网络药理学：零基础复现生信文章，从数据处理到可视化详解
网络药理学：零基础复现生信文章，从数据处理到可视化详解
网络药理学是研究药物与生物系统相互作用的科学，其中PPI（蛋白质-蛋白质相互作用）网络分析是重要的一环。本文将详细介绍如何使用String数据库和Cytoscape软件进行PPI网络分析和可视化，特别针对中药-成分-靶点网络的构建。
前言
数据库网址
String数据库（https://string-db.org/）是一个用于检索已知蛋白和预测蛋白之间相互作用的数据库，常与Cytoscape软件联合使用来构建蛋白质-蛋白质相互作用（PPI）网络。
本文复现论文步骤
- 对交集靶点做PPI网络，对应步骤【一】和【二】和【三】
一、String获得活性成分-靶点网络tsv文件
String数据库主要用于检索已知蛋白和预测蛋白之间的相互作用。它通常与Cytoscape软件联合使用，用于构建蛋白质-蛋白质相互作用（PPI）网络。
网站首页和搜索
String数据库的首页如下：
点击SEARCH后出现如下界面：
- 如果有一个目标蛋白/基因，想要查看这个蛋白/基因的可能的相互作用蛋白，可以选择"Protein by name"
- 如果有很多蛋白/基因，想要查看这些蛋白/基因之间的相互作用关系，可以选择"Multiple proteins"
输入成分潜在靶点和疾病作用靶点的交集靶点基因（注意：该数据库不支持一次性输入超过2000个基因），将Organisms选为智人种，点击搜索。
页面加载完成后，可以看到网络图如下：
搜索结果处理
往下拉可以看到Settings选项，这里需要关注的是minnimun required interaction score，即调节置信度/置信区间的地方。置信度越高，结果准确性越高，在这我们将它调节到0.9（一般是0.4），然后再勾选上hide disconnected nodes in the network，隐藏掉没有连接的节点。最后选择UPDATE等待更新整张图。
可以看到图变成如下，干净了很多：
然后我们选择Exports，如果我们已经提前打开了Cytoscape软件，那么可以点击右上角直接发送到Cytoscape。同时我们保存PNG格式和tsv格式文件（用于在Cytoscape打开）。
二、PPI网络（中药-成分-靶点）前置数据处理
成分-靶点文件
可以简单就有两列，第一列是成分对应的MOL ID或者成分名，第二列是靶点基因名。也可以比较复杂，如下，第一列是成分名称，第二列是靶点基因名，第三列是靶点的Uniprot ID，第四列是成分的mol ID：
注意在这里，可以把同一个成分对应到的多个靶点进行去重。但是不同成分对应到同一个靶点不算重复，需要保留。
如果你要制作的是“中药-成分-靶点”网络图，这个比较模糊，可以直接是药物靶点，也可以是药物和疾病的靶点交集。前者适用于展示中药活性成分的多靶点作用和整体潜在药理网络。后者适用于研究特定疾病，使用成分靶点和疾病靶点的交集更有针对性。不过一般后者居多。
如果你要制作的是“中药-成分-疾病靶点”网络图或者说“中药-疾病-成分-靶点”网络图，那么靶点就是药物和疾病靶点的交集。
具体的数据处理后续补充。
网络文件
就是PPI网络图中会出现的节点，因为我们要构建的网络图是“中药-成分-靶点”的图，所以节点一共会有三种，分别是“中药”、“成分”、“靶点”。那么这个网络文件有两列，共分为两部分。并且一定需要表头，无论表头名字是什么。第一部分就是把“成分-靶点文件”的成分名和靶点基因名复制过来，如图的蓝框部分，第二部分就是中药名和对应的成分名，如图的红框部分。
属性文件
然后新建一个excel文件，将刚刚网络文件的第二列复制过来为第一列，去重，
怎么确定同心圆的层数和每层节点数
查看一共有多少个数据，譬如这里我是88个数据（只看靶点，不算成分和中药），那么会是大概会是两圈，第一圈是30个数据，第二圈是58个数据这样。
所以新建第二列，将前30个靶点的第二列输入为1。后面58个数据输入为2，然后再把成分粘贴过来放到第一列，对应的第二列输入为3，最后粘贴中药名作为第一列，对应的第二列输入为4。（这里的第二列的1、2、3、4只是作为区分，你也可以改成a、b、c、d等等），最终如下：
注意表格也是一定要列名的。
如果同心圆一个有200个节点，那么一般是4层（不包含圆心），分别是20、40、60、80个。
Cytoscape处理
点击后导入网络文件。
问题1：导入网络文件报错Could not Initialize Preview
如果导入网络文件报错如下：
那么说明网络文件存在以下情况：
- 电脑上的excel版本过老，导致保存的.xlsx或者.xlx文件格式不兼容，建议保存为CSV格式重试。或者一开始就是CSV格式的话，改成以UTF-8编码的CSV：
选择【文件】/【另存为】/选择【所有文件格式】/选择【CSV UTF-8】格式 - 文件中存在特殊字符，譬如逗号、换行符、分号、空格等，用替换换掉：
关于换行符怎么打：按Ctrl+J
将第一列设置为绿色实心圆圈（这里的Ingredient是我网络文件第一列列名）
将第二列设置为黄色圆圈（这里的Common name是我网络文件第二列列名）
最终网络图如下：
问题2：出现一些空白节点或者全是空白节点
如果出现一些空白节点说明该节点没有连线，可能是Uniprot校正基因名时出错了。可以单独查看并校正下基因名，或者删去。
如果发现全都是空白节点，如下，那么建议鼠标滚轮放大一下视图，可能只是Cytoscape为了预览性能没有显示而已。
然后点击如下导入属性文件，然后直接点击OK
然后点击左侧栏的Filter，选择Column Filter
