KEGGgraph：根據kgml 文件從pathway中重構出基因互作網路

包可以解析kgml 文件，從中得到不同對象之間的網路結構，並在此基礎上進一步挖掘其中的信息。

包提供了以下3種基本功能：

將kgml 文件轉換為基因互作網路

用法示例

在 parseKGML2Graph 中，有兩個參數，expandGenes 和 genesOnly。

控制是否將基因進行展開，在pathway 中，會有1個KO 對應多個gene的情況，比如下面這種

表示將基因展開，每個基因作為一個節點。

參數控制是否將其他類型的entry （比如compound等類型）展現在network 中，默認值為 TRUE，所以最終得到的network 中節點全部是基因。

通過parseKGML2Graph 這一步我們就可以從一張pathway 中得到基因產物（蛋白）的互作網路， 還需要注意一點，整個網路是一個有向圖， 因為基因產物之間的互作關係是由方向性的。

對network 進行可視化

由於自帶的可視化不夠美觀，我們把nodes和edges 寫入文件，用cytoscape 進行可視化，用法示例

導入cytoscape 畫出來的圖

查詢節點的信息

對於一個netwrok 而言，每個節點的degree 信息是我們最常用的信息， 示例

由於是有向圖，所以有入度 indegrees 和 出度 outdegrees 的概念。

除了以上基礎功能外，還可以藉助其他的R包進一步挖掘信息，比如在整個基因互作網路， 哪個基因是最關鍵的。

示例：

對於network 而言，我們一般認為degree 越大的點在這個網路中越重要，所以需要看節點的degree 信息。除了這種基本的認識外，還有很多成熟的演算法，從network 中挖掘關鍵節點。 包提供了Brandes 的演算法，用來衡量節點在網路中的重要性，上面的結果中，toprbccs 就是我們篩選出的4個比較重要的節點。

總結

使用包，我們可以方便的從pathway中得到基因戶做網路；

可以將network 中的nodes和edges 信息導出，使用cytoscape 可視化；

可以藉助其他成熟的演算法挖掘基因互作網路中的關鍵基因；

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！