基于Cytoscape的蛋白質網絡可視化聚類分析插件

唐 羽，李 敏

(中南大學信息科學與工程學院，長沙410083)

蛋白質是生物完成各種生命活動，實現各種生命功能所必需的大分子物質。生物體的各種功能并不是通過單個蛋白質表現出來，而是通過眾多蛋白質之間在特定條件下的相互作用才能表現出一定的功能。生物系統是由許多相互作用的、相對獨立的結構化功能模塊組成，識別出這些模塊對于理解生物系統的組織結構具有重要意義。聚類分析是識別這些功能模塊的有效手段。

蛋白質網絡可視化對于更快速，更有效，更直觀的分析蛋白質網絡特性起到了重要的作用。尤其是對蛋白質網絡作聚類分析的時候，聚類分析結果的可視化處理無疑將有利于更快速地得出正確結論。因此，本文將蛋白質網絡的聚類分析和生物網絡可視化功能相結合，開發了一個集成于Cytoscape［1］的蛋白質網絡聚類分析和顯示插件CytoCluster。

本插件不僅集成了 MCODE［2］，FAG － EC［3］，HC－PIN［4］，OH －PIN［5］，IPCA［6］，EAGLE［7］等六種典型的聚類算法，實現了使用多種算法對網絡進行聚類分析，而且還提供了聚類結果可視化功能，能，將分析所得的clusters以縮略圖列表的形式直觀地顯示出來，對于單個cluster，可顯示在原網絡中的位置，并能生成相應的子圖單獨顯示，有助于研究人員對cluster功能特性更深入研究。CytoCluster創造了一個更快速，更有效，更直觀的分析蛋白質網絡特性的研究環境，可為生物學家提供更加有價值的參考信息。

1 系統原理及總體結構

1.1 系統功能模型

本系統旨在基于Cytoscape這個可視化平臺對蛋白質網絡進行聚類分析，系統功能模型分為了聚類分析與界面控制兩大模塊，其中界面控制部分由Bundle控制、面板控制、聚類結果可視化、結果排序、導出結果等五個子模塊構成。如圖1所示。

圖1 系統功能模型圖Fig.1 System function model

1.2 系統集成的聚類算法

本系統集成了 MCODE、FAG－EC、HC－PIN、OH－PIN、IPCA、EAGLE等六種典型的網絡聚類算法，具體介紹如下。

MCODE(The molecular complex detection algorithm)算法是一種基于密度的非交疊式聚類算法。該算法以種子節點為中心進行擴展在其鄰居節點中尋找滿足要求的節點，從而形成一個功能模塊，最早在Bader etal的早期文章以及文獻［8］中被提出，針對通過構建cluster來在蛋白質相互作用網絡中檢測復合物。其核心思想是以局部密度所定義的adhoc網絡為根據，分離局部稠密區域。

FAG－EC(Fast agglomerate algorithm)算法是基于邊聚類系數(Edge clustering coefficients)的非交疊式聚類算法，速度上的優越性比較明顯。該算法采用自底向上的凝聚算法進行模塊識別，并提出了一個新的參數化的模塊定義。通過將按聚集系數非增序排列的邊序列逐條加入初始化為單個節點的各個模塊中來合并各個團，直到達到定義的模塊要求。

HC－PIN(Fast hierarchical clustering algorithm)算法是一個快速層次非交疊式聚類算法，由FAGEC算法改良而來，同樣采用自底向上的凝聚算法進行模塊識別，不同的是，該算法以邊聚類值(Edge clustering value)為基礎，即可應用于無權網絡也可用于加權網絡的聚類分析。

OH－PIN(Identification of hierarchical and overlapping functional modules)算法是可識別層交疊蛋白質功能模塊的凝聚式層次算法，以M_clusters，λ－module，以及cluster間的聚集系數為基礎進行聚類計算，在功能富集化以及比較已知蛋白質復合物方面，性能優于較為優越。

IPCA(Clusteralgorithm based on the new topological structure)算法由 DPClus［9］算法改良而來的基于密度的算法。該算法利用一種新型拓撲結構來預測網絡中蛋白質復合物，以子圖直徑(或節點平均距離)和子圖密度來對識別過程進行控制調節，可識別交疊的蛋白質功能模塊，在尋找已知蛋白質復合物方面，性能表現良好。

EAGLE(Agglomerative hierarchicalclustering based on maximal clique)算法，是一種可以識別交疊功能模塊的凝聚式層次算法，以極大團為基礎，通過逐步合并相似性最大的兩個團，找到最優劃分方法來實現的。

