Cytoscape教程，从零开始如何使用？-杰瑞科技汇

Cytoscape 完整入门教程

第一部分：什么是 Cytoscape？为什么需要它？

定义 Cytoscape 是一个开源的、基于 Java 的网络可视化和分析软件平台，它最初是为生物网络（如蛋白质-蛋白质相互作用网络）设计的，但现在已被广泛应用于各种领域，包括社交网络、交通网络、文本网络等。

核心功能

可视化: 将复杂的关系数据（节点和边）绘制成直观、美观的网络图。
分析: 内置大量网络分析算法，用于识别网络中的重要节点（枢纽节点）、网络模块（社群）、路径等。
整合: 能够轻松地将网络数据与其他类型的数据（如基因表达数据、临床数据）进行整合和可视化。
可扩展性: 通过插件系统，Cytoscape 的功能可以无限扩展，满足各种特殊需求。

适用人群

生物学家: 分析 PPI 网络、基因调控网络、代谢网络等。
生物信息学家/数据科学家: 处理和可视化各种图结构数据。
系统医学研究者: 整合多组学数据，构建疾病网络。
任何需要分析关系数据的人。

第二部分：安装与界面初探

安装

官网: https://cytoscape.org/
下载: 根据你的操作系统选择对应的版本（Windows, macOS, Linux）。
运行: 下载后直接安装即可，首次运行时，建议选择“Default Style”，使用默认样式。

界面概览 启动 Cytoscape 后，你会看到几个关键窗口：

Control Panel (控制面板):
- Networks (网络): 管理当前打开的网络，你可以在这里切换、重命名或关闭网络。
- Styles (样式): 定义网络的外观，这是自定义节点和边颜色、大小、形状等的核心工具。
- Select (选择): 根据特定条件（如节点名称、属性值）选择节点或边。
- Maps (映射): 将数据映射到视觉属性上，将基因表达值映射到节点的大小或颜色。
Network View (网络视图): 网络图的主要显示区域，你可以在这里拖动节点、缩放视图。
Node Table (节点表): 一个类似 Excel 的表格，显示所有节点的属性信息。
Edge Table (边表): 显示所有边的属性信息。

第三部分：核心操作：从数据到网络

这是 Cytoscape 最核心的部分，我们将学习如何将原始数据转换成可视化的网络。

数据格式 Cytoscape 主要使用两种表格文件：

Nodes List (节点列表): 定义了网络中的所有实体，通常包含两列：id (节点唯一标识符) 和 label (节点显示名称)。
Edges List (边列表): 定义了节点之间的关系，通常包含三列：source (源节点ID), target (目标节点ID), interaction (关系类型，可选)。

示例数据：

nodes.csv

id,label
GeneA,TP53
GeneB,MYC
GeneB,MDM2
GeneC,CDKN1A
GeneD,AKT1

edges.csv

source,target,interaction
GeneA,GeneB,activates
GeneB,GeneC,inhibits
GeneA,GeneD,unknown

导入数据

导入节点:
- 点击顶部菜单 File -> Import -> Table from File...。
- 选择你的 nodes.csv 文件。
- 在弹出的对话框中,确保第一行被识别为标题行，然后点击 OK。
导入边:
- 同样,点击 File -> Import -> Table from File...。
- 选择你的 edges.csv 文件。
- 在弹出的对话框中,Cytoscape 会尝试自动匹配列，你需要指定：
  - Source Column: 选择 source 列。
  - Target Column: 选择 target 列。
  - Interaction Column: 选择 interaction 列（这一步很重要，可以用来给边着色）。
- 点击 OK。

创建网络 导入边列表后，Cytoscape 会自动根据边的信息创建一个网络，你可以在 Networks 面板中看到新创建的网络，并点击它来激活。

基础可视化：使用 Styles 和 Maps 现在你的网络可能看起来很单调，让我们用数据来美化它。

假设我们还有一个 expression_data.csv 文件，包含了每个基因的表达量变化。

expression_data.csv

id,expression
GeneA,5.2
GeneB,2.1
GeneC,-1.5
GeneD,3.8

步骤 1: 导入表达数据
- 再次使用 File -> Import -> Table from File... 导入 expression_data.csv。
- 这次,你会看到一个 "Merge" 选项，选择 Merge，然后选择你的网络，并指定 id 列作为匹配键，这样，表达数据就会合并到节点表中。
步骤 2: 使用 Styles (样式)
- 打开 Styles 面板。
- 改变节点形状: 在 Node Fill Color 或 Node Shape 上右键，可以创建新的规则，设置一个规则：interaction 列是 activates，则将边颜色设为绿色。
- 改变边样式: 在 Edge Line Type 上右键，可以设置虚线等样式。
步骤 3: 使用 Maps (映射) - 这是关键！
- 在 Styles 面板中，选择一个视觉属性，Node Fill Color。
- 在下方的映射区域,点击 <?> (Continuous Mapping) 或 <?> (Discrete Mapping)。
- 在 Column 下拉菜单中，选择你刚刚导入的 expression 列。
- 设置颜色梯度: Cytoscape 会自动创建一个从蓝色（低表达）到红色（高表达）的渐变，你可以手动调整这个颜色条。
- 映射节点大小: 同样地，选择 Node Size 属性，然后映射到 expression 列，设置一个最小和最大尺寸，高表达的节点就会变大。

