R高级绘图 | 不用 Cytoscape 也能绘制精美的蛋白互作（PPI）网络图啦！| STRING 网站 + R 代码

于 2024-09-19 08:28:16 发布
阅读量1.1k 收藏 13
点赞数 22
分类专栏： R高级绘图 R语言绘图 数据挖掘 文章标签： r语言 数据库 开发语言 数据挖掘 数据可视化 R语言绘图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43843918/article/details/142349761
版权

在进行 PPI 网络图绘制时，我们通常会将 STRING 网站与 Cytoscape 软件结合使用。但是经常有小伙伴们苦恼，不太会用 Cytoscape 软件进行处理可咋整呐！之前我也吭哧吭哧学了点 Cytoscape，后来偶然的一个机会，我发现可以直接用 R 处理！！！图图也很漂亮的！当然，可能不如 Cytoscape 功能那么强大哈哈哈哈哈哈！但是对于咱们日常简单的图图处理来说是完全足够的！而且简单易学！这不，今天我就分享给大家！希望对大家有所帮助！！！

啊，这波好像不需要什么原理介绍哈（有需要咱们后期专门安排一期），主要是为了分享如何 R 直出图哈哈哈哈哈哈哈哈，那咱们，直接开始？好！开始！！！

今天用到的数据，我已经上传到了GitHub，大家可以在公众号后台回复PPI，即可获得存放这些数据的链接（其中还包括之前在看完还不会来揍/找我 | 差异分析三巨头 —— DESeq2、edgeR 和 limma 包 | 附完整代码 + 注释中得到的结果，用来标注上下调基因）。不过我在分享过程中也会把每一步的输入数据和输出结果进行展示，大家可以作为参考并调整自己的数据格式，然后直接用自己的数据跑，也是没有任何问题的！

STRING 网站

STRING 介绍

官网：https://cn.string-db.org/

哎！抱歉！这里不想介绍了！感觉详细介绍一下，这篇分享就重点偏移啦！咱们下次再详细介绍 STRING 数据库好不好！好！！！嘿嘿嘿，谢谢大家支持！！！

STRING 使用

通过上面的介绍，咱们可以知道 STRING 网站的输入数据是基因列表，大家一定有自己的数据哈哈哈哈哈哈哈，直接用就好啦！我这里的话，就用之前差异分析得到的数据啦，顺便自己编造了一个基因列表哈哈哈哈哈哈（数据到用时方恨少呐，准备分享的时候，才发现自己想要找个合适的基因列表还蛮不容易的哈哈哈哈哈哈哈）！

############################## PPI 网络 ##################################

# 数据准备，这里我用了我自己随便搞的 gene list，标注上下调基因用到了之前在差异分析中得到的结果，有需要的小伙伴们可以按提示获取（见上文）！
# 大家也可以直接使用自己的 gene list 去 string 进行分析！

# 这是我的 gene list
gene_list <- read.table("./data/gene_list.txt")
gene_list
#           V1
# 1      ADH1B
# 2     ADIPOQ
# 3    ANGPTL7
# 4       APOB
# 5       AQP7
# 6     ATP1A2
# 7  C14orf180
# 8        CA4
# 9    CD300LG
# 10    CHRDL1
# 11     CIDEA
# 12     CIDEC
# 13   COL11A1
# 14   COL10A1
# 15      DLK1
# 16     FABP4
# 17     GLYAT
# 18      GPD1
# 19      IBSP
# 20      MMP1
# 21     MMP11
# 22     MMP13
# 23      PCK1
# 24     PLIN1
# 25     PLIN4
# 26      RBP4

# 这个用来后续标注上下调基因，其实没有这个也是可以的，无非就是图图上不标注上下调信息而已嘛，看大家需求啦！
load("./data/DEG_limma_voom.Rdata")
head(DEG_limma_voom)
#             logFC    AveExpr         t       P.Value     adj.P.Val        B
# FIGF    -5.984847 -0.7193930 -51.67041 1.843289e-309 4.938355e-305 698.5939
# CA4     -6.844833 -2.5701167 -44.96985 3.340380e-261 4.474605e-257 587.5876
# PAMR1   -3.989305  2.3605059 -44.85958 2.161519e-260 1.665003e-256 585.9261
# LYVE1   -4.786578  1.3531474 -44.85132 2.485914e-260 1.665003e-256 585.7724
# CD300LG -6.537456 -0.0898487 -43.57667 6.384798e-251 3.421102e-247 564.1320
# SDPR    -4.600471  2.7186631 -43.38389 1.712581e-249 7.646961e-246 560.8745

