基于R语言构建药物-靶点相互作用网络的技术求助

问题根源解析 #

• cor_auto(tb)报错：tb是table类对象，包含因子型的行名和列名，cor_auto仅支持数值型矩阵/数据框输入，无法识别该结构。
• 全量数据用cor()无响应：药物-靶点关联是二元（0/1）数据，皮尔逊相关并非合适的相似性指标，且大矩阵的相关计算时间复杂度极高，导致程序卡死。

解决方案步骤 #

1. 转换为药物-靶点二元矩阵 #

先把原始药物-靶点配对数据转换成数值型二元矩阵（行=药物，列=靶点，有相互作用记1，无则记0），替代原来的table对象：

library(dplyr)
library(qgraph)
library(proxy) # 用于高效计算相似性
library(tidyr)

# 读取全量数据（假设文件名为drug_gene.txt）
df <- read.table("drug_gene.txt", header = TRUE, comment.char = "#")

# 转换为二元矩阵
drug_gene_matrix <- df %>% 
  mutate(value = 1) %>% 
  pivot_wider(names_from = Gene, values_from = value, values_fill = 0) %>% 
  column_to_rownames("Drug") %>% 
  as.matrix()

2. 计算药物相似性矩阵（替代cor/cor_auto） #

对于二元关联数据，应使用基于共享靶点的相似性度量（如Jaccard指数），计算效率远高于皮尔逊相关，且更贴合药物相似性的业务逻辑：

# 计算Jaccard相似性矩阵（衡量两个药物共享靶点的比例）
similarity_matrix <- proxy::simil(drug_gene_matrix, method = "Jaccard", by_rows = TRUE)

# 转换为qgraph支持的矩阵格式
similarity_matrix <- as.matrix(similarity_matrix)

注：可替换method参数使用其他相似性指标，比如"cosine"（余弦相似度），均适合二元数据场景。

3. 构建网络并检测社区 #

用qgraph构建网络，同时内置社区检测算法分析药物集群：

# 构建网络，设置阈值过滤弱相似性边（可选，避免边过多）
drug_network <- qgraph(similarity_matrix, 
                       edge.labels = FALSE,
                       community = "walktrap", # 社区检测算法
                       threshold = 0.2, # 过滤相似性低于0.2的边，可按需调整
                       layout = "spring", # 网络布局算法
                       verbose = TRUE)

# 查看社区划分结果
print(drug_network$groups)

4. 全量数据的优化技巧 #

• 阈值过滤：先设置合理的相似性阈值，只保留高相似性的边，大幅减少计算量。
• 稀疏矩阵优化：若数据量极大，可将二元矩阵转换为稀疏矩阵节省内存，再计算相似性：

library(Matrix)
# 转换为稀疏矩阵
sparse_matrix <- as(drug_gene_matrix, "dgCMatrix")
# 计算稀疏矩阵的Jaccard相似性
similarity_sparse <- proxy::simil(sparse_matrix, method = "Jaccard", by_rows = TRUE)

关键说明 #

药物-靶点的二元数据是离散的关联标记，皮尔逊相关衡量的是线性关系，无法准确反映药物间的功能相似性；而Jaccard或余弦相似度直接基于共享靶点的比例计算，更贴合药物相似性的业务逻辑，且计算效率更高。

内容的提问来源于stack exchange，提问作者OLGJ