基础理论
网络图
网络图非常常见，不仅被用在生物信息学分析，在生活中也很常见，如民航航线图、食物链、基因调控网络都是网络图经典的例子。
网络图应用价值
- 直观形象的呈现数据关系
- 高效的挖掘和解析数据（WGCNA后模块内大量基因的筛选）
网络图的构成基础
- 节点（node）：表示元素
节点属性：大小、形状、颜色、标签、边框可以表示表达量、差异倍数、RNA类型、pathway分类、基因名称等。 - 线（edge）：表示元素之间的关系
线属性：粗细、类型、颜色、方向可以表示：相关性强弱、相关性正负、靶向关系、相关性显著性等。
重要概念
- 连通性（Degree）：一个节点拥有的线的数量。
- 核心元素（Hub gene）：位于调控网络中心，也就是连通性较高的元素。
数据准备
建立关联
- 基于已有成果获得。（string数据库）
- 基于表达量/丰度的相关性。（WGCNA）
- 基于序列的碱基互补关系。（miRNA-mRNA）
- 基于功能分类关系。（富集分析）
数据要求
格式：
tsv文件（Tab Separated Values）
csv文件（Comma ）
xls，xlsx文件-
内容：
edge文件：必须文件，包含节点关系关键数据。如下图所示，第一列为起始点的基因名，第二列为终止点的基因名，第三列为TOM值（这个数据是WGCNA的数据结果，因此我用了TOM值，也可以是其他的数据，如两点间相关性。）WGCNA分析有点复杂，有朝一日我整理好后再发给大家参考。
edge文件
node文件：非必须，按需准备。如下图所示，第一列是点的基因名，注意对应edge文件中的点的信息，我下图展示的是我给每个基因Ensembl ID添加的Gene Symbol信息和注释信息，也可以是其他的数据，如基因的表达量等。
软件基本操作
数据导入
-
导入edge数据
点击下图所示的按键，导入edge数据。
导入数据
导入后需要选择每一列的数据类型，主要设置边的起始位置和结束位置。
数据类型选择 -
导入node数据
点击对应位置，导入node数据，要确保数据和edge数据的命名一致。
导入数据
生成网络图
导入edge后，在图片编辑框中就可以看到生成的最基础的网络图，我们下一步需要做的就是对它进行美化，也可以进一步通过Cytoscape进行数据挖掘。
图片美化
对于最初版的网络图，我相信没有人会觉得好看，也绝对满足不了杂志的要求，那么，我们就动手美化它。
其实Cytoscape的可视化界面非常人性化，按照我下面的批注，大家都点一点，应该很快就能掌握。
需要特别解释一下“参数赋值”和“点/线排列形式”的用法。
- 参数赋值：比如，想要用圈的大小表示基因的连通性大小、圈的颜色表示基因的表达量高低、线的粗细表示权重值的大小等，都可以通过给各个区域赋值达成。在Cytoscape中，点和线的颜色、粗细都可以赋值，点击相应的参数，赋予你想要展示的数据即可。
- 点/线排列形式：在Cytoscape中，所有的点都是可以自己手动拖动的，当数据量很大时，非常辛苦。因此，软件有自动排布功能，点击“layout”就可以看到，自动排布形式主要有：矩形排布、圆形排布、层级排布，每一种都有适用范围，如果展示基因相互关系建议用圆形排布，点一下试试就知道。
Tips：选择数据点后（手动选择结合下面要说到的筛选选择），再点击排布，就可以把杂乱无章的图，变得整齐且能说明问题，如下图所示。
数据挖掘
Cytoscape的数据挖掘主要是用到“筛选”工具。网络图常见的筛选方式是利用连通性筛选关键基因，Cytoscape可以直接计算点的连通性（K），点击菜单栏Tools--NetworkAnalyzer--Network analysis--Analyze Network，然后选择自己数据对应的类型（有/无方向），点击确认，连通性数据就会出现在“点信息页”，列名为“degree”。
点击筛选模块，新建筛选条件，在下拉菜单中选择“degree”，即可用连通性作为筛选条件，选择满足连通性要求的点。如果图片中点和线特别多，可以用该方法选择连通性较高的点新建画布，只对这些连通性高的基因做图。当然，筛选条件不仅仅是K值，也可以用WGCNA分析里的TOM值，或者基因的表达量等，只要是数值型变量就行，大家尝试一下就明白了。
