生物信息 R语言和 cytoscape 相互沟通的组件RCy3，构建cytoscape网络表 节点类型表 链接边的表，并推送到cytoscape

下面给出一段完整、可直接运行的 R 代码，完成以下任务：

1. 读入你提供的边列表（tf_top5_all_files_connections.csv）。
2. 根据你给出的 11 个基因符号，把节点标记为 "gene"，其余统一标记为 "tf"。
3. 输出两文件：
   • nodes_type.csv（两列：id, type）
   • edges.csv（与原始边列表完全一致，方便 Cytoscape 导入）
4. 给出在 Cytoscape 里一键导入的示例脚本（cyrest 方式）。

把下面代码整段复制到 R/RStudio 运行即可。

## 0. 如缺少依赖包，先安装
# install.packages(c("tidyverse","igraph","RCy3"))

library(tidyverse)
library(igraph)
library(RCy3)

## 1. 路径设置（改成自己的）
edge_file   <- "tf_top5_all_files_connections.csv"
node_file   <- "nodes_type.csv"
export_edge <- "edges.csv"   # 给 Cytoscape 用的边文件（可选）

## 2. 给定 11 个 gene 符号
gene_symbols <- c("aa","bbbb","vvv")

## 3. 读边并去重
edges <- read_csv(edge_file, col_types = cols()) %>% distinct()

## 4. 生成节点类型表
nodes <- bind_rows(
        tibble(id = unique(edges$Source)),
        tibble(id = unique(edges$Target))
) %>%
distinct() %>%
mutate(type = if_else(id %in% gene_symbols, "gene", "tf"))

## 5. 写出文件
write_csv(nodes, node_file)
write_csv(edges, export_edge)   # 如果原始文件已干净，可省略

## 6. （可选）直接通过 RCy3 导入 Cytoscape
## 6.1 启动 Cytoscape（须先手动打开软件）
cy <- cytoscapePing()           # 测试连接
if(is.null(cy)) stop("请先启动 Cytoscape 并打开 1234 端口！")

## 6.2 创建网络
g <- graph_from_data_frame(edges, directed = FALSE)
createNetworkFromIgraph(g, title = "TF_network")

## 6.3 导入节点属性
loadTableData(nodes, table.key.column = "id")

## 6.4 简单风格：按 type 给颜色
setNodeColorBypass(
  node.names = nodes$id[nodes$type=="gene"],
  new.colors = "#E31A1C"
)
setNodeColorBypass(
  node.names = nodes$id[nodes$type=="tf"],
  new.colors = "#1F78B4"
)

message("节点类型表已保存为 ", node_file, "；网络已推送到 Cytoscape！")

运行完成后，你会得到

• nodes_type.csv：两列，id 与 type（gene/tf）
• edges.csv：与原始边列表一致

在 Cytoscape 里手动导入也行：

1. File → Import → Network from File... 选 edges.csv
2. File → Import → Table from File... 选 nodes_type.csv，关键列选 id，把 type 作为 Node Table 新列即可。

随后用 "Style" 面板按 type 列给节点配色/形状，就能区分 gene 与 tf。

在 Windows / macOS / Linux 上，如果 BiocManager::install("RCy3") 因为依赖缺失而中止，可以用下面 一行命令 把 RCy3 及其所有递归依赖一次性强制装齐。

把整段代码直接粘进 全新 R 会话 （管理员/普通用户均可）即可------无需手动逐个装依赖。

## 0. 如果还没装 BiocManager 先装
if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager", repos = "https://cloud.r-project.org")

## 1. 强制安装 RCy3 + 全部递归依赖（Bioconductor + CRAN）
##    使用 ask = FALSE 避免交互，force = TRUE 强制重装
BiocManager::install("RCy3",
                       dependencies = TRUE,   # 递归依赖
                       ask          = FALSE,  # 不提问
                       force        = TRUE)   # 强制装

## 2. 验证
library(RCy3)
cytoscapePing()   # 若返回 "Hello Cytoscape" 即成功

---

常见问题速查

1. R 版本太旧
   报错类似 "Bioconductor version '3.xx' requires R '≥4.x'" → 先升级 R 再跑上面代码。

2. 编译工具缺失（Linux）
   若看到 "gcc / g++ not found" ，Ubuntu / Debian 终端跑：

   sudo apt-get update
   sudo apt-get install build-essential libcurl4-gnutls-dev libxml2-dev libssl-dev

3. CRAN 镜像被墙
   在 install.packages() 或 BiocManager::install() 里加：

   repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")

4. Bioconductor 镜像被墙
   运行一次：

   BiocManager::repositories()
   options(BioC_mirror = "https://mirrors.tuna.tsinghua.edu.cn/bioconductor")

执行完以上步骤后，RCy3 及其 所有依赖 都会装好，可直接 library(RCy3) 继续前面的网络导入脚本。