1.3 系統主要功能模塊

(1)聚類分析模塊:實現 MCODE，FAG－EC，HC－PIN，OH－PIN，IPCA，EAGLE等六種算法的具體分析過程。初步得出聚類分析結果。

(2)Bundle控制模塊:由于Cytoscape3.0采用了OSGi進行架構，因此在Cytoscape平臺上運行的大型插件只能以Bundle Apps的形式出現。該模塊實現CytoCluster激活關閉服務調用等功能。

(3)面板控制模塊:該模塊負責插件整體界面實現，由APP菜單、參數面板、各個算法面板以及聚類結果面板等子模塊構成。

(4)聚類結果可視化模塊:該部分將初步聚類分析結果可視化的呈現出來，主要包括聚類結果列表中cluster縮略圖的實現，顯示單個cluster在原網絡中的位置，以及生成并單獨顯示被選中的cluster子圖。

(5)導出結果模塊:負責對聚類結果進行導出，對本次分析使用的算法、參數以及所得的cluster的具體信息進行了詳細地記錄。

2 系統設計與實現

2.1 系統主要數據結構

為了實現對待分析網絡聚類分析識別出功能模塊，并將識別結果顯示給用戶，并提供進一步的分析處理，CytoCluster系統類圖如圖2。需要用到的類和對象如下:

圖2 CytoCluster類圖Fig.2 Class diagram of CytoCluster

(1)CyActivator:系統入口，將插件在OSGi框架中激活或關閉，調用系統服務等。

(2)MainPanel:程序主面板。

(3)ResultPanel:結果顯示面板。

(4)Algorithm:程序聚類算法實現類。

(5)AnalyzeAction:實現對analyze按鈕的響應，調用AnalyzeTaskFactory開始聚類分析

(6)AnalyzeTaskFactory:該類用于產生AnalyzeTask。

(7)AnalyzeTask:該類是聚類分析的入口，負責實現用戶選擇的聚類算法

(8)MyTipTool:可顯示多行文字的提示工具。

(9)CollapsiblePanel:可折疊的面板。

(10)Cluster:CytoCluster使用的表示一個功能模塊所采用的數據結構。

(11)Clique:CytoCluster中表示極大團所采用的數據結構。

(12)ParameterSet:聚類分析時所用的參數集合。

(13)ClusterLayout:CytoCluster使用的節點布局，在ClusterUtil中生成模塊圖像和創建子圖時用到。

(14)ClusterVisualStyle:CytoCluster使用的視圖顯示風格，在ClusterUtil中生成模塊圖像

(15)ClusterUtil:包含對得到的功能模塊集合Cluster［］進行的各種處理函數集合。

2.2 界面控制模塊實現

(1)Bundle控制

該模塊主要通過實現了 org.cytoscape.service.util.AbstractCyActivator接口的 Cyactivator類完成，實現了OSGi框架中服務注冊，Bundle激活以及關閉等功能。

若要調用OSGi框架中現有的服務，需要調用Cyactivator類中的 getService(Bundle Context bc，Class＜CyApplicationManager＞ serviceClass)方法。

若要將自己寫的類注冊為框架中的服務，需要調用 Cyactivator類中registerService(Bundle Context bc， Object service， Class ＜? ＞ serviceClass，Properties props)方法，如圖3所示。

Bundle激活以及關閉部分主要通過OpenTaskFactory類以及CloseTaskFactory類完成。

(2)面板控制

插件整體界面由APP菜單、各參數入面板以及聚類結果面板等子模塊構成。插件最終運行整體效果圖如圖3所示。

圖3 CytoCluster運行效果Fig.3 The running interface of CytoCluster

參數輸入面板用于輸入聚類分析所需各項參數。啟動聚類插件后顯示主面板后，用戶按需要選取分析范圍，選擇聚類算法:

MCODE、FAG －EC、HC －PIN、OH －PIN、IPCA、EAGLE中的一種。用戶選擇算法后，在下方顯示相應的參數選項，用戶可直接使用默認參數或自定義各參數值。參數設定完成后單擊Analyze按鈕，首先進行參數有效性判斷，參數無誤后則按照用戶定義的參數進行開始分析過程。

聚類結果面板用于顯示識別出的所有功能模塊信息，并提供其它一些控件來對聚類分析結果作進一步的分析處理。

如圖3所示，A、B、C分別為參數輸入面板，可視化面板，聚類結果面板;a部分為分析區域選擇，b部分為算法種類選擇，c部分為算法參數面板;d部分為BrowserTable，e部分為選中的 cluster，j部分為模塊尺寸滑動條，f部分為cluster節點屬性顯示列表，g為創建 cluster子圖按鈕，h關閉結果面板按鈕，i為導出聚類結果按鈕。

BrowserTable表格分為兩列，分別顯示了功能模塊縮略圖形以及此功能的基本信息:模塊中的節點數，邊數以及分值等信息。CytoCluster還提供對聚類結果進行排序的功能。排序時有三種不同的排序方式可供選擇:按模塊大小，按模塊的模塊性以及按照模塊的score值進行排序。其中，按score排序只在使用MCODE算法進行聚類時有效，其它算法中模塊的score值全部為0。

