cytoscape中文手册推荐（配视频）

Posted on by

刷朋友圈看到了一个《Cytoscape 3.10.0 用户手册》，在线阅读链接是 https://cytoscape.leovan.tech/ ，不喜欢看英文的小伙伴可以读一下：

不喜欢看英文的小伙伴可以读一下

我们之前也有过一个专辑：《cytoscape十大插件》，详见：cytoscape十大插件之九 - 转录调控王者 iRegulon，而且在b站有配套视频操作演示，可以任意快进快退的学习它。

配套视频操作演示

Cytoscape是一个广泛用于生物信息学和系统生物学研究的开源软件工具，用于可视化、分析和解释生物网络数据。以下是Cytoscape的一些常见用法：

  1. 网络可视化： Cytoscape主要用于可视化生物网络，例如蛋白质相互作用网络、代谢网络、基因调控网络等。用户可以通过导入网络数据文件（如SIF、XGMML等格式）来构建和展示网络图。网络中的节点代表生物分子（如基因、蛋白质等），边代表它们之间的关系（如相互作用、调控等）。用户可以自定义节点和边的样式、颜色、标签等，以便更好地展示网络结构和功能。
  2. 网络分析： Cytoscape提供了许多网络分析工具，用于探索网络的拓扑结构、关键节点、社区结构等。用户可以计算节点的度中心性、介数中心性、紧密中心性等指标，以评估节点在网络中的重要性。此外，Cytoscape还支持网络布局算法，以便在图上更好地分布节点，从而更清晰地展示网络拓扑。
  3. 数据整合： 用户可以将其他生物信息学数据集与网络数据集整合，以便在网络上显示附加信息。例如，可以将基因表达数据、蛋白质功能注释等与网络节点关联起来，从而在网络图上展示多维度的信息。
  4. 模块和通路分析： Cytoscape允许用户通过插件扩展功能，以进行更高级的分析，如寻找网络中的功能模块、通路分析等。这些插件可以帮助用户识别网络中的相关节点子集，从而更好地理解生物学过程。
  5. 网络互动和分享： Cytoscape允许用户对网络图进行交互操作，如放大、缩小、拖动节点等。用户还可以保存网络图为图像或特定格式的文件，以便与同事共享研究结果。
  6. 插件支持： Cytoscape具有丰富的插件生态系统，用户可以根据需要选择和安装插件，以扩展Cytoscape的功能。这些插件可以提供各种高级分析工具、网络布局算法、数据导入导出功能等。

总之，Cytoscape是一个强大的工具，用于探索、可视化和分析生物网络数据，有助于生物信息学研究人员更好地理解生物体系的复杂性和相互作用。

而且Cytoscape有与R语言集成的接口，称为RCy3。使用RCy3，你可以在R中与Cytoscape进行交互，执行网络分析、可视化等操作。以下是一个简单的示范代码，展示如何使用RCy3在R中创建一个简单的网络图：

首先，你需要在R中安装RCy3包。可以使用以下命令：

install.packages("RCy3")

然后，你可以使用以下示范代码来创建一个包含几个节点和边的简单网络图，并将它传递给Cytoscape进行可视化：

library(RCy3)

# 创建一个Cytoscape会话
cy <- CytoscapeConnection()

# 创建一个空的网络
network <- createNetwork(name = "My Network")

# 添加节点
node1 <- createNode(network, "Node 1")
node2 <- createNode(network, "Node 2")
node3 <- createNode(network, "Node 3")

# 添加边
edge1 <- createEdge(network, source = node1, target = node2)
edge2 <- createEdge(network, source = node2, target = node3)
edge3 <- createEdge(network, source = node3, target = node1)

# 将网络传递给Cytoscape进行可视化
applyLayout(network, layout.name = "force-directed")

上述代码创建了一个包含3个节点和3条边的简单网络图，然后使用“force-directed”布局算法对网络进行布局，并将结果传递给Cytoscape进行可视化。

请注意，这只是一个简单的示范代码，RCy3提供了许多更高级的功能，如网络分析、样式设置、数据整合等。你可以根据自己的需求在R中与Cytoscape进行更深入的交互。在使用RCy3时，你需要确保你的计算机上已经安装了Cytoscape软件。

