉展示成通路网络=》可以用EnrichmentMap
-
中等基因集（100基因左右）=〉利用通路缩小范围=》展示成基因/表达产物网络=〉可以用ReactomeFI
-
小基因集（1-50个基因）=》利用功能预测扩展范围=〉展示成基因/表达产物网络，并且增加基因linker=》可以用带有linker的ReactomeFI或geneMANIA
根据基因多少选app
5 导出网络
（table格式）以及图片（pdf等格式 ）
简单的演示
1
2
3
4
5
6
7
8
9
10
11
12
13
欢迎关注我们的公众号～_～
我们是两个农转生信的小硕，打造生信星球，想让它成为一个不拽术语、通俗易懂的生信知识平台。需要帮助或提出意见请后台留言或发送邮件到Bioplanet520@outlook.com
Welcome to our bioinfoplanet!
网友评论