節點屬性列表顯示了由Cytoscape載入網絡時讀入的當前網絡中所有包含的屬性值，用戶可以從下拉列框中選擇具體某項，屬性列表中就相應地顯示當前模塊中具有該屬性的所有屬性值出現的次數分布情況。Create SubNetwork按鈕可以將當前模塊建立為一個新的網絡，并顯示于桌面。

另外，當使用MCODE算法進行聚類時，當前模塊屬性面板中增加了一個模塊大小控制面板，其中有一個滑動條，用滑塊位置控制增大或縮小當前功能模塊的尺寸大小，并對應更新顯示模塊縮略圖。

ResultPanel底部面板由兩個按鈕組成:Export按鈕用于將當前聚類結果中識別的功能模塊導出為文件，可以選擇導出基本信息和導出完整信息兩種方式。Dicard按鈕用于在向用戶確認之后關閉當前打開的結果面板。

(3)聚類結果可視化

該模塊分為三個主要任務，聚類結果列表中cluster縮略圖的實現，顯示單個cluster在原網絡中的位置，以及生成并單獨顯示被選中的 cluster子圖。

cluster縮略圖主要通過ClusterUtil類中convertClusterToImage方法來實現。該方法首先通過 ClusterUtil類中 createSubNetwork(CyNetwork net，Collection nodes，SavePolicy policy)方法來為分析所得的 cluster創建子圖，再根據這個子圖調用createNetworkView(CyNetwork net，Visual-Style vs)方法創建相應的視圖，其中VisualStyle為視圖屬性對象，通getClusterStyle()獲得。在這個方法中，設置了視圖中節點的大小、顏色，邊的顏色、粗細等屬性，基本確定了縮略圖的顯示風格。

得到視圖對象后，調用Cytoscape所提供的可視化 接 口 org.cytoscape.view.presentation 的createImage(Int width，Int height)方法生成image對象返回給結果面板聲稱對象。

cluster子圖生成并顯示的過程與生成cluster縮略圖較為相似，首先調用createSubNetwork創建子圖對象，再通過 getClusterStyle設置視圖顯示風格，createNetworkView生成相對應的子圖視圖。但與生成縮略圖不同，該任務主要是要將生成的子圖顯示在Cytoscape網絡放大顯示在面板上，這主要通過ClusterUtil類中的displayNetworkView(CyNetworkView)方法實現。

(4)導出結果

該模塊由結果面板中的Export按鈕觸發調用，將最終聚類結果，即各個cluster的名稱、節點總數、節點名稱等信息以文本形式導出存入text文件。

該模塊主要通過ClusterUtil類中的exportResults方法實現。

其中，FileUtil是 Cytoscape系統提供的文件打開接口，通過調用該接口中的getFile方法，返回新創建的輸出文件。FileChooserFilter為文件類型選擇器，通過該類存儲文件類型，設為txt文本文檔。通過FileWriter類將需要輸出的cluster數據，如各個cluster的名稱、節點總數、節點名稱等信息寫入文件中。

2.3 聚類分析模塊實現

CytoCluster中的聚類算法實現部分，所有的聚類算法都是通過調用一個Algorithm對象的相應方法來完成。

MCODE算法使用K_CoreFinder()識別功能模塊。Algorithm對象調用此方法前須先調用scoreGraph方法對網絡圖中的各個節點的計算MCODE算法所需的節點信息:包括自身在內的鄰居接點子圖neighbors及其密度density，以該點為種子節點所能擴展出的最大k值的K－Core，其k值水平coreLevel，此K－Core的密度coreDensity以及該節點的score值。節點的score值反映了該節點及其周邊節點的密集程度。然后再從score值最大的節點開始，調用getClusterCore()方法，以此節點為種子節點開始擴展，逐步加入符合參數條件的鄰接節點。最后根據參數要求作一些后續處理，得出最終的功能模塊。

FAG_EC算法使用FAG_ECFinder()識別功能模塊。計算的先決條件必須先調用calEdgeWeight得到網絡中所有邊的聚集系數，并按非增序排列。這里得到的邊聚集系數隊列也可以多次重復使用。然后先將網絡中每個節點初始化為一個Complex，而后開始逐步將各條邊依次加入各Complex，從而對Complex進行合并，逐漸成為不可合并的功能模塊，直到所有邊都被加入 Complex為止。FAG_ECXFinder()使用擴展的FAG_EC算法識別功能模塊。首先同EAGLE一致，調用 getMaximalCliques，以極大團為基礎得到初始的Complexes集，同時需得到網絡中的按聚類系數排列的邊的非增序列，調用calEdgeWeight。根據邊兩端點所從屬的Complex集的關系，對兩組Complex分別合并后再合并為一個Complex，中途如果有的Complex已達到功能模塊定義，則不將之合并。反復進行這個過程，直到所有邊都被已處理完為止。

