蛋白质互作网络STRING分析¶

# STRING评分体系（combined_score）
# 每种证据渠道独立打分，最后用贝叶斯方法整合

证据渠道          权重说明
─────────────────────────────────
experiments       实验验证（最可靠）
database          已知数据库收录
textmining        文献挖掘（NLP提取）
coexpression      共表达分析
neighborhood      基因组邻近
gene_fusion       基因融合事件
cooccurrence      系统发育共现
combined_score    综合分数（0-1000）

# 第一步：打开STRING官网
# 网址：https://string-db.org/

# 第二步：选择输入方式
# - "Multiple proteins"：输入一组蛋白质名称（最常用）
# - "Single protein"：查单个蛋白质的互作伙伴
# - "Protein by sequence"：用序列查询

# 第三步：输入蛋白质列表（示例：免疫相关蛋白）
# 在输入框中粘贴：
# TP53
# BRCA1
# MDM2
# CDK2
# RB1
# E2F1
# CCND1
# ATM
# CHEK2
# BAX

# 关键参数说明
─────────────────────────────────────
物种选择        选择你研究的物种（如 Homo sapiens）
置信度阈值      推荐 ≥ 0.7（high confidence）
                0.15 = 低置信度（噪音多）
                0.40 = 中置信度
                0.70 = 高置信度（推荐）
                0.90 = 最高置信度（很严格）
网络类型        full = 所有互作
                physical = 只看物理结合
                regulatory = 调控关系（新功能）
互作伙伴数量    first shell = 直接互作伙伴数量
                second shell = 间接互作伙伴数量

# 安装requests库（用于HTTP请求）
pip install requests pandas networkx matplotlib  # 安装所需Python库

#!/usr/bin/env python3
"""STRING API批量查询蛋白质互作网络"""

import requests  # 用于发送HTTP请求
import pandas as pd  # 用于数据处理
import json  # 用于JSON解析

# ========== 配置参数 ==========
string_api_url = "https://version-12-5.string-db.org/api"  # STRING API地址（12.5版本）
output_format = "json"  # 输出格式：json或tsv
species = 9606  # 物种ID：9606=人类，10090=小鼠

# 要查询的蛋白质列表（示例：p53通路相关蛋白）
my_genes = ["TP53", "BRCA1", "MDM2", "CDK2", "RB1",
            "E2F1", "CCND1", "ATM", "CHEK2", "BAX"]

# ========== 第一步：获取蛋白质互作网络 ==========
method = "network"  # API方法：获取网络
params = {
    "identifiers": "%0d".join(my_genes),  # 用换行符连接蛋白质名称
    "species": species,  # 物种ID
    "caller_identity": "bioinformatics_tutorial"  # 调用者标识（必填）
}

# 发送请求
response = requests.post(  # 发送POST请求到STRING API
    f"{string_api_url}/{output_format}/{method}",
    data=params
)
data = response.json()  # 解析JSON响应

# 转换为DataFrame
df_network = pd.DataFrame(data)  # 将互作数据转为表格
print(f"共获取 {len(df_network)} 条互作关系")  # 打印互作关系数量

# 保存结果
df_network.to_csv("string_network.tsv", sep="\t", index=False)  # 保存为TSV文件
print("互作网络已保存到 string_network.tsv")

# ========== 第二步：获取功能富集结果 ==========
method = "enrichment"  # API方法：功能富集分析
params_enrich = {
    "identifiers": "%0d".join(my_genes),  # 蛋白质列表
    "species": species,  # 物种ID
    "caller_identity": "bioinformatics_tutorial"  # 调用者标识
}

response_enrich = requests.post(  # 发送功能富集请求
    f"{string_api_url}/{output_format}/{method}",
    data=params_enrich
)
enrichment = response_enrich.json()  # 解析富集结果

# 转换并筛选
df_enrich = pd.DataFrame(enrichment)  # 转为表格
df_enrich_sig = df_enrich[df_enrich["fdr"] < 0.05]  # 只保留显著的结果（FDR<0.05）
print(f"\n显著富集的通路/功能：{len(df_enrich_sig)} 条")

# 按类别分组查看
for category in df_enrich_sig["category"].unique():  # 遍历每个注释类别
    subset = df_enrich_sig[df_enrich_sig["category"] == category]  # 筛选该类别
    print(f"\n{'='*50}")
    print(f"类别: {category} （共{len(subset)}条）")
    for _, row in subset.head(5).iterrows():  # 每个类别显示前5条
        print(f"  - {row['term']}: {row['description']} (FDR={row['fdr']:.2e})")

# 保存富集结果
df_enrich_sig.to_csv("string_enrichment.tsv", sep="\t", index=False)  # 保存显著结果
print("\n富集分析结果已保存到 string_enrichment.tsv")

