蛋白质互作网络可以帮助我们探索基因家族与哪些蛋白相互作用，挖掘出丰富的信息。不仅限于基因家族，差异表达基因、免疫、胁迫、药物响应相关基因等，都能通过PPI分析发现许多有趣的故事。所以，最近我们来学习这个。
今天先来个入门级，以拟南芥WRKY为例子，然后结合STRING数据库，进行一下PPI的可视化。
一、加载R包
二、加载数据
1、直接去STRING数据库https://string-db.org/（有太多的数据库了，有的是基于实验，一点点验证出来的。有的是基于数据分析而预测的。只能说各有优点。）
2、按照步骤操作
3、这里就可以看图和调整图片
4、结果导出
① 导出生成的图片
② 导出TSV数据文件，自己出图
5、TSV文件
三、数据处理
四、绘制PPI图片（本次介绍使用的是R代码，你也可以用Cytoscape本地客户端进行蛋白互作关系图绘制）
1、图片1代码
2、图片2代码
3、图1和图2放一块代码
4、最终获得以下内容
五、图片该怎么看
1、从代码角度：
① 提取节点和边数据：从提供的PPI数据文件中提取节点（蛋白质）和边（相互作用），并为每个边赋予权重（combined_score）。
② 计算节点流行度：通过计算节点的度（centrality_degree），来量化每个蛋白质的相对重要性。
③ 绘制PPI网络图：利用ggraph包，使用圆形布局（circular = TRUE）绘制PPI网络图。每个节点代表一个蛋白质，边的颜色表示相互作用强度（combined_score），节点的大小与流行度（Popularity）成正比。
⑤ 添加节点标签：在图上每个节点旁边显示对应蛋白质的名称（preferredName），并确保标签不会重叠（使用repel = TRUE）。
2、意义
PPI（蛋白质-蛋白质相互作用）网络图通过可视化蛋白质间的相互作用关系，揭示了不同蛋白质之间的功能联系。每个节点代表一个蛋白质，而边则表示这些蛋白质之间的相互作用，边的颜色和宽度通常用来表示相互作用的强度或可信度。
例如：
① 揭示蛋白质间的功能联系：可以通过观察节点间的连通性来了解哪些蛋白质之间有较强的相互作用，这些蛋白质可能参与相同的生物学过程或在同一信号通路中发挥作用。
② 识别关键蛋白质（Hub Nodes）：通过计算节点的度（即连接的边数），可以识别出网络中的关键蛋白质（Hub Nodes），这些蛋白质通常在生物学过程中起到关键作用，如参与调控、信号转导等。
生物信息学领域非常广泛，难以一次说尽。我们下次继续更新，一起深入学习生物信息学的内容！
喜欢的宝子们点个赞吧~码字不易，且行且珍惜~
