如何使用R的igraph为带组织信息的蛋白互作数据构建无向图

数据结构选择结论 #

优先选择边列表作为输入结构，完全可以保留所有组织特异性标注信息，不推荐使用邻接矩阵，原因如下：

• 邻接矩阵单单元格仅能存储单一数值，无法同时存储多个组织的二元标注，若按组织单独构建邻接矩阵，组织数量较多时管理成本极高
• 20万条互作对应的蛋白节点数量通常在数千到数万级别，邻接矩阵会产生极高的稀疏度，内存占用是边列表的数十到上百倍，运行效率极低
• 边列表支持直接绑定自定义边属性，可直接将所有组织标注作为边属性存储在igraph对象中，后续按组织筛选、统计都更便捷

具体实现代码示例 #

# 加载依赖包
library(igraph)
library(dplyr)

# 假设df为通过DBI/RMySQL从MySQL读取的原始互作数据表
# 提取所有组织列的列名
tissue_cols <- setdiff(colnames(df), c("symbol1", "symbol2"))

# 预处理：过滤所有组织标注均为0的无效互作行
df_clean <- df %>%
  filter(rowSums(across(all_of(tissue_cols))) > 0)

# 基于边列表构建无向图，所有组织列自动转为边属性存储
ppi_graph <- graph_from_data_frame(df_clean, directed = FALSE)

常用操作示例 #

如果需要提取单组织的特异性PPI子网络，直接按边属性筛选即可：

# 提取骨组织(bone)的特异性互作子网络
bone_ppi <- subgraph.edges(ppi_graph, which(E(ppi_graph)$bone == 1))

# 提取肾上腺(adrenal_gland)的特异性互作子网络
adrenal_ppi <- subgraph.edges(ppi_graph, which(E(ppi_graph)$adrenal_gland == 1))

内容的提问来源于stack exchange，提问作者bi.nb21