现在咱们进入 STRING 网站（https://cn.string-db.org/），直接把上面的基因列表复制进去就好啦！记得选择Multiple proteins（红色框框），因为咱们是多个嘛！然后把复制的基因列表粘贴到绿色框框部分就好啦！然后点击SEARCH（橙色箭头）！

铛铛铛铛！出现这个页面！咱们点击CONTINUE！继续！

！初步的 PPI 网络图来咯！！！

现在咱们就得到经典的 PPI 网络图啦！其实咱们还可以各种调整，通过下面的Settings。

咱们这里简单介绍一下网络视图下方的这几个选项，下次再详细介绍嘿嘿嘿！

  • Legend（图例）：这个选项展示了网络图中使用的各种符号、颜色和线条的含义。图例帮助我们理解不同类型的蛋白质相互作用（如实验验证的相互作用、数据库中已知的相互作用、预测的相互作用等），以及蛋白质节点的属性（如节点颜色代表的功能类别）。
  • Settings（设置）：在这个选项中，我们可以调整网络图的显示参数。例如，可以选择显示或隐藏不同类型的相互作用，调整相互作用的置信度阈值，改变网络图的布局，或者自定义图形的外观（如节点和边的颜色、大小等）。
  • Analysis（分析）：该选项提供了一系列分析工具，用于深入分析所选的蛋白质网络。我们可以执行功能富集分析、路径分析、聚类分析等。这些分析帮助我们理解网络中蛋白质的生物学意义、共同参与的生物过程以及潜在的功能模块。
  • Exports（导出）：这个选项允许我们将当前的网络图或分析结果导出为不同的文件格式，例如图片格式（PNG、SVG等）或文本格式（TSV、Excel等）。这使得我们能够将数据用于报告、演示或进一步的分析。
  • Clusters（聚类）：该选项显示了STRING自动识别出的蛋白质聚类模块。这些聚类通常代表蛋白质间的紧密相互作用群组，可能参与相同的生物学过程或功能路径。我们可以通过这一功能识别和分析网络中的功能模块。
  • More（更多）：这个选项通常用于显示更多的细节或选项。当点击“More”时，可能会展开隐藏的内容，如额外的分析工具、数据视图、设置选项或附加的蛋白质相互作用信息。它帮助我们访问更深入的功能或查看更详细的结果。
  • Less（更少）：这个选项与“More”相反，用于折叠或隐藏不必要的细节。当点击“Less”时，已经展开的额外信息或选项会被收起，使界面更简洁。这对于简化视图、减少干扰信息非常有用，尤其是在我们不需要查看所有详细内容时。

我们导出需要的文件，点击Exports，然后点击下面的as tabular text output:download，上面那个是简略版的，咱不要！然后咱们就可以得到文件string_interactions.tsv。

接下来！咱们不需要 Cytoscape，直接打开你的 RStudio！开工！

R 代码直接处理

STRING 处理结束，咱们开始画图图啦！


##################### STRING 处理结束，开始画图图啦！###########################

# 首先加载我们需要的包包，没有安装的小伙伴们记得安装一下哟！
library(igraph)

# 读取从 STRING 得到的蛋白互作数据
links <- read.delim("./data/string_interactions.tsv")

# 构建无向图，仅选择节点列和边权重列
network <- graph_from_data_frame(d = links[, c(1, 2, 13)], directed = FALSE)

# 计算节点的度数（连接数量）
deg <- degree(network, mode = "all")

# 提取唯一的基因列表
genes <- unique(links$X.node1) %>% as.data.frame()
colnames(genes) <- "gene"

# 筛选出与基因列表匹配的差异表达基因
DEG_filtered <- DEG_limma_voom %>%
  filter(rownames(DEG_limma_voom) %in% genes$gene) %>%
  mutate(gene = rownames(.)) %>%
  select(gene, logFC)

# 结合基因列表与 DEG 数据，基于 logFC 值分组（上下调）
nodes <- genes %>%
  inner_join(DEG_filtered, by = "gene") %>%
  mutate(group = ifelse(logFC > 0, "up", "down"))

# 使用新的节点数据构建网络图
network <- graph_from_data_frame(d = links, vertices = nodes, directed = FALSE)

# 为节点分配颜色，基于分组信息
my_color <- c("#66C2A5", "#FC8D62", "#8DA0CB")[as.numeric(as.factor(V(network)$group))]

# 保存网络图为 PDF 文件
pdf(file = "./figure/ppi_network.pdf", width = 8, height = 8)

# 设置图形参数并绘制网络图
par(bg = "white", mar = c(0, 0, 0, 0))

plot(network, 
     vertex.size = deg,  # 根据度数调整节点大小
     layout = layout.circle,  # 使用圆形布局
     vertex.color = my_color,  # 节点颜色
     vertex.label.cex = 0.9,  # 标签字体大小
     vertex.label.color = "black",  # 标签颜色
     vertex.frame.color = "transparent",  # 节点边框颜色
     edge.width = E(network)$combined_score * 3,  # 边宽度
     edge.curved = 0.3)  # 边的弯曲程度

