本节概览：
1.STRING数据库基本介绍
2.STRING R语言版——STRINGdb的使用：
①STRINGdb数据库导入 ②获取STRING_id ③PPI绘制
④clustering分簇 ⑤富集分析 ⑥获取蛋白互作信息
3.STRING 网页版的简单使用：
文件上传、各选项设置、数据导出
在得到我们感兴趣的基因集后，除了对其进行GO等富集分析查看与什么重要的生物学通路相关，还可以进行PPI蛋白互作网络（PPI, Protein-Protein Interaction Networks）的构建，查看这些基因之间的联系，进而锁定关键基因。
关于关键基因、hub基因，这篇文章说得很详细：关键基因和hub基因（生物网络角度）。
构建PPI网络一般需要使用string数据库获取蛋白互作信息以及进行互作网络的可视化。下面探究一下STRING数据库的网页和R语言版的使用：
其他数据库的使用：
跟着Cell学作图|9.PPI分析(GeNets数据库)
1. STRING 数据库基本介绍
官网： STRING: functional protein association networks (string-db.org)
R语言版本：Bioconductor - STRINGdb
- STRING是一个已知和预测的蛋白质-蛋白质相互作用的数据库。
相互作用包括直接(物理)和间接(功能)联系;它们源于计算预测、生物之间的知识转移，以及其他(主要)数据库聚合的交互作用。
STRING中的相互作用有五个主要来源：基因组预测、高通量实验、（保守的）共表达实验、自动化文本挖掘、数据库相关知识。
STRING数据库目前涵盖了来自5′090个物种的24′584′628个蛋白质。
image.png
2. STRING的R语言版——STRINGdb的使用
STRINGdb说明书：STRINGdb.pdf (bioconductor.org)或使用命令vignette("STRINGdb")在本地查看说明书。查看STRINGdb的函数帮助文档比较特殊，要用STRINGdb$help("get_graph")的形式。
使用STRINGdb时，参数species代表NCBI Taxonomy物种编码，可在此查询：https://cn.string-db.org/cgi/input.pl?input_page_active_form=organisms，其中人为9606，小鼠为10090 。
① STRINGdb数据库导入
- 首先选择载入的STRINGdb数据（数据库版本、物种、蛋白互作得分）和之前基因差异分析得到的DEG。
STRINGdb$new设置使用最新的11.5版本数据库，物种选择为小鼠（人9606，小鼠10090 ），蛋白互作得分阈值选择700（默认400, 低150，高700，极高900，越高可信度越强）。
DEG结果中选取前100显著差异基因用于后续分析，并将其基因名保存为gene_diff100.txt文件用于后续STRING网页版的使用（特别注意write.table要设quote = F，让字符不要带引号 ，否则后续上传 STRING容易识别错误）
rm(list = ls())
options(stringsAsFactors = F)
library(tidyverse) # ggplot2 stringer dplyr tidyr readr purrr tibble forcats
library(STRINGdb) #BiocManager::install(c("STRINGdb","igraph"),ask = F,update = F)
library(igraph)
setwd("C:/Users/Lenovo/Desktop/test")
load(file = './3.DEG/test_DEG_results.Rdata')
dir.create("7.PPI")
setwd("7.PPI")
######################### 选择STRINGdb类型 #########################
string_db <- STRINGdb$new( version="11.5", #数据库版本。截止2022.5.24最新为11.5
species=10090, #人9606，小鼠10090
score_threshold=700, #蛋白互作的得分 默认400, 低150，高700，极高900
input_directory="") #可自己导入数据
########################## 获取DEG结果 ############################
## 筛选条件设置
log2FC_cutoff = log2(2)
pvalue_cutoff = 0.05
padj_cutoff = 0.05
## 选择DEG
need_deg <- DEG_DESeq2[,c(2,5,6)] ; head(need_deg)
colnames(need_deg) <- c('log2FC','pvalue','padj'); head(need_deg)
need_deg$gene <- rownames(need_deg); head(need_deg) #gene symbol或ENTREZID都可
if(T){
gene_up=need_deg[with(need_deg,log2FC>log2FC_cutoff & pvaluelog2FC_cutoff & pvalue ② 获取STRING_id
- 使用
map获取基因名对应的STRING_id用于绘制string_PPI ， 基因名为gene symbol或ENTREZID都可以直接对应获取STRING_id
dat_map <- string_db$map(my_data_frame=dat,
my_data_frame_id_col_names="gene", #使用gene symbol或ENTREZID都可
removeUnmappedRows = TRUE )
hits <- dat_map$STRING_id
③ PPI蛋白互作网络绘制
- 完成以上步骤后使用
plot_network即可绘制PPI图，还可以给PPI添加上下调信息（上调标记为红色光环，下调标记为绿色光环）
## PPI
png("string_PPI.png",units="in",width = 10,height = 10, res=400)
string_db$plot_network(hits)
dev.off()
## PPI_halo #给PPI添加上下调信息
# filter by p-value and add a color column(i.e.green for down and red for up genes)
dat_map_color <- string_db$add_diff_exp_color(subset(dat_map, pvalue<0.01),
logFcColStr="log2FC" )
payload_id <- string_db$post_payload(dat_map_color$STRING_id,
colors=dat_map_color$color)
png("string_PPI_halo.png",units="in",width = 10,height = 10, res=400)
string_db$plot_network(hits, payload_id=payload_id )
dev.off()
④ clustering分簇
- STRINGdb还能调用iGraph进行PPI的clustering分簇，
get_clusters有这些算法可以选择: fastgreedy(默认), walktrap, edge.betweenness，以下代码演示了用 fastgreedy方法对PPI进行clustering，并展示前6个cluster
## iGraph clustering 互作网络分簇
#algorithm: fastgreedy(默认), walktrap, edge.betweenness
clustersList <- string_db$get_clusters(string_ids = hits ,
algorithm = "fastgreedy" )
