生物信息学新手必看：用Cytoscape 3.9.1从STRING数据库文件到发表级网络图的保姆级流程-编程实验室

生物信息学新手必看：用Cytoscape 3.9.1从STRING数据库文件到发表级网络图的保姆级流程

在生物信息学研究中，蛋白质相互作用网络的可视化是理解复杂生物系统的重要工具。Cytoscape作为一款开源的网络可视化软件，凭借其强大的功能和丰富的插件生态，成为科研人员绘制高质量网络图的首选工具。本文将手把手教你如何从STRING数据库导出的蛋白质互作文件开始，通过Cytoscape 3.9.1版本完成一张可直接用于学术发表的网络图，特别适合刚接触生物信息学的研究生和科研助理。

1. 环境准备与数据导入

1.1 Cytoscape安装与基本配置

首先从Cytoscape官网下载最新稳定版3.9.1（截至本文撰写时的最新版本）。安装过程简单，但有几个关键点需要注意：

系统要求：确保计算机满足最低配置（至少4GB内存，推荐8GB以上）
Java环境：Cytoscape依赖Java，安装时会自动检测，若未安装会提示
插件管理：首次启动后，建议在Preferences中设置插件更新源为默认官方仓库

提示：安装路径避免包含中文或特殊字符，这可能导致某些插件无法正常工作

1.2 从STRING获取蛋白质互作数据

STRING数据库提供了多种数据导出格式，对于Cytoscape处理，推荐选择以下两种格式之一：

格式类型	优点	缺点
TSV格式	兼容性好，可直接导入	需要手动选择输出字段
XGMML格式	保留更多元数据	文件体积较大

实际操作步骤：

在STRING网站完成蛋白质互作分析
在结果页面选择"Exports"选项卡
下载"high confidence score (≥0.7)"的TSV文件

# 示例文件名（根据实际研究修改） string_interactions.tsv

2. 网络构建与基础布局

2.1 数据导入与初步可视化

在Cytoscape中导入STRING数据时，新手常遇到三个典型问题：

节点显示不全：检查分隔符设置是否匹配文件格式
边属性丢失：确保在导入时勾选了"Import interaction scores"
网络过于密集：可在导入时设置score阈值过滤低质量互作

推荐导入参数设置：

源节点列：node1
目标节点列：node2
互作得分列：combined_score
勾选"Create network view"

2.2 基础布局算法选择

Cytoscape提供多种布局算法，针对蛋白质网络推荐：

Force-Directed Layout：最常用，模拟物理力场使连接紧密的节点聚集
Circular Layout：适合展示核心-外围结构
Hierarchical Layout：当网络有明显层级时使用

# 伪代码展示布局算法选择逻辑 if 网络密度 > 0.1: 使用Force-Directed布局 elif 存在明显核心节点: 使用Circular布局 else: 尝试Hierarchical布局

注意：初次布局后，建议使用"Fit Content"按钮（快捷键Ctrl+F）使网络充满视图

3. 网络分析与属性计算

3.1 关键插件安装与配置

通过Apps菜单安装以下核心插件：

cytoNCA：网络中心性分析
clusterONE：蛋白复合物预测
EnrichmentMap：功能富集可视化

安装cytoNCA时的常见问题解决：

若搜索不到插件，检查网络连接并确认使用的是官方App Store
安装失败时，尝试重启Cytoscape后再次安装
版本冲突提示出现时，按照建议升级或降级相关组件

3.2 网络中心性指标计算

使用cytoNCA计算Betweenness Centrality(BC)的实操步骤：

在控制面板选择"Network Analysis"→"cytoNCA"
勾选"Betweenness Centrality"指标
设置参数（通常保持默认即可）
点击"Execute"运行计算

计算结果将作为节点属性存储，可在"Node Table"中查看。BC值越高，表示该节点在网络中的枢纽作用越重要。

BC值解释参考范围：

BC值范围	节点重要性	建议可视化处理
0-0.1	低	小节点，浅色
0.1-0.3	中	中等大小
>0.3	高	大节点，深色

4. 高级可视化定制

4.1 基于属性的视觉映射

将计算得到的BC值映射到视觉属性的关键设置：

节点大小映射：
- 进入"Style"面板
- 选择"Size"属性
- 设置映射列为"BC"
- 调整最小/最大值（如10-50像素）
节点颜色映射：
- 选择"Fill Color"属性
- 使用连续映射（Continuous Mapping）
- 选择从浅色到深色的渐变色系（如浅蓝→深蓝）
边透明度设置：
- 根据互作得分设置透明度
- 高score（≥0.9）完全不透明
- 低score（0.7-0.9）适当透明

4.2 发表级图形优化技巧

标签显示策略：
- 仅显示BC值前10%的节点标签
- 调整标签字体为无衬线字体（如Arial）
- 设置标签背景半透明以增强可读性
导出设置：
- 分辨率至少300dpi
- 推荐PDF或SVG格式便于后期编辑
- 同时导出图例说明

# 导出前检查清单 checklist = [ "是否包含比例尺/图例", "关键节点是否突出显示", "颜色对比度是否足够", "标签是否清晰可辨", "边是否过于杂乱" ]

5. 常见问题与进阶技巧

5.1 典型错误排查

问题1：插件计算无结果

检查网络是否连通（使用"Analyze Network"功能）
确认没有重复节点名称
尝试重新导入网络

问题2：可视化效果不理想

调整力导向布局的迭代次数（通常增加到500-1000次）
尝试不同的随机种子（Random Seed）重新布局
对过于密集区域使用"Expand/Collapse"功能

5.2 效率优化建议

大型网络处理：
- 先过滤低score互作（如只保留score≥0.8）
- 使用"Filter"功能聚焦关键子网络
- 关闭实时渲染（Disable Graphics）进行批量操作
工作流保存：
- 使用"Session"保存完整工作状态
- 导出Style预设供下次使用
- 记录关键参数设置形成实验记录

在实际项目中，我发现将BC值映射到节点大小的同时，再用颜色表示另一个属性（如表达变化倍数）可以在一张图中呈现更多维度信息。另外，对于特别复杂的网络，先使用clusterONE识别功能模块，再分别对每个模块进行可视化，往往能得到更清晰的结果。