BioF3 组学数据分析

07 蛋白互作网络与 STRING

导出日期：2026年6月27日

07 蛋白互作网络与 STRING

差异蛋白列表常常是几十到几百个，单独看每个蛋白意义不大。互作网络能把它们组织成"模块"——同一个复合物或通路的蛋白会聚在一起，让生物学故事浮出来。STRING 是目前最常用的免费蛋白互作数据库。

STRING 的关键概念

概念 含义
Combined score 7 种证据综合的互作可信度（0-1000）
Experimental 实验直接验证的互作（亲和纯化、Y2H 等）
Database KEGG/Reactome 等通路库的共注释
Coexpression 共表达证据
Textmining 文献共出现

实际筛选时建议 combined score ≥ 700（high confidence），如果蛋白少可以放到 ≥ 400（medium）。

R 端调用 STRINGdb

library(STRINGdb)

# 物种 ID：9606=人，10090=小鼠
string_db <- STRINGdb$new(version = "12.0",
                          species = 9606,
                          score_threshold = 700,
                          input_directory = "")

# 把基因符号映射到 STRING ID
mapped <- string_db$map(diff_genes, "gene", removeUnmappedRows = TRUE)

# 取互作子图
hits <- mapped$STRING_id
links <- string_db$get_interactions(hits)

# 富集分析（在差异蛋白集合内做）
enrichment <- string_db$get_enrichment(hits)

get_enrichment 返回 GO / KEGG / Reactome / 域 / 蛋白家族等多种富集，比单独跑 clusterProfiler 更全。

网络可视化：igraph + ggraph

STRING 网页图好看但不便复用。R 里用 igraph 构图，ggraph 出版级可视化：

library(igraph)
library(ggraph)
library(dplyr)

# 构建无向图
g <- graph_from_data_frame(
  d = links %>% select(from, to, weight = combined_score),
  vertices = mapped %>% select(STRING_id, gene, logFC, padj),
  directed = FALSE
)

# 度中心性
V(g)$degree <- degree(g)

# 模块检测（Louvain）
clusters <- cluster_louvain(g)
V(g)$module <- membership(clusters)

ggraph(g, layout = "fr") +
  geom_edge_link(aes(alpha = weight / 1000), color = "grey50") +
  geom_node_point(aes(size = degree, fill = logFC),
                  shape = 21, color = "white", stroke = 0.5) +
  geom_node_text(aes(label = ifelse(degree > 5, gene, "")),
                 repel = TRUE, size = 3) +
  scale_fill_gradient2(low = "#2563eb", mid = "white", high = "#dc2626") +
  scale_size_continuous(range = c(2, 8)) +
  theme_void()

度中心性 degree 反映"枢纽"程度——网络里 hub 蛋白往往是关键调控因子。

模块解释：每个模块跑富集

Louvain 把网络切成几个相对独立的模块，每个模块单独做富集能看出"这个模块是干嘛的"：

library(clusterProfiler)
library(org.Hs.eg.db)

module_enrich <- lapply(unique(V(g)$module), function(m) {
  genes <- V(g)$gene[V(g)$module == m]
  enrichGO(genes, OrgDb = org.Hs.eg.db, keyType = "SYMBOL",
           ont = "BP", pAdjustMethod = "BH",
           pvalueCutoff = 0.05)
})

# 每个模块的 top 3 GO term
lapply(seq_along(module_enrich), function(i) {
  e <- module_enrich[[i]]
  if (!is.null(e) && nrow(e@result) > 0) {
    data.frame(module = i, term = head(e@result$Description, 3))
  }
})

进阶：Cytoscape 联动

复杂网络在 Cytoscape 里编辑更顺手。RCy3 可以把 R 里的图直接送到 Cytoscape：

library(RCy3)

# Cytoscape 需要先打开
createNetworkFromIgraph(g, "DEP-network")
setNodeColorMapping("logFC", c(-2, 0, 2),
                    c("#2563eb", "white", "#dc2626"),
                    style.name = "default")

然后在 Cytoscape 里手动调整布局、加注释、导出 PDF。

报告中的关键参数

常见坑

坑 1：combined score 阈值设太低导致假互作泛滥

STRING 的 combined score 400（medium confidence）会包含大量 text-mining 和 co-expression 的"互作"，这些不是物理结合。如果图里节点密密麻麻全连在一起，说明阈值太松。建议 ≥ 700（high confidence），如果要更严格用 ≥ 900（highest）。

坑 2：hub 基因膨胀——高连接度 ≠ 关键调控因子

网络里 degree 最高的蛋白（如 UBC、TP53、AKT1）几乎在所有实验里都是 hub，因为它们在 STRING 数据库里本身就有海量注释。这种"明星蛋白"的高连接度反映的是研究偏好（study bias），不是你实验的特异发现。报告 hub 时应该和随机背景比较。

坑 3：Louvain 模块不稳定

Louvain 社区检测有随机性，每次运行可能给出不同模块划分。跑 10 次取共识，或者用 Leiden 算法（更稳定）。如果模块划分每次都不同，说明网络本身没有清晰的社区结构，不要强行解读。

坑 4：只看 STRING 网页图不导出数据做统计

STRING 网页提供的 enrichment 分析不能自定义背景集，也不方便做多重校正调参。建议用 R 的 STRINGdb 包拉数据，在本地用 clusterProfiler 做富集分析，背景集设为"实验中检测到的全部蛋白"。

下一步

接着深入：

横向延伸：

参考资源