再选择Node:type
我们将搜索范围调为1到1，是我们刚刚第一圈定义的type值，可以看到变黄的节点就是那些节点。
然后选择Layout/Attribute Circle Layout/Selected Nodes Only/type
就可以看到刚刚选中的节点变成了一个圈
接着如法炮制处理第二圈，现在网络图长这样：
接着我们将范围变为3到3，是我们的中药成分，选中成分的节点后，选择Layout/Grid Layout/Selected Nodes Only，将节点排列为两列。
我们调整下字体大小和同心圆的半径，最终如下：
然后我们来到侧栏的Style，选择Fill Color的Map列（不选择Def.列，因为它是调整整个网络图），然后将Column选择为type，将Mapping Type选择为Discrete Mapping，然后给type分别为1、2、3、4的选择上不同的颜色。
同时我还调整了Size、Shape属性（注意有时候要勾选Lock node width and height才能调整Size属性），如下：
最终网络图如下：
导出时记得看下右下角缩略图，网络图是否在图片正中央。然后点击图标导出。
记得Network to file和Network to PNG都要导出，前者是sif工程文件（备份用），后者是图片。导出图片时将Image Size拉满到500%，这是清晰度的意思。
三、Cytoscape制作PPI网络
Cytoscape使用
File/Import/network from file，导入我们在String网站上下载的.tsv文件，页面如下：
Style/Create New Style
调整网络图格式：
然后将Label标签下的Column调整为shared name，Mapping Type调整为Passthrough Mapping，可以看到每个节点上都出现了基因名，如下：
点击Tools/Analyze Network，然后直接点击OK，可以看到网络图下方和右侧有分析结果的呈现。双击下方Degree列，让结果从大到小排列。
然后还是在左侧Style选项，选中Fill Color，将Column选为Degree，将Mapping Type选为Continuous Mapping。然后点击Currengt Mapping的颜色卡片，点击Current Palette的None，将颜色色柱选为自己喜欢的，一般选择红色。
然后可以看到网络图变为类似如下的形式：
然后还是在左侧Style选项，选中Size，将Column选为Degree，将Mapping Type选为Continuous Mapping。然后点击Current Mapping后面的小图，在这里我们可以双击最大值和最小值的方框，输入对应的同心圆的半径，在这里我最大输入了120，最小输入了50，可以看到网络图不同权重的节点也有了大小之分。
然后我们来到最下方的数据栏，选中最大Degree值（或者最大的几个值），右键选择Select nodes from selected rows（或者我们直接在网络图中点击节点，如果有多个节点就ctrl点击多个）
然后可以看到网络图中我们选中的节点变成了黄色，同时下方数据栏也只剩选中的行。
然后我们选择Layout/Attribute Circle Layout/Selected Nodes Only/Selected，此时可以让我们之前选中的节点和其他节点都产生联系（连线），然后我们将这个节点拖拽到一旁，点击空白处退出选中状态。
如下，我是选择了两个点（因为有两个子图）
然后我们再选择次大的一批Degree值对应的节点（相当于同心圆的第二圈），重复上述步骤，可以看到网络图变成如下：
好的，接下来，我们选择最小的一批Degree值对应的节点（相当于同心圆的第三圈）
同心圆半径过大或过小
如下，遇到了一个问题，就是这第三圈同心圆的半径实在是太小了，和第二圈挨得很近。
这时候我们选择Layout/Layout Tools，然后选中侧栏的Filgter/Degree Filter，将我们第三圈节点对应的Degree值的范围输入进去，可以看到它选中了我们的第三圈
然后我们拖动调节同心圆的大小
最终调整结束如下：
当然，也可能遇到一种情况，就是可以看到LayoutTools是有上下限的，譬如下调到1/8时，同心圆的半径还是过大的话，建议把前面SwissTargetPrediction等的标准提高一下，从而减小药物靶点的数量。
或者可以将同心圆设置为更多层。
我们点击Style/Label Font Size，然后直接点击数字12（默认字体大小是12），输入我们想要的字体大小，一般是18。
最后选择File/Export/Network to file和Network to Image分别到处成sif工程文件做备份和PNG格式图片。
CytoHubba分析PPI网络得到Hub genes
在App/App Manage中下载CytoHubba插件
选择Calculate，然后选择根据Degree值排序后的前10个基因作为Hub genes，点击Export可以将网络图中所有节点拓扑分析的结果保存为csv文件。我们先保存一下，然后再点击Submit进行前十个的筛选。
可以看到页面变成如下：
点击Save Current Rank可以保存筛选的结果。这里一样的可以这10个节点的网络图保存为工程文件或图片。
最下方切换到Unassigned Tables其实也可以看到我们刚刚点击Export的内容
打开Export出来的文件看看，也是一样的。
在这里我们只要degree排前10的节点，和其Closeness、Betweenness，最终表格如下：