Cytoscape网络可视化 | 以WGCNA结果的网络可视化为例

简介: Cytoscape网络可视化 | 以WGCNA结果的网络可视化为例

Cytoscape网络可视化 | 以WGCNA结果的网络可视化为例


Cytoscape是一个开源的软件平台,用于可视化分子相互作用网络和生物路径,并将这些网络与注释、基因表达谱和其他状态数据进行整合。虽然Cytoscape最初是为生物研究设计的,但现在它是一个复杂网络分析和可视化的通用平台。Cytoscape核心版提供了一套基本的数据整合、分析和可视化功能。


额外的功能可作为应用程序(以前称为插件)。应用程序可用于网络和分子分析,新的布局,额外的文件格式支持,脚本,以及与数据库的连接。任何人都可以使用基于Java™技术的Cytoscape开放API来开发这些应用程序,并且鼓励社区开发。大多数应用可以从Cytoscape应用商店免费获得。


下载与安装


下载地址:https://cytoscape.org/


安装cytoscape需要java环境,目前最新版本为3.9支持的java环境有要求,可能需要重新下载规定版本的java。

image.png


基础教程


以WGCNA导出的cytoscape文件为例。WGCNA 简明指南|3.使用WGCNA实现网络可视化


导入数据文件

首先导入我们之前WGCNA分析后得到的两个用于cytoscape分析的txt文件。

image.png

image.png

看一下WGCNA导出的两个txt文件,


CytoscapeInput-edges-brown-red文件中包括了起始节点和目标节点的对应信息、相互作用形式信息,还有附加的临床性状和基因名等信息。

image.png

CytoscapeInput-nodes-brown-red文件包含了节点的分组信息。

image.png

Advanced option中可以选择文件分隔符类型,这里我们是使用的默认TAB分隔。

image.png


导入文件时要选择每列信息的类型和导入与否。

image.png


在导入文件时除了起始节点和目标节点之外,其他的信息我都作为棱属性导入了,也可以将direction列作为互作类型进行导入。


之前3.6的版本导入附加信息需要在菜单栏操作,更新后可以直接在控制栏继续导入数据。

image.png



可视化


为了方便数据展示,我删除了其中一部分的节点信息使得图像不会过于复杂。首先在节点信息中选择一部分的节点信息,右键选中节点。


image.png


图中对应的节点会被选中(黄色),然后右键被选中的节点删除。

image.png



在布局菜单中更新一下布局,会使剩余的节点重新排布。布局菜单中可以选择节点的排布方式,我们选择了环形布局。image.png



image-20220324183705495

image.png

布局如下图:

image.png


接下来我们对图像进行优化调整,首先在左边控制栏中的style选项卡中,可以选择预设的几种图象表现类型。下面的Node、Edge等选项卡可以分别调整对应的属性。

image.png


比如我们把节点的标签名用基因名来表示

image.png


根据节点类型来分别填充不同的颜色

image.png


我们可以利用Mapping来将同一参数表现为不同形式,比如根据互作形式来决定线的类型,首先在Line Type的map选项中选择用来分类的列,这里是选择了direction列,因为direction是分类变量,所以我们选择离散mapping方式,分别给直接互作和间接互作赋予实线和虚线。

image.png


我们也可以用weight的数据来表示线的粗细,mapping选择weight列,weight是连续型变量,我们可以定义其范围。

image.png


在布局菜单中选择degree sorted circle layout,我们可以看到节点数据中多出几列数据,表示跟每个节点相连的节点数量,我们可以利用相连节点数量来定义节点图形的大小。

image.png


最终展示图

image.png


除此之外,在node选项卡中有一个选项叫做Image/Chart,它可以添加一些自定义的图形或是表到节点上使得元素更加丰富。

image.png


在view菜单中可以调取软件自带的一些数据集,可以参考它的参数设置。

image.png


除此之外,在app菜单中还可以加载一些生信注释分析功能例如这里我们加载了KEGG,可以把通路信息也导入到cytoscape中用于画互作网络。

image.png


以上就是cytoscape一些基础的分析功能,总的来说cytoscape是一款十分强大的互作网络绘图工具,不仅仅可以用于生信分析方面,还可以用于各种互作图的绘制,其中一些参数细节的调节都设计的非常丰富,大家可以通过探索来绘制出自己想要的图。


相关文章
|
1月前
|
机器学习/深度学习 数据可视化 计算机视觉
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作,并使用ResNet系列网络作为例子,展示了如何在训练过程中加入代码来绘制和保存特征图。
57 1
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
|
1月前
|
机器学习/深度学习 数据可视化 Windows
深度学习笔记(七):如何用Mxnet来将神经网络可视化
这篇文章介绍了如何使用Mxnet框架来实现神经网络的可视化,包括环境依赖的安装、具体的代码实现以及运行结果的展示。
50 0
|
1月前
|
机器学习/深度学习 数据可视化 Linux
Seaborn可视化学习笔记(一):可视化神经网络权重分布情况
这篇文章是关于如何使用Seaborn库来可视化神经网络权重分布的教程,包括函数信息、测试代码和实际应用示例。
41 0
|
3月前
|
数据可视化 算法 C++
脑研究、脑网络分析、可视化的工具箱有哪些?
本文列举并简要介绍了用于脑研究、脑网络分析和可视化的多种工具箱,如Brain Connectivity Toolbox、bctpy、人类连接组项目等,为神经科学研究者提供了丰富的分析和可视化大脑网络的工具选择。
194 2
脑研究、脑网络分析、可视化的工具箱有哪些?
|
3月前
|
机器学习/深度学习 数据可视化 Python
如何可视化神经网络的神经元节点之间的连接?附有Python预处理代码
该博客展示了如何通过Python预处理神经网络权重矩阵并将其导出为表格,然后使用Chiplot网站来可视化神经网络的神经元节点之间的连接。
56 0
如何可视化神经网络的神经元节点之间的连接?附有Python预处理代码
|
3月前
|
数据采集 存储 数据可视化
基于Python 网络爬虫和可视化的房源信息的设计与实现
本文介绍了一个基于Python Scrapy框架和echart库的房源信息采集与可视化系统,该系统通过自动化爬虫提高房地产数据采集效率,并通过Flask服务器实现数据的Web可视化展示,旨在帮助房地产从业人员和政策制定者高效、直观地了解房源信息。
|
3月前
|
Prometheus 监控 Cloud Native
在Linux中,如何使用Grafana和Prometheus进行网络监控和可视化?
在Linux中,如何使用Grafana和Prometheus进行网络监控和可视化?
|
5月前
|
机器学习/深度学习 数据可视化 TensorFlow
【手把手教学】如何可视化YOLOv8深度学习的网络结构并保存
【手把手教学】如何可视化YOLOv8深度学习的网络结构并保存
|
6月前
|
机器学习/深度学习 数据可视化 算法
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
|
6月前
|
机器学习/深度学习 监控 数据可视化
R语言SOM神经网络聚类、多层感知机MLP、PCA主成分分析可视化银行客户信用数据实例2
R语言SOM神经网络聚类、多层感知机MLP、PCA主成分分析可视化银行客户信用数据实例