凌波微课|微课云系列教程之权重网络图科研绘图小工具

学生信，做分析，就上凌波微课

微课云权重网络图分析实操

网络图分析（network analysis）是科研中对宏样本分析十分偏爱的一种分析，频繁出现在微生物生态研究的各大论文里。基于图论（Graph theory）的网络科学观点，任何非连续事物之间的关系都可以用网络来表示。

网络图通过将微生物、基因、环境因子等不同属性的实体抽象为节点（Node），并用连接（Link）来展示实体之间的关系，通过量化以节点和连接为组件的网络结构指数（Index），从而能够在统一的框架下寻找复杂系统的共性。

图1 丰富和稀有细菌共发生网络（DOI:10.1016/j.chemosphere.2019.06.174）

初始土壤共发生网络更复杂且连接更紧密，说明扰动减弱了细菌间的共发生关系。  

权重网络图，可以将基因间的调控互作关系绘制成一个有权重的网络图，展示基因间的共表达关系和相关性强弱关系。

本期凌波微课我们就来看一下如何通过微课云权重网络图小工具进行网络图分析。具体操作方法戳上方视频哦~

凌波微课·云平台

权重网络图分析小工具界面介绍

微课云平台权重网络图分析小工具界面分为三个大的部分：最左侧是菜单栏，中间是小工具参数设置界面，最右侧是说明界面（包括使用说明、小工具教学视频以及历史任务记录）。每个小工具我们都配套了相应的教学视频，使用过程中可随时查看学习。

凌波微课·云平台

权重网络图分析小工具使用步骤

1、上传矩阵数据文件

需要输入基因文件和环境因子列表文件，文件格式都必须为txt文件。

环境因子列表文件第一列为环境因子，第一行为样品名，示例文件如下例如扩增子分析中，可以使用凌恩生物扩增子结题报告中纲水平的OTU分类表，每一格为该样本注释到对应物种的序列数，位于结果文件夹的01.OTU_Taxa/normalize/tax_summary_a/phylum.xls，可以在Excel中打开，然后另存为以tab键分隔的.txt文件，示例文件如下：

图1 基因文件矩阵

图2 环境因子列表

在转录组分析中，可以直接使用 FPKM统计表，例如凌恩生物转录组分析结题报告中文件路径为GeneExp/genes.fpkm.txt的文件，第一列为基因id，第一行为样本名，示例文件如下：

图4 转录组基因文件矩阵 

2、选择相关性分析方法

云平台提供3种相关性算法：Person、Spearman和Kendall相关性分析。

• Pearson相关系数用来衡量两个随机变量之间的相关性，适合连续性变量、符合正态分布假设的数据；
• Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求。适合于定序变量、不满足正态分布假设或总体分布未知的数据，属于非参数统计方法，适用范围要广些。

• Kendall相关性系数，也是一种秩相关系数，不过它所计算的对象是分类变量。适用于随机变量是成对的有序分类变量，不论数据分布，数据呈单调关系，可以度量随机变量的非线性关系。比如评委打分、数据排名等。

3、绘图以及参数调整

以上参数都设置好了之后，点击“提交”，我们在右侧的历史任务中就可查看到任务编号、任务结束时间以及任务运行状态。

4、结果展示并调整

任务运行结束后会出现“已完成”，点击任务编号，就可以进入到任务详情页面，展示的是任务参数、结果文件列表和在线调整图片3个区域，提供结果文件下载和图片调整功能。

结果文件包含权重网络图、相关性系数及P值分析结果、网络图边信息和节点分析结果等。

相关性系数及P值分析结果矩阵： 第一行和第二列分别环境因子和基因名称，第三列数值为相关系数，数值越大，表示两个节点的相关性越大，越相近（正相关、负相关），第四列是P值。

网络图边信息矩阵： 第一行和第二列分别环境因子和基因名称，后面的数值表示相关性系数以及P值。

网络图节点信息矩阵：第一列表示节点名称，第二列到第五列分别表示度（degree）、紧密中心度（Closeness Centrality）、介数中心性（Betweenness centralization）和特征向量中心度（eigenvector centrality）等参数。

权重网络图结果展示，同时可通过右侧参数调整页面进行在线调整。

常用网络参数如下：

• 平均路径长度（Average path length）：网络中任意两个节点之间的距离的平均值。其反映网络中各个节点间的分离程度。现实网络通常具有“小世界（Small-world）”特性。
• 聚集系数（Clustering coefficient）：分局域聚类系数和全局聚集系数，是反映网络中节点的紧密关系的参数，也称为传递性。整个网络的全局聚集系数C表征了整个网络的平均的“成簇性质”。
• 介数（Betweenness）：网络中不相邻的节点i和j之间的通讯主要依赖于连接节点i和j的最短路径。如果一个节点被许多最短路径经过，则表明该节点在网络中很重要。经过节点n的数量所占比例，介数反映了某节点在通过网络进行信息传输中的重要性。

• 连接性（Connectance）：网络中物种之间实际发生的相互作用数之和（连接数之和）占总的潜在相互作用数（连接数）的比例，可以反映网络的复杂程度。

此外还包括：度分布（Degree distribution）、平均度（Average degree）、平均介数（Average betweenness）、平均最近邻度（Average nearest-neighbor degree）、直径（Diameter）、介数中心性（Betweenness centralization）和度中心性（Degree centralization）等参数。

凌波微课·云平台，是凌恩生物继凌波微课（http://www.biomicroclass.com/）之后，倾心打造的一款高通量测序数据的小工具分析平台。

告别晦涩难懂的编程命令行，零基础也能玩儿转科研！

只需登录凌波微课官网，点击进入“微课云”，注册成为微课云会员，即可免费使用微课云，开展您的生信美图之旅~

还想解锁更多绘图技能，那就快来凌波微课·云平台（http://210.22.121.250:35588/CloudPlatform/home），分分钟拥有自己的科研美图！

视频操作看了还有疑问？关注“凌波微课”公众号，加入凌波微课交流群吧！独乐乐不如众乐乐，和微课小助教，更有老师同学们一起交流学习！

拥有微课云，玩儿转科研不是梦！

往期精彩

凌波微课|微课云系列教程之组内相关性分析科研绘图小工具凌波微课|微课云系列教程之KEGG富集科研绘图小工具凌波微课|微课云系列教程之GO富集科研绘图小工具凌波微课|微课云系列教程之Venn图科研绘图小工具凌波微课|微课云系列教程之RDA/CCA科研绘图小工具凌波微课|微课云系列教程之柱状图科研绘图小工具凌波微课|微课云系列教程之主成分分析（PCA）科研绘图小工具凌波微课|微课云系列教程之Heatmap科研绘图小工具凌波微课重磅发布！生信小白也能玩儿转的科研作图上线啦！

凌波微课，创意于2020年不平凡的春天，由高通量测序及组学研究领域从业近十年的技术团队精心打造。

凌波微课的讲师们，实战经验丰富，旨在通过在线微课程及线下交流，帮助科研学生及科研工作者们由简入繁，掌握科研思路及生信分析的实际操作。凌波微课，用心服务科研用户，打造专业培训品牌，助力科研提升。

关注我

发现更多精彩

关注凌波微课公众号，回复“入群”，即可加入凌波微课课下交流群，更多干货等你呦！