#!/usr/bin/env python3
"""用NetworkX分析STRING蛋白质互作网络"""

import networkx as nx  # 网络分析库
import pandas as pd  # 数据处理
import matplotlib.pyplot as plt  # 绑图

# 读取STRING互作数据
df = pd.read_csv("string_network.tsv", sep="\t")  # 读取之前保存的网络数据

# ========== 构建网络图 ==========
G = nx.Graph()  # 创建无向图

for _, row in df.iterrows():  # 遍历每条互作关系
    # 只保留高置信度的互作（score > 0.7）
    if row["score"] > 0.7:  # 过滤低置信度互作
        G.add_edge(  # 添加边（互作关系）
            row["preferredName_A"],  # 蛋白质A的名称
            row["preferredName_B"],  # 蛋白质B的名称
            weight=row["score"]  # 边的权重=置信度分数
        )

print(f"网络节点数（蛋白质）: {G.number_of_nodes()}")  # 打印蛋白质数量
print(f"网络边数（互作关系）: {G.number_of_edges()}")  # 打印互作关系数量

# ========== 计算网络拓扑参数 ==========
# 度中心性：一个蛋白质连接了多少其他蛋白质（"人缘好不好"）
degree_centrality = nx.degree_centrality(G)  # 计算度中心性

# 介数中心性：一个蛋白质是不是网络中的"桥梁"（"交通枢纽"）
betweenness = nx.betweenness_centrality(G)  # 计算介数中心性

# 紧密中心性：一个蛋白质到其他所有蛋白质的平均距离（"离大家近不近"）
closeness = nx.closeness_centrality(G)  # 计算紧密中心性

# 汇总为表格
topo_df = pd.DataFrame({
    "protein": list(G.nodes()),  # 蛋白质名称
    "degree": [G.degree(n) for n in G.nodes()],  # 度（连接数）
    "degree_centrality": [degree_centrality[n] for n in G.nodes()],  # 度中心性
    "betweenness": [betweenness[n] for n in G.nodes()],  # 介数中心性
    "closeness": [closeness[n] for n in G.nodes()]  # 紧密中心性
})

# 按度排序，找出hub蛋白
topo_df = topo_df.sort_values("degree", ascending=False)  # 按连接数降序排列
print("\n===== 网络拓扑分析 =====")
print(topo_df.to_string(index=False))  # 打印拓扑参数表

# ========== 网络可视化 ==========
plt.figure(figsize=(12, 10))  # 设置图片大小
pos = nx.spring_layout(G, k=2, seed=42)  # 使用弹簧布局算法计算节点位置

# 节点大小按度数调整
node_sizes = [G.degree(n) * 300 + 200 for n in G.nodes()]  # 度越大，节点越大

# 画网络图
nx.draw_networkx(
    G, pos,
    node_size=node_sizes,  # 节点大小
    node_color="lightblue",  # 节点颜色
    edge_color="gray",  # 边颜色
    font_size=10,  # 字体大小
    font_weight="bold",  # 字体加粗
    width=[G[u][v]["weight"] * 2 for u, v in G.edges()]  # 边宽度按置信度调整
)

plt.title("Protein-Protein Interaction Network (STRING)", fontsize=16)  # 标题
plt.tight_layout()  # 自动调整布局
plt.savefig("ppi_network.png", dpi=300, bbox_inches="tight")  # 保存高清图片
plt.close()
print("\n网络图已保存到 ppi_network.png")

# 方法一：通过StringApp插件直接查询
# 1. 打开Cytoscape → Apps → App Manager
# 2. 搜索 "stringApp" → Install
# 3. File → Import → Network from STRING...
# 4. 输入蛋白质列表，选择物种

# 方法二：导入TSV文件
# 1. File → Import → Network from File
# 2. 选择 string_network.tsv
# 3. 设置列映射：
#    - Source Node = preferredName_A（源蛋白质）
#    - Target Node = preferredName_B（目标蛋白质）
#    - Edge Attribute = score（互作分数）

#!/usr/bin/env python3
"""用py4cytoscape控制Cytoscape进行网络美化"""

# 安装：pip install py4cytoscape
# 需要先启动Cytoscape桌面版

import py4cytoscape as p4c  # Cytoscape的Python接口

# 检查Cytoscape连接
print(p4c.cytoscape_version_info())  # 打印Cytoscape版本

# 设置网络布局
p4c.layout_network("force-directed")  # 使用力导向布局

# 设置节点样式
p4c.set_node_color_default("#66B2FF")  # 默认节点颜色：浅蓝
p4c.set_node_shape_default("ELLIPSE")  # 节点形状：椭圆
p4c.set_node_size_default(60)  # 节点大小