# 添加图例，显示基因分组信息
legend(x = 1, y = 1, 
       legend = unique(V(network)$group), 
       col = unique(my_color), 
       bty = "n",  # 无边框
       pch = 20,  # 点形状
       pt.cex = 3,  # 点大小
       cex = 0.8,  # 文本大小
       text.col = "black",  # 文本颜色
       horiz = FALSE,  # 垂直排列图例
       y.intersp = 1.5)  # 图例项间距

# 关闭设备，完成 PDF 文件保存
dev.off()

(o゜▽゜)o☆[BINGO!]

搞定！

文末碎碎念

那今天的分享就到这里啦！我们下期再见哟！

最后顺便给自己推荐一下嘿嘿嘿！

如果我的分享对你有用的话，欢迎关注点赞在看转发分享阿巴阿巴阿巴阿巴巴巴！这可是我的第一原动力！

蟹蟹你们的喜欢和支持！！！

生信小白要知道
关注
专栏目录
R 语言PPI网络
Mrrunsen的博客
02-05 2032
一般来说网络图都是R语言导出数据放入cytoscape里面绘制，今天想试试在R语言内部去画，确实有相应的R包(igraph)可以做，不是专门针对PPI网络来的，自己组织一下数据可以画。 尤其是基因数量比较少的情况下，还是很好用的，省掉手动点鼠标的重复操作。要是基因数量多了，可能会有基因重叠，得把图导出去修改，就不如cytoscape里直接拖动方便了。 1.输入数据 string_interactions.tsv是从string网页下载的PPI网络输出结果文件。图上基因的颜色是按照上下调来分配的，在这个
科研绘图系列：R语言基因PPI互作网络图（PPI network plot ）
最新发布
专注生信领域
08-30 479
科研绘图系列：R语言基因PPI互作网络图（PPI network plot ）
ios 部分string颜色_R语言可视化STRING分析的蛋白互作网络（PPI）
weixin_35662670的博客
12-20 805
使用STRING构建蛋白互作网络（PPI）STRING 链接 https://string-db.org/ 数据集我使用R语言包clusterProfiler中经常用作示例的基因列表 获取gene symbol的代码library(clusterProfiler) help(package="clusterProfiler") library(DOSE) data(geneList) geneLi...
跟着Cell学作图|9.PPI分析(GeNets数据库)
weixin_45822007的博客
05-04 4728
9.PPI分析(GeNets数据库)“实践是检验真理的唯一标准。”“复现是学习R语言的最好办法。”DOI: 10.1016/j.cell.2020.05.032这篇2020年发表在cell...
知识分享 | 转录组个性化分析(4)——蛋白互作分析
bioyigene的博客
02-28 2972
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。在进行数据挖掘的时候往往会得到很多的差异表达的基因，当你对着一堆基因毫无头绪时，此时PPI数据库对你的数据挖掘起了很大的助攻作用。接下来，跟着小编一起来学习下PPI分析吧！文中附详细代码，小伙伴们可以使用自己项目数据，一步步复现下结果！
RNA 14. SCI 文章中差异表达基因之 蛋白互作网络 (PPI)
weixin_41368414的博客
03-15 8808
蛋白互作网络分析同样也是 SCI 文章中出现频率最高的分析方法，下面就给大家梳理一下流程！
PPI蛋白互作网络构建详细步骤
tqptr_opqww的博客
05-20 6719
PPI蛋白互作网络构建详细步骤 string数据库是目前数据量最丰富、应用最广泛的研究蛋白质相互作用的数据库之一，收录了超过14000个物种、6千多万种蛋白、200多亿个相互作用的信息。这些蛋白质相互作用既包括直接的物理作用，也包括间接的功能相关性。 1. 进入官网（https://string-db.org）之后，点击search，点击之后的界面如下图所示： 左侧为选项，有根据单个蛋白名字、单个蛋白序列、多个蛋白名字、多个蛋白序列来构建，这里我们以单个蛋白名字为例进行演示 2. 点击Protein b
GEO生信数据挖掘（十一）STRING数据库PPI蛋白互作网络 & Cytoscape个性化绘图【SCI 指日可待】
zzh1464501547的博客
10-30 7199
通过 前面十篇文章的学习，我们应该已经可以获取到一个”心仪的基因列表“了，相较于原始基因数量，这个列表的数量已经有了明显的缩小，为了进一步确定Hub gene 需要借助两个工具。使用STRING在线数据库进行PPI分析。使用Cytoscape本地客户端进行蛋白互作关系图绘制。
STRING:蛋白质相互作用(PPI网络)数据库简介
热门推荐
庐州月光的博客
11-06 6万+