# plot first 6 clusters.
png("string_PPI_iGraph_cluster.png",units="in",width = 15,height = 10,res=400)
par(mfrow=c(2,3))
for(i in 1:6){
string_db$plot_network(clustersList[[i]])
}
dev.off()
⑤ 富集分析
- 除了以上功能，STRINGdb还能对基因集进行富集分析，参数category指定要使用的数据库（默认为All），其中Process, Component, Function分别对应GO的BP,CC,MF三个子集
#category: All, Process, Component, Function, Keyword, KEGG, RCTM, Pfam, SMART, InterPro
enrichment <- string_db$get_enrichment(string_ids = hits,
category = "Process" )
write.csv(enrichment,"enrichment_GO_BP.csv")
⑥ 获取蛋白互作信息
- 最后，可使用
get_interactions获取蛋白互作信息，再转换stringID为 gene symbol，去除重复（每个相互作用会出现两次），之后导出string_link.csv文件，可在Cytoscape中进一步进行多种可视化操作
############################## 获取蛋白互作信息用于后续可视化 ###############3
dat_link <- string_db$get_interactions(hits)
# 转换stringID为 gene symbol
dat_link$from <- dat_map[match(dat_link$from,dat_map$STRING_id),'gene']
dat_link$to <- dat_map[match(dat_link$to,dat_map$STRING_id),'gene']
colnames(dat_link) <- c('node1','node2','combined_score')
# 去除重复
dat_link <- dat_link %>% distinct(node1, node2, .keep_all = T)
write.csv(dat_link,'string_link.csv',row.names = F,quote = F)
3. STRING网页版的简单使用
-
登录STRING网页STRING: functional protein association networks。
在Mutiple proteins中上传我们前面得到的gene_diff200.txt，或者直接将基因名粘贴在第一个框中，再选择物种organism为Mus musculus。
点击SEARCH，会进行匹配string中对应的蛋白，大致预览一下确认正确后，点击CONTINUE即可得PPI图像
- 在分析界面的Vierws选项下可以选择多种展现方式，Legend选项下展现图像各标记的含义；
Vierws选项
Legend选项
- Settings选项下有多项参数可以选择，例如minimum required interaction score可以选择高可信度0.700（默认为0.400），选择完成后点击UPDATE即可更新图像。
可以看到调整可信度为0.700后与之前在R中所得图像是一致的
-
Analysis选项下有PPI网络的相关节点信息与GO、KEGG等富集分析结果
Analysis选项 -
Cluster选项下还可以对PPI网络进行分簇，选择分簇方法（如：kmeans clustering）和分簇数量（如：4）后点击APPLY即可，不同分簇会用不同颜色标注出来
Cluster选项
Cluster图像 -
在Export选项下进行数据导出，一般选择下载高分辨率的PNG图片与蛋白互作关系TSV文件（下图黄色标记处），TSV文件用于后续在Cytoscape中进一步可视化PPI网络
Export选项
参考资料
STRINGdb.pdf (bioconductor.org)
用R的bioconductor里面的stringDB包来做PPI分析 | 生信菜鸟团 (bio-info-trainee.com)
RNA-seq实战系列文章：
RNA-seq入门实战（零）：RNA-seq流程前的准备——Linux与R的环境创建
RNA-seq入门实战（一）：上游数据下载、格式转化和质控清洗
RNA-seq入门实战（二）：上游数据的比对计数——Hisat2+ featureCounts 与 Salmon
RNA-seq入门实战（三）：从featureCounts与Salmon输出文件获取counts矩阵
RNA-seq入门实战（四）：差异分析前的准备——数据检查
RNA-seq入门实战（五）：差异分析——DESeq2 edgeR limma的使用与比较
RNA-seq入门实战（六）：GO、KEGG富集分析与enrichplot超全可视化攻略
RNA-seq入门实战（七）：GSEA——基因集富集分析
RNA-seq入门实战（八）：GSVA——基因集变异分析
RNA-seq入门实战（九）：PPI蛋白互作网络构建（上）——STRING数据库的使用
RNA-seq入门实战（十）：PPI蛋白互作网络构建（下）——Cytoscape软件的使用
RNA-seq入门实战（十一）：WGCNA加权基因共表达网络分析——关联基因模块与表型