上期回顾：通过黄芪-丹参-茯苓治疗慢性心力衰竭（CHF）案例，我们获得117个关键交集靶点（药物-疾病共同靶点）-第一期链接

在网络药理学里，把冗长的基因列表炼成一张看得懂、讲得清、够精美的网络图，是从“堆砌数据”到“逻辑自洽”的关键一步。

 本期将聚焦“黄芪-丹参-茯苓配伍治疗慢性心力衰竭”这一案例，系统演示如何利用 STRING 构建蛋白互作网络（PPI），并在 Cytoscape 中完成网络拓扑分析与高质量可视化，让数据不仅“说得清”，更“看得懂”。

 PPI 网络 = 放大镜

直接把交集靶点丢进 STRING，几秒钟即可看见哪些蛋白在系统层面“扎堆”——潜在核心靶点往往就藏在这些高连通节点里。

 Cytoscape = 美工＋统计二合一

它既是网络可视化的软件，也自带一键拓扑分析功能；掌握他的应用，为你的可视化网络构建更增光彩。

 本次使用软件：

STRING：https://string-db.org 

Cytoscape：https://cytoscape.org/

0 复习：我们手上已有 3 份“原料”

①TCMSP收集了黄芪、丹参、茯苓药物靶点，汇总去重得到277个药物靶点

②在GeneCards数据库中，初步得到CHF作用靶点12255个，利用Excel将Score值从大到小排列，以大于Score值的中位数为筛选标准；重复上述操作三次进行二次筛选，最终筛选出1532个靶点。

③导入Venny 得到了117个重叠基因。每行一个 Gene Symbol，复制到excel表格里。

小贴士：建议OMIM / DisGeNET / TTD 等多数据库联合收集靶点，本次作为方法示例仅加入了Genecard和TCMSP网站靶点，关于中药靶点和药物靶点的收集方法可参考上篇网药文章。

STEP 1 把交集靶点扔进 STRING

1. 登录 https://string-db.org → 点击Multiple proteins。

2. 粘贴117 条 Gene Symbol  → Organism 选 Homo sapiens。

3. 点击 Search ➜ Continue.

4.调整参数

Confidence (score)：一般会选择0.70（High）或 0.90（Highest）,勾选 “Hide disconnected nodes”（可选）（隐藏孤点，图更干净）。可自行调整，完成后点击“update”

5. Export > PNG 或 Export > TSV——保存到本地。STRING 也直接在网页端输出漂亮的PNG\TSV文件用于Cytoscape进一步处理,Cytoscape 更灵活，且方便后续富集分析。

STEP 2　导入 Cytoscape

1、安装Cytoscape 3.10.2。官网即可下载安装，需要同步下载安装JAVA（https://cytoscape.org/）。

2、安装完成后打开软件，打开文件夹File > Import > Network > File 选择刚才的TSV文件。

3、网络识别对话框 → 弹窗保持默认 → OK，几秒后网络加载完，PPI 网络就呈现在面板中。

STEP 3 网络拓扑分析 & 高颜值可视化

1、可通过Node调整节点的参数，修改形状、颜色、大小等；Edge可对边的参数进行修改。单个节点的移动，鼠标单击拖动即可；多个节点按Ctrl选中后可移动；撤回可按Ctrl+Z。

 2、一键计算中心性

分析各节点degree值，Tools > Analyze Network → Analyze.按各节点degree值修改节点颜色，degree值越高，颜色越深。

3、修改节点形状。并按节点degree值，修改节点大小。

4、按照节点degree值调整排版分布。

例如可以按节点大小以矩形分布（Layout→Attribute Grid Layout），或圆形分布（Layout→Attribute Circle Layout）。

Layout 菜单：

5、圆形分布可调整成同心圆。

用左下角Layout Tools，整体调整所选中节点大小。

同心圆“靶点靶心”排版：高 → 中 → 低，一眼抓重点

小技巧：

Ø “靶心布局”：把 degree 最高的 10 % 节点拉进最内圈，一眼抓重点。

Ø 图太复杂？先做子网络：Select → Top 30 by degree → File → Export → Network，轻装上阵。

6、Edge可调整边参数

Style → Edge

重要关系可加粗或改色强调，线条太粗影响而美观可修改

例如，设置Edge Width 2.0为1.0。

7、导出为图片，通常选择JPG格式进行保存。

8、如果后续着重选择对排名靠前基因进行后续分析，也可选择以下方式：

①以随机分布形式

②通过degree值，调整选择靠前的基因。

可选择将排名靠前基因用不同颜色标出

也可选择将这些基因单处拉出，以展现这些基因的互作情况

③展现形式示例

写在最后：让网络图成为“能讲故事的数据”

图像逻辑先行：想清楚要讲的故事，再决定配色和布局。

双向验证：拓扑结果别盲信 degree，结合文献和实验数据二次筛选。

下期预告（第 3 期）

Ø 关键靶点GO/KEGG富集方法及气泡图制作技巧

Ø “药物-成分-靶点”cytoscape多维网络构建