GN/MCL/Kmeans聚类
用途
基于STRING数据库，自动构建基因集蛋白互作网络，同时输出3种聚类结果
运行方式
使用如下方式自定义数据库或使用默认物种数据库，均可运行
SDAS PPI --input gene_300.txt --species human --score_threshold 600 --centers 9 --output results_300
SDAS PPI -i gene_300.txt -o ./result --species human --cluster GN kmeans
SDAS PPI -i gene_300.txt -o ./result --links_db 9606.protein.links.v12.0.txt --aliases_db 9606.protein.aliases.v12.0.txt --cluster GN kmeans
输入参数说明
| 参数 | 是否必须 | 默认值 | 描述 |
|---|---|---|---|
| -i/--input | 是 | 输入基因名列表文件（基因symbol，每行一个） | |
| -o/--output | 是 | 输出文件夹，未创建则自动新建 | |
| --species | 否 | human | 物种（human/mouse），（自定义数据库时可忽略该参数，输入--links_db与--aliases_db） |
| --links_db | 否 | 自定义蛋白互作文件路径（与--species互斥） | |
| --aliases_db | 否 | 自定义蛋白别名文件路径（与--species互斥） | |
| --score_threshold | 否 | 700 | 蛋白间互作分数阈值，在400-900中选择，分数越大可信度越高，网络节点越少，默认700 |
| --cluster | 否 | GN | 聚类算法（GN/kmeans/mcl），可多选，使用空格连接，默认GN |
| --centers | 否 | 5 | kmeans聚类中心数，默认5 |
| --inflation | 否 | 2.0 | MCL聚类inflation参数，1.5-3.0，默认2.0 |
输出结果展示
| 结果文件 | 描述 |
|---|---|
PPI_results.csv |
两基因间互作分数，支持Cytoscape导入 |
cluster_results.csv |
输入基因节点连接度及聚类归属 |
network_<cluster>_visualization.png/pdf |
所有基因互作网络图，连线粗细代表互作分数大小，节点大小代表连接度，颜色为聚类 |
network_<cluster>_top_clusters.png/pdf |
节点数量最多的9个cluster分簇绘制网络图，节点数小于50时，circle模式排列，大于50时全局排列（对选定的聚类方式会分别出图） |
- 蛋白互作关系表：
PPI_results.csv每行表示一对基因的互作分数，可直接导入Cytoscape。
| from_gene | to_gene | combined_score |
|---|---|---|
| MEPIA1 | CDH17 | 466 |
| LGLA3 | CDH17 | 561 |
| PTK2 | CDH17 | 482 |
- 聚类结果表：
cluster_results.csv每行一个基因，包含其连接度（与多少基因有互作关系）、各聚类算法归属的cluster。
| gene | degree | mcl_cluster | kmeans_cluster | betweenness_cluster |
|---|---|---|---|---|
| MEPIA1 | 6 | 1 | 2 | 5 |
| LGLA3 | 5 | 1 | 2 | 5 |
- 互作网络可视化图:
network_<cluster>_visualization.png/pdf：展示所有基因互作网络，节点间连线粗细代表互作分数大小，相同颜色为一个cluster，节点大小表示连接度大小。（对选定的聚类方式会分别出图）。
- 最大聚类子网圈图:
network_<cluster>_top_clusters.png/pdf展示节点数量最多的9个cluster分簇绘制网络图，节点数小于50时，circle模式排列，大于50时全局排列。
性能说明
需要几分钟运行时间，内存消耗1G以内