怎么用R包STRINGdb來進行蛋白互作網絡分析

這篇文章給大家分享的是有關怎么用R包STRINGdb來進行蛋白互作網絡分析的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

采用R包STRINGdb 來進行蛋白互作網絡分析

差異分析完成之后，可以做一個蛋白互作網絡分析，看看差異蛋白只能有那些基因間存在相互作用。
實現這樣的目標，方法有多種。一般比較常見的是采用STRING 這個網站，在網站上分析。其實采用R包STRINGdb也可以實現。代碼參考如下：

############################################################
# 安裝STRINGdb 軟件包
# source("https://bioconductor.org/biocLite.R")
# biocLite("STRINGdb")
############################################################
library(STRINGdb)

# 設置程序參數
work_dir <- "/Users/zhangqiuxue/Documents/Train/TCGA/lab/PPI" 
deg_file <- "/Users/zhangqiuxue/Documents/Train/TCGA/lab/DEG/DE_genes.txt"

setwd(work_dir)

# 獲取物種的分類編號
# get_STRING_species(version="10", species_name=NULL) 
# 9606 代表人類
string_db <- STRINGdb$new(version="10", species=9606,
                           score_threshold=700, input_directory= work_dir)

# 讀取差異表達的文件，獲得差異表達基因列表
degs = read.table(deg_file,header=T,comment.char = "",check.names=F)
degs$gene <- rownames(degs)
head(degs)

# 查看有多少差異表達的基因需要分析 
cat("Total deg genes:", dim(degs)[1])

# 將基因的ID map 到string 數據庫中， 不一定每個基因都能map上
deg_mapped <- string_db$map( degs, "gene", removeUnmappedRows = TRUE )

# 查看有多少ID map 上了 
cat("Total String id mapped :", dim(deg_mapped)[1])


# 設置繪圖相關的參數
options(SweaveHooks=list(fig=function()
  par(mar=c(2.1, 0.1, 4.1, 2.1))))

# 篩選出一部分結果，進行繪圖
hits <- deg_mapped$STRING_id[1000]

# 繪圖
string_db$plot_network( hits,required_score =700)


# 將所有的結果輸出到文件，后面采用cytoscape 進行網絡分析
info <- string_db$get_interactions(deg_mapped$STRING_id)
write.table(info, file = "STRING_info.txt",sep="\t", row.names =F, quote = F)

# 采用igraph 進行聚類分析
clustersList <- string_db$get_clusters(deg_mapped$STRING_id)

# 設置繪圖參數
options(SweaveHooks=list(fig=function()
  par(mar=c(2.1, 0.1, 4.1, 2.1))))

# 繪制前4個聚類圖
par(mfrow=c(2,2))
for(i in seq(1:4)){
  string_db$plot_network(clustersList[[i]])
}

感謝各位的閱讀！關于“怎么用R包STRINGdb來進行蛋白互作網絡分析”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！