欢迎关注微信公众号《生信修炼手册》! 研究蛋白之间的相互作用网络，有助于挖掘核心的调控基因，目前已经有很多的蛋白质相互作用的数据库，而string绝对是其中覆盖的物种最多，相互作用信息做大的一个，网址如下 https://string-db.org/ 该数据库的最新版本为version 10.5, 更新于2017年5月14号，存储了2031个物种，9643763种蛋白，共1380838440个...
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
无名岛
03-01 5万+
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，...
PPI网络的构建与美化(String+Cytoscape)
Dzfly
01-07 1万+
PPI网络的构建与美化(String+Cytoscape)
String+CytoScape构建PPI网络
xiaobai1_1的博客
11-30 1万+
1.下载CytoScape Cytoscape是一款专业强大好用的物生信息分析软件，主要达用于专业的研究人员使用，软件主要适用于整合模块化网络和生物科学联系网络图的绘制，支持多种文件格式，导入后就可以直接进行编辑或者分析等操作了，除此之外，软件还提供了强大的编辑工具，支持添加相应的注释信息，软件基于java环境组件打造。 下载地址：https://cytoscape.org/ 因为软件基于java...
RNA-seq分析：Step10（Cytoscape制作蛋白质互作网络及寻找核心基因）
沉香best的博客
09-09 1913
Cytoscape是一个生物信息学工具，用于可视化和分析分子相互作用网络。在Cytoscape软件中，输入的edges文件指的是连接节点的边缘信息，该文件包含了所有边缘的起始节点和终止节点的信息。通过同时导入edges和nodes文件，Cytoscape可以生成一个可视化的网络图，其中所有节点和边缘的属性信息可以根据需要进行调整和编辑。在寻找核心基因时，我们可以利用Cytoscape提供的网络分析工具，如度中心性、介数中心性、紧密度等指标，来计算网络中各节点的重要性，并筛选出具有重要作用的核心基因。
Cytoscape绘制ppi网络图
03-31
Cytoscape是一款开源的生物信息学工具，可以用于绘制和分析复杂网络图。以下是使用Cytoscape绘制PPI网络图的步骤： 1. 准备数据：从公共数据库（如STRING、BioGRID）中下载PPI数据，并将其保存为.txt或.csv格式的...
用R的igraph包来画蛋白质互作网络图 | PPI | protein protein interaction network | Cytoscape...
weixin_34352449的博客
03-22 7224
igraph语法简单，画图快速。 Cytoscape专业，个性定制。   最终效果图：  当然也可以用Cytoscape来画。       参考：Network visualization with R Cytoscape http://www.360doc.com/content/17/0305/22/19913717_634279918.shtml  ...
生信宝典之傻瓜式(四)蛋白蛋白互作网络在线搜索
悟道西方
01-26 1万+
欢迎关注生信宝典微信公众号：http://mp.weixin.qq.com/s/JO1J66BtzuY-9a20x0XQcg 傻瓜系列重启了，今天要介绍的是一款在线查询蛋白-蛋白互作网络的工具 STRING (https://string-db.org/)。STRING数据库收录了2031个物种，9.6 Million个蛋白和1380 Million种相互作用。最开始知道它是用来查询蛋白-蛋白相互
string+cytoscape 构建PPI蛋白互作网络
Squirrelity的博客
05-06 1529
string网站：https://cn.string-db.org/cgi/input.pl genemania网站也可查看PPI： http://genemania.org/ 选multiple protein 分行输入基因名（ by Names / Identifiers ） setting设置，exports输出 下载 as tabular text output 输出的文件（tsv） cytoscape的用法 https://www.bilibili.com/video/BV1m34y1o7dK?s
（转）protein 数据库
weixin_30486037的博客
12-23 988
最早关注蛋白质互作网络，是在来GDMC第一年的时候，中间停了半年看互作-各种算法，网络分析停滞不前，没想到搞到最后，还是和网络碰到了一起，我总是会潜意识走近给自己第一印象不错的object，包括人。用PPI来做证据，当然要选择证据性最强的网站，先列表如下：1. DIP (database of interacting proteins)http://dip.doe-mbi.ucla.edu...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生信小白要知道

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值