根据你描述的"36个模型基因（含7个核心模型基因）PPI网络构建"和"5个Hub基因功能相似网络分析"需求，以下提供分步骤技术方案，包括STRING数据库实操、R语言可视化（复现Fig10A），以及GeneMANIA网站实操（复现Fig10B），确保结果与你的研究描述完全匹配：
一、Fig10A：基于STRING数据库构建36个模型基因的PPI网络（含7个核心模型基因）
1. 数据准备
-
输入基因列表 ：整理36个模型基因的官方基因名（SYMBOL格式，如AURKA、CCNA2等，需确保包含7个核心模型基因），保存为纯文本文件（每行1个基因，无表头），示例如下：
AURKA CCNA2 EZH2 TTK FGFR1 # （后续补充剩余31个模型基因）
2. STRING数据库实操步骤（在线构建PPI）
STRING数据库（https://string-db.org/）是构建PPI网络的标准工具，操作如下：
- 进入STRING主页：选择"Multiple proteins"（多蛋白分析），上传准备好的基因列表文件（或手动粘贴所有基因名）。
- 选择物种：在"Organism"下拉框中选择对应物种（如人类选"Homo sapiens"），点击"SEARCH"。
- 调整网络参数 （关键，匹配你的结果）：
- 置信度阈值：默认"medium (0.4)"，若需筛选高可信度互作（如你提到的"5个模型基因有关系"），可适当提高至"high (0.7)"；
- 隐藏孤立节点：在右侧"Settings"中勾选"Hide disconnected nodes"，移除无互作的基因（确保仅显示有联系的节点）；
- 添加基因标签：勾选"Show node labels"，确保基因名清晰显示。
- 验证结果：确认网络中仅5个模型基因（AURKA、CCNA2、EZH2、TTK、FGFR1）存在互作连线，其余31个基因因无互作被隐藏（与你描述的"5个模型基因有关系"一致）。
- 导出网络 ：
- 点击"Export"→选择"Image"，下载PNG/PDF格式图片（用于Fig10A）；
- （可选）导出数据：选择"Data"→"TSV"，下载互作关系表（含置信度、互作类型等，用于后续R语言复现）。
3. R语言复现Fig10A（可选，更灵活调整样式）
若需自定义网络颜色（如突出7个核心模型基因），可使用STRINGdb包或igraph包复现，代码如下：
r
# 加载包
if (!requireNamespace("STRINGdb", quietly = TRUE)) BiocManager::install("STRINGdb")
if (!requireNamespace("igraph", quietly = TRUE)) install.packages("igraph")
library(STRINGdb)
library(igraph)
# 1. 初始化STRING数据库（人类物种ID=9606）
string_db <- STRINGdb$new(version = "11.5", species = 9606, score_threshold = 700) # 700对应置信度0.7
# 2. 输入36个模型基因（含7个核心基因）
model_genes <- c("aa", "bb", "cc", "dd", "ee", "ff", "gg", ...) # 补充36个基因
# 3. 映射STRING ID并获取PPI网络
string_ids <- string_db$map(data.frame(gene = model_genes), "gene", removeUnmappedRows = TRUE)
ppi_data <- string_db$get_interactions(string_ids$STRING_id)
# 4. 构建igraph网络并筛选高置信度互作
g <- graph_from_data_frame(ppi_data, directed = FALSE)
# 仅保留有互作的节点（匹配你"5个基因有关系"的结果）
g_filtered <- induced_subgraph(g, which(degree(g) > 0))
# 5. 自定义绘图样式（突出5个Hub基因）
model_genes <- c("aa", "bb", "cc", "dd", "ee", "ff", "gg", ...) # 补充36个基因
node_color <- ifelse(V(g_filtered)$name %in% hub_genes, "red", "lightblue") # Hub基因标红
node_size <- ifelse(V(g_filtered)$name %in% hub_genes, 30, 20) # Hub基因节点更大
# 6. 绘制Fig10A
pdf("Fig10A_PPI_Network.pdf", width = 8, height = 6)
plot(g_filtered,
vertex.color = node_color,
vertex.size = node_size,
vertex.label.cex = 0.8, # 基因名大小
edge.width = E(g_filtered)$combined_score / 200, # 连线宽度对应置信度
edge.color = "gray50",
main = "PPI Network of Model Genes (STRING Database)")
# 添加图例
legend("bottomright",
legend = c("Hub Genes", "Other Model Genes"),
fill = c("red", "lightblue"),
border = NA,
bty = "n")
dev.off()二、Fig10B：基于GeneMANIA构建5个Hub基因的功能相似网络
GeneMANIA（https://genemania.org/）可预测基因间的功能关联（共表达、共享蛋白域等），操作如下：
1. 数据准备
- 输入基因列表：5个Hub基因（AURKA、CCNA2、EZH2、TTK、FGFR1），确保为SYMBOL格式。
2. GeneMANIA实操步骤
- 进入GeneMANIA主页：在"Enter genes"框中粘贴5个Hub基因名，选择物种（如"Homo sapiens"），点击"SEARCH"。
- 调整网络参数 （匹配你的结果）：
- 功能关联类型：默认勾选"Co-expression"（共表达）、"Protein domain similarity"（共享蛋白域）、"Genetic interactions"（遗传互作）等，无需额外修改（与你描述的"不同颜色连线代表共表达、共享蛋白域"一致）；
- 预测基因数量：在右侧"Settings"中设置"Number of predicted genes"为20（确保网络包含5个Hub基因+20个功能相似基因，共25个节点）。
- 验证结果：确认网络节点数为25（5个Hub基因+20个预测基因），连线颜色与功能类型对应（如蓝色=共表达、绿色=共享蛋白域，可在页面底部"Legend"查看颜色含义）。
- 导出网络 ：
- 点击"Export"→选择"Image"，下载PNG/PDF格式图片（用于Fig10B）；
- （可选）导出数据：选择"Data"→"Network"，下载功能关联表（含关联类型、得分等）。
3. 图注规范（匹配你的描述）
Fig10B的图注需明确：
"B. GeneMANIA网站预测hub基因的功能相似基因互作网络。图中圆圈代表5个hub基因（AURKA、CCNA2、EZH2、TTK、FGFR1）及20个功能相似基因；不同颜色连线代表基因间的功能关联类型（蓝色=共表达，绿色=共享蛋白域，红色=遗传互作等，具体见图例）。"
三、关键注意事项（确保结果准确）
- 基因名一致性 ：所有步骤使用官方SYMBOL格式（如"AURKA"而非"Aurora A"），避免因别名导致的映射失败；
- 阈值匹配：STRING的置信度阈值（如0.7）需根据你的"5个基因有关系"结果调整，若阈值过低会出现过多无关互作；
- 物种一致性：STRING和GeneMANIA需选择同一物种（如人类），避免跨物种结果偏差；
- 节点数量验证：GeneMANIA的"预测基因数量"需设为20，确保网络总节点数为25（5+20），与你的描述一致。
通过以上步骤，可完整复现Fig10A（STRING构建的36个模型基因PPI网络，仅5个Hub基因有互作）和Fig10B（GeneMANIA构建的5个Hub基因功能相似网络，含20个预测基因），且结果与你的研究描述完全匹配。