Cytoscape插件Centiscape保姆级教程：从基因列表到网络中心性分析，手把手搞定
Cytoscape插件Centiscape保姆级教程：从基因列表到网络中心性分析，手把手搞定
在生物信息学研究中，网络分析已成为揭示基因互作、信号通路和疾病机制的重要工具。Cytoscape作为一款开源的网络可视化与分析平台，凭借其丰富的插件生态系统，为科研人员提供了强大的分析能力。其中，Centiscape插件因其高效的中心性计算功能而备受青睐。本文将带领初学者从零开始，完成从差异基因列表到网络中心性分析的完整流程，涵盖数据准备、网络构建、参数设置到结果解读的每一个环节。
1. 环境准备与插件安装
1.1 Cytoscape基础配置
在开始使用Centiscape之前，需要确保已正确安装Cytoscape软件。推荐使用最新稳定版本（目前为3.9.1），可从官网直接下载对应操作系统的安装包。安装完成后，首次启动时会自动加载核心功能模块。
提示：建议分配至少4GB内存给Cytoscape，大型网络分析可能需要更多资源，可通过
Edit → Preferences → Properties调整内存设置。
1.2 Centiscape插件安装
Centiscape插件未预装在Cytoscape中，需通过以下步骤手动安装：
- 打开Cytoscape，点击顶部菜单
Apps → App Manager - 在搜索框输入"Centiscape"
- 在结果列表中找到"CentiScaPe"，点击右侧
Install按钮 - 等待安装完成后重启Cytoscape
验证安装是否成功：重启后查看菜单栏是否出现Apps → CentiScaPe选项。若安装失败，可尝试以下解决方案：
- 检查网络连接，特别是防火墙设置
- 更换软件更新源（
Help → Check for Updates → Change Update Site） - 手动下载插件文件（.jar格式）并通过
Apps → Install from File加载
2. 从基因列表到网络构建
2.1 原始数据准备
大多数情况下，研究者手头只有差异表达基因列表（如RNA-seq分析结果），需要先转化为基因互作网络。常见方法有：
方法对比表：
| 方法 | 适用场景 | 优点 | 缺点 | 工具推荐 |
|---|---|---|---|---|
| STRING数据库 | 快速获取已知互作 | 包含实验验证和预测数据 | 覆盖度受限于数据库版本 | 在线工具或API |
| 基因共表达分析 | 发现新互作关系 | 反映特定条件下的共调控 | 计算复杂度高 | R语言WGCNA包 |
| 文献挖掘 | 领域特异性网络 | 高度相关研究背景 | 耗时且不完整 | Pathway Commons |
2.2 使用STRING构建网络
以STRING数据库为例，具体操作流程：
- 访问STRING官网（https://string-db.org/）
- 在搜索页面粘贴基因列表（每行一个基因符号）
- 设置参数：
- 生物物种选择（如Homo sapiens）
- 最低互作分数（建议≥0.4）
- 隐藏游离节点（勾选）
- 下载TSV格式的边列表文件（包含source、target和score三列）
注意：确保基因符号与数据库命名一致，可先用
Mapping功能检查标识符匹配情况。
2.3 数据导入Cytoscape
将获得的边列表导入Cytoscape：
File → Import → Network from File选择下载的TSV文件，在导入界面确认：
Source Interaction对应第一列基因Target Interaction对应第二列基因Interaction Type可设为pp（蛋白互作）
成功导入后，基础网络将显示在主窗口。可通过Layout → yFiles Layouts调整节点布局。
3. Centiscape核心分析流程
3.1 参数设置与计算
启动Centiscape插件：Apps → CentiScaPe → Calculate Centrality Parameters。关键配置项包括：
- Network Type：选择
Undirected（无向网络） - Centrality Measures：
- Degree：节点连接数
- Betweenness：中介中心性
- Closeness：接近中心性
- Eigenvector：特征向量中心性
- Normalization：建议勾选，便于不同指标比较
点击Calculate后，计算结果将作为新列添加到节点属性表中。
3.2 多参数联合筛选
Centiscape的强大之处在于支持多中心性指标的联合查询。例如，要找出同时具有高Degree和高Betweenness的枢纽基因：
- 在
Filter Nodes区域设置条件：- Degree ≥ 第75百分位数
- Betweenness ≥ 第75百分位数
- 逻辑关系选择
AND - 点击
Apply Filter生成子网络
常用筛选策略组合：
- 关键调控因子：高Degree + 高Eigenvector
- 信号桥梁：高Betweenness + 低Closeness
- 局部枢纽：高Degree + 低Betweenness
3.3 结果可视化
Centiscape提供两种特色可视化方式：
节点中心性分布图：
- 选择
Plot by Nodes - 选择目标基因（如TP53）
- 生成柱状图显示各指标相对值
双参数散点图：
- 选择
Plot by Centrality - 设置X轴（如Degree）和Y轴（如Betweenness）
- 识别分布在右上象限的关键节点
4. 高级技巧与结果解读
4.1 生物学意义解析
不同中心性指标反映的生物学特征：
| 指标 | 网络意义 | 潜在生物学解释 | 典型应用场景 |
|---|---|---|---|
| Degree | 连接广泛性 | 核心功能蛋白、结构组分 | 寻找必需基因 |
| Betweenness | 信息流控制 | 信号转导中介、调控枢纽 | 发现药物靶点 |
| Closeness | 信息传递效率 | 快速响应环境变化 | 应激反应研究 |
| Eigenvector | 邻居重要性 | 功能模块核心 | 识别疾病模块 |
4.2 结果导出与报告整合
完成分析后，可通过以下方式保存结果：
- 网络图像：
File → Export → Network to Image（推荐PDF/SVG格式） - 数据表格：右键节点表→
Export Table（CSV格式） - 统计分析：使用
Tools → Analyze Network获取全局拓扑参数
为提高可重复性，建议记录关键操作步骤和参数设置。Cytoscape会话文件（.cys）可保存完整分析状态。
4.3 常见问题排查
- 插件无法计算：检查网络是否为无向图（
Edit → Properties → Network） - 结果全为零值：确认边列表已正确加载互作权重
- 可视化异常：尝试调整
Preferences → Visualization中的渲染设置
遇到复杂问题时，可参考Centiscape官方文档或Cytoscape用户论坛。实际分析中，建议先用小型测试网络验证流程，再应用于完整数据集。