# 按度数设置节点大小（hub蛋白更大）
p4c.set_node_size_mapping(
    "degree",  # 映射属性：度数
    [1, 5, 10],  # 度数范围
    [30, 60, 120],  # 对应节点大小
    mapping_type="c"  # 连续映射
)

# 导出高清图片
p4c.export_image("ppi_network_cytoscape.png", resolution=300)  # 导出PNG
print("Cytoscape网络图已导出")

#!/usr/bin/env Rscript
# STRING蛋白质互作网络R语言分析

# ========== 安装和加载包 ==========
if (!requireNamespace("BiocManager", quietly = TRUE))  # 检查BiocManager
    install.packages("BiocManager")
BiocManager::install("STRINGdb")  # 安装STRINGdb包

library(STRINGdb)  # 加载STRING R包

# ========== 初始化STRING对象 ==========
string_db <- STRINGdb$new(
    version = "12.5",     # 使用最新12.5版本
    species = 9606,       # 人类（NCBI Taxonomy ID）
    score_threshold = 700, # 置信度阈值：700=high confidence
    network_type = "full"  # 网络类型：full=所有互作
)

# ========== 准备输入数据 ==========
# 示例：差异表达基因列表
deg_list <- data.frame(
    gene = c("TP53", "BRCA1", "MDM2", "CDK2", "RB1",  # 基因名称
             "E2F1", "CCND1", "ATM", "CHEK2", "BAX"),
    logFC = c(2.5, -1.8, 3.1, 1.2, -2.0,  # log2倍数变化
              1.5, 2.8, -1.3, 1.7, -2.5),
    pvalue = c(0.001, 0.005, 0.0001, 0.01, 0.003,  # p值
               0.008, 0.002, 0.006, 0.004, 0.001)
)

# ========== 映射蛋白质ID ==========
mapped <- string_db$map(deg_list, "gene", removeUnmappedRows = TRUE)  # 将基因名映射为STRING ID
cat("成功映射的蛋白质数量:", nrow(mapped), "\n")  # 打印映射结果

# ========== 绘制网络图 ==========
string_db$plot_network(mapped$STRING_id)  # 绘制互作网络图

# ========== 功能富集分析 ==========
enrichment <- string_db$get_enrichment(mapped$STRING_id)  # 获取功能富集结果
sig_enrich <- enrichment[enrichment$fdr < 0.05, ]  # 筛选显著结果
cat("显著富集通路数:", nrow(sig_enrich), "\n")  # 打印显著通路数

# ========== 网络聚类 ==========
clusters <- string_db$get_clusters(mapped$STRING_id, algorithm = "kmeans")  # K-means聚类
for (i in seq_along(clusters)) {  # 遍历每个聚类
    cat("Cluster", i, ":", length(clusters[[i]]), "个蛋白质\n")  # 打印聚类信息
}

========================================
STRING 蛋白质互作网络分析 速查表
========================================

【网页版操作】
打开网站          → string-db.org
输入蛋白质        → Multiple proteins → 粘贴列表
选物种            → Organism → Homo sapiens
设置阈值          → Settings → confidence ≥ 0.7
导出数据          → Exports → TSV格式

【API查询（Python）】
基础URL           → https://version-12-5.string-db.org/api
获取网络          → /json/network
功能富集          → /json/enrichment
蛋白质映射        → /json/get_string_ids
必填参数          → identifiers, species, caller_identity

【置信度阈值选择】
探索性分析        → 0.4（中置信度）
标准分析          → 0.7（高置信度，推荐）
严格分析          → 0.9（最高置信度）

【常用物种ID】
人类              → 9606
小鼠              → 10090
大鼠              → 10116
果蝇              → 7227
斑马鱼            → 7955
拟南芥            → 3702
大肠杆菌          → 511145

【网络分析指标】
Degree（度）      → 连接数，找hub蛋白
Betweenness       → 介数中心性，找桥梁蛋白
Closeness         → 紧密中心性，找核心蛋白
Clustering coeff  → 聚集系数，衡量局部连接密度

【下游分析工具】
Cytoscape         → 专业网络可视化
NetworkX          → Python网络分析
igraph            → R/Python网络分析
MCODE             → Cytoscape聚类插件
ClueGO            → Cytoscape功能注释插件

【面试考点】
Q: STRING的证据渠道有哪些？
A: 实验验证、数据库、文本挖掘、共表达、基因组邻近、基因融合、系统发育共现

Q: 置信度分数怎么算的？
A: 各渠道独立打分，用贝叶斯方法整合为combined_score

Q: STRING 12.5有什么新功能？
A: 新增调控网络，用语言模型从文献提取调控方向
========================================