相互作用网络分析基础
前几天，我们对富集分析进行了简单的介绍（ 基因富集分析算法介绍）以及介绍了一个进行基因功能富集分析的网站（ WebSestalt富集分析软件），但其中提到的拓扑网络分析介绍的比较少。今天我们就来说一说基本的网络分析是什么。
网络分析概述
基于ORA和GSEA的分析，主要还是基于基因的功能来进行富集的一种分析方式。网络分析虽然也算是一种富集分析，但是这个分析的思想还是主要观察基因与基因之间的相互作用关系来寻找更重要的基因。我们都知道，一个基因要行使功能，肯定不是独立地行驶功能的，而是通过和其他基因相互作用来发挥作用的。我们通过基因与基因的相互作用关系就可以得到一个类似于基因网络的结果。(其实网络分析不限于基因，对于人际关系等等只要是可以形成相互作用的数据都可以通过网络来进行可视化)
网络分析的基本组成
通过观察上图，我们可以发现，这个网络图当中其实包括主要包括两个成分：节点和连接线。我们在描述一个网络的时候，基本上都要对这两个成分进行描述。
顶点/节点 (vertex/node)：在上面的网络图当中，我们可以看到，有很多橙色的圆球，这些圆球我们称之为节点。这个就代表人际关系网络当中的每一个人或者基因相互作用关系当中的每个基因。节点数的多少代表我们纳入的个体的多少。
连接线 (edge)：在网络图当中的，两个不同节点之间是否有相互作用关系我们是通过连接线来表示的。如果两个节点之间是有相互作用关系的，那我们就会画上一条线。
网络分析的方向性
对于基因网络而言，一般我们预测到的都是没有方向性的。但是一般的网络是分成有方向和没有方向的。对于有方向的网络，我们有基于网络的方向性来进行统计，而对于没有方向性的就直接统计其连接关系就行。例如下图其实就是一个有方向的网络图。
核心节点确认
我们做网络分析的目的，除了展示各个节点之间的相互作用关系之外，还要对整个网络来进行分析。在网络分析当中有很多专业的名字，我们常用的一个就是度(degree)，这个是筛选核心节点的一个标准。
所谓的degree，代表着一个节点和多少个其他节点的有连接。我们认为在一个网络当中，如果一个节点和很多节点都有联系的话，那么这个节点的变化就可以影响很多节点跟着变化。这种自身变化可以影响很多节点跟着变化的节点，我们就可以看作核心节点。
按照下图来说的话，node1和4个节点存在相互作用关系，所以node1的degree是4；node3只有一个相互作用关系所以它的degree就是1，相比较而言node1肯定是更加重要的节点了。
另外呢，上面所要求的degree是基于没有方向的而言的。如果有方向的话。就有评估in-degree和out-degree了。计算方法其实也就是基于方向区分开就行。
写在最后
今天我们就简单介绍了一下网络分析当中的一些基本的内容。对于蛋白相互作用网络而言，还没有进行分析。对于蛋白相互作用网络的分析，我们用的最多的还是String数据库哦！可以参考昨天的帖子。
文章被以下专栏收录