另外推荐一个一个稍微复杂一点的示范代码，展示如何使用RCy3在R中进行更多功能的操作，包括添加节点属性、样式设置、导出图像等：

library(RCy3)

# 创建一个Cytoscape会话
cy <- CytoscapeConnection()

# 创建一个网络
network <- createNetwork(name = "My Network")

# 添加节点
nodes <- c("Node 1", "Node 2", "Node 3", "Node 4")
for (node in nodes) {
 createNode(network, node)
}

# 添加边
edges <- list(
 c("Node 1", "Node 2"),
 c("Node 2", "Node 3"),
 c("Node 3", "Node 4"),
 c("Node 4", "Node 1")
)
for (edge in edges) {
 createEdge(network, source = edge[1], target = edge[2])
}

# 设置节点属性
nodeData <- data.frame(
 node = nodes,
 color = c("red", "blue", "green", "orange"),
 size = c(30, 40, 25, 35)
)
setNodeAttributes(network, nodeData)

# 设置样式
nodeStyle <- styleRule(
 selector = "node",
 styleName = "NODE_FILL_COLOR",
 value = passthroughMapper(column = "color")
)
applyStyles(network, nodeStyle)

edgeStyle <- styleRule(
 selector = "edge",
 styleName = "EDGE_STROKE_UNSELECTED_PAINT",
 value = "#000000"
)
applyStyles(network, edgeStyle)

# 将网络传递给Cytoscape进行可视化
applyLayout(network, layout.name = "force-directed")

# 导出图像
exportImage(file = "network_image.png", type = "png")

上述代码创建了一个包含4个节点和4条边的网络图，设置了节点的属性和样式，最后使用“force-directed”布局算法对网络进行布局，并将结果传递给Cytoscape进行可视化。还导出了图像文件以保存网络图的可视化结果。

WGCNA（Weighted Gene Co-expression Network Analysis）就经常是跟Cytoscape结合，比如：

  1. 在WGCNA中进行基因共表达网络分析，得到模块信息和节点的分组信息。
  2. 将WGCNA的模块信息导出为CSV文件，其中包括每个节点的名称和所属的模块。
  3. 在Cytoscape中导入你的基因网络数据，创建节点和边。
  4. 在Cytoscape中导入WGCNA的模块信息CSV文件，将每个节点与对应的模块进行关联。
  5. 根据模块信息，设置节点的样式，比如根据模块给节点上色。
  6. 使用Cytoscape的布局算法对网络进行可视化。
  7. 进一步分析和展示模块之间的相互作用、功能等。

以下是一个简要的示例代码，演示如何将WGCNA的模块信息与Cytoscape结合：

# WGCNA analysis to generate module information
# ... perform WGCNA analysis ...

# Export module information as a CSV file (node_module.csv)
write.csv(module_info, "node_module.csv", row.names = FALSE)

# Load Cytoscape data
cy <- CytoscapeConnection()

# Import gene network data into Cytoscape
# ... import your gene network data ...

# Import module information into Cytoscape
module_data <- read.csv("node_module.csv")
setNodeAttribute(cy, "module", module_data$module, type = "String")

# Set node colors based on modules
node_style <- styleRule(
 selector = "node",
 styleName = "NODE_FILL_COLOR",
 value = discreteMapper(column = "module", 
 map = list("Module1" = "#FF0000",
 "Module2" = "#00FF00",
 # ... define colors for other modules ...
 ))
)
applyStyles(cy, node_style)

# Apply layout algorithm
applyLayout(cy, layout.name = "force-directed")

# Further analyze and visualize module interactions, functions, etc. in Cytoscape
# ... perform additional analysis ...

# Export the visualization as an image
exportImage(file = "cytoscape_wgcna.png", type = "png")

请注意，上述代码只是一个示例，实际操作可能需要根据你的数据和需求进行适当的调整。通过将WGCNA的模块信息与Cytoscape的可视化功能结合，你可以更深入地探索基因网络的结构和功能，并在可视化中展示模块之间的关联。

​

 

Comments are closed.