你的网络图就变得信息丰富且直观了！

第四部分：常用分析工具

网络分析

Layout (布局): 网络图的排列方式，在 Network View 空白处右键，或通过顶部菜单 Layouts 选择。
- Prefuse Force-Directed (首选力导向布局): 最常用的布局，能很好地展示网络的整体结构。
- Cytoscape Layouts (如 Attribute Circle): 根据节点属性（如表达量）将节点排列成圆形。
NetworkAnalyzer (内置分析工具):
- 点击顶部菜单 Tools -> NetworkAnalyzer -> Network Analysis -> Analyze Network...。
- 它会计算一系列网络拓扑参数,如：
  - 节点度: 一个节点连接了多少条边，度越高的节点越重要。
  - 紧密度中心性: 衡量一个节点到所有其他节点的平均距离。
  - 介数中心性: 衡量一个节点出现在其他节点最短路径上的频率。
- 分析结果会自动添加到 Node Table 和 Edge Table 中，你可以用这些结果来进一步调整样式（将高中心性的节点标记为更大的尺寸）。

插件 Cytoscape 的强大之处在于其插件生态，通过顶部菜单 Apps -> App Manager 可以管理和安装插件。

安装插件: 在 App Manager 中搜索你需要的插件，点击 install。
常用插件推荐:
- CytoScape.js Viewer: 将你的网络导出为交互式网页。
- MCODE: 用于在网络中寻找高度连接的模块（社群）。
- ClueGO: 进行功能富集分析，将找到的基因模块与生物学通路联系起来。
- STRINGapp: 直接从 STRING 数据库导入 PPI 网络和功能注释。

第五部分：实战案例：分析一个癌症相关的 PPI 网络

目标: 找出在癌症中可能起关键作用的基因模块。

步骤:

获取数据:
- 从 STRING 数据库 (https://string-db.org/) 下载 "TP53" 基因的 PPI 网络。
- 在 STRING 中，搜索 "TP53"，设置一个适当的置信度分数（如 > 0.7），然后点击 "Download" -> "Network in SIF format"。
- 下载人类基因表达数据集 (例如来自 TCGA 的某个癌症类型)。
导入与初步可视化:
- 导入 STRING 下载的 .sif 文件（它本身就是边列表）。
- 导入 TCGA 表达数据，并将其合并到节点表中。
- 使用 Maps 将表达数据映射到 Node Fill Color 和 Node Size 上。
网络布局与分析:
- 使用 Prefuse Force-Directed 布局整理网络。
- 运行 NetworkAnalyzer，计算每个节点的 Degree 和 Betweenness Centrality。
- 将高 Degree 的节点用 Node Border Width 突出显示。
寻找功能模块:
- 安装并运行 MCODE 插件。
- 设置合适的参数（如 Degree Cutoff = 2, Node Score Cutoff = 0.2, K-core = 2, Max. Depth = 100）。
- MCODE 会识别出几个高连接性的子网络（模块）。
功能注释:
- 对 MCODE 找到的模块基因列表，使用 ClueGO 插件进行 GO 和 KEGG 通路富集分析。
- ClueGO 会生成一个功能图，展示这些基因主要参与了哪些生物学过程，让你从生物学角度理解这个模块的意义。
结果导出:
- 使用 File -> Export -> Network as Image... 导出高质量图片。
- 使用 File -> Export -> Network to Table... 导出包含所有分析结果的节点和边表。

第六部分：学习资源与进阶

官方文档: https://manual.cytoscape.org/ - 最权威、最全面的参考资料。
官方教程: https://cytoscape.org/tutorials.html - 包含视频教程和手把手练习。
Cytoscape App Store: https://apps.cytoscape.org/ - 探索所有可用的插件。
Cytoscape Forums: https://forum.cytoscape.org/ - 提问和交流社区。

进阶方向:

使用 Cytoscape.js: 如果你想在网页中嵌入交互式网络，可以学习 Cytoscape.js 这个 JavaScript 库。
编程接口: 学习使用 Cytoscape 的 Python (py4cytoscape) 或 R (RCy3) 接口，实现自动化分析流程。

希望这份教程能帮助你顺利开启 Cytoscape 之旅！多动手实践，你会发现它是一个无比强大的工具。

Cytoscape教程，从零开始如何使用？