HC－PIN算法使用HCPIN Finder()識別功能模塊。計算的先決條件必須先調用calEdgeWeight得到網絡中所有邊的聚集值，并按非增序排列。這里得到的邊聚集系數隊列也可以多次重復使用。然后先將網絡中每個節點初始化為一個Complex，而后開始逐步將各條邊依次加入各Complex，從而對Complex進行合并，逐漸成為不可合并的功能模塊，直到所有邊都被加入Complex為止。

OH－PIN算法使用OHPINFinder()識別功能模塊，首先調用calB_cluster按網絡中的邊得到相應的B_cluster，再用calC_set將 B_cluster存入 C_set中。通過calOS計算出C_set中cluster間的Overlapping Score，取值最大的一對cluster，合并，直到所有值小于給定的 os_th;再通過 calCCV計算出 C_set中cluster間的CCV，取值最大的一對cluster，合并，直到所有值小于0為止;

IPCA算法使用IPCAFinder()識別功能模塊。計算的先決條件必須先調用calNodeWeight得到網絡中所有節點的權值，并按非增序排列。選出最大的節點為種子，通過ExtendingCluster來進行擴展，其中用SPJudgement來判斷某個點是否該加入當前的cluster。當所有可能被加入的節點都被探測過以后，輸出 cluster.

EAGLE算法使用EAGLEFinder()識別功能模塊。EAGLE算法基于極大團，故Algorithm對象必須先調用getMaximalCliques方法計算出網絡中的所有極大團。然而一個網絡中的極大團是固定不變的，所以計算一次后就可以供以后需要時使用。接下來首先完成團初始化工作，去除附屬極大團。開始合并后，每次選出相似性最大的兩個Complex將之合并，并調用calModularity計算當前劃分優劣程度的EQ值。重復合并過程直到只有一個Complex，

并記錄下整個過程中每一次的劃分情況及其EQ值。選出其中EQ的最大值，此時的團劃分情況即是最優的功能模塊劃分，返回這個模塊集合。

3 實例展示及分析

3.1 聚類結果可視化

CytoCluster不僅能對網絡進行聚類分析，同時也實現了對網絡聚類結果的可視化顯示，將分析所得的clusters以縮略圖列表的形式直觀地顯示出來，對于單個cluster可顯示在原網絡中的位置，并能生成相應的子圖單獨顯示，如圖4所示。通過該功能，研究人員可以對基因以及蛋白質網絡中分子簇的進行進一步挖掘，發現致病基因以及蛋白質功能模塊的相關特性以及相互關聯性。將聚類分析所得的cluster放在統一網絡中相互比較，展示相互之間的關聯性，并可由用戶自行設定節點的顏色和形狀，對于研究網絡中的功能模塊具有重要作用。例如賓夕法尼亞大學醫學院的研究人員利用FAG－EC算法對注意力缺陷多動障礙癥進行研究時，根據網絡的拓撲結構，將整個基因網絡聚類成17個不同的分子簇［10］，顯示簇內節點以及簇與簇之間的關系。

圖4 聚類結果可視化實現效果Fig.4 The implementation of visualization clustering result

3.2 聚類結果對比與分析

圖5為Cytocluster中六種聚類算法對Cytoscape所提供的酵母核心蛋白質相互作用網絡(GalFiltered.sif)的分析結果，由圖可知CytoCluster所采用的六種聚類算法得到的結果之間存在一定的差異。在具體使用中可以結合多種算法進行聚類分析，從而得到對蛋白質網絡中的功能模塊的更全面認識。

為了分析比較CytoCluster中實現的幾種聚類算法的性能，這里使用從數據庫DIP獲得的酵母核心蛋白質相互作用網絡數據集Y2k進行聚類分析，得出6種不同的功能模塊數據，對這些模塊集進行過濾，除去尺寸小于3的模塊，再查找這些功能模塊的GO Terms。

圖5 六種算法對同一網絡聚類分析對比Fig.5 The comparison results of different clustering algorithms

由于所得的數據繁多，這里僅采用GO中的生物過程Process為例，對各功能模塊集合的富集性P-value值分布進行分析，結果如圖6所示。

由于在統計檢驗中，P-value值可用于評價一組蛋白質集合在偶然情況下聚集成一個模塊的可能性大小，所以從圖中可以看出，各聚類算法在識別的功能模塊結構和數量上存在不小的差異，但這些模塊在性能、準確度上各有所長，對更全面地認識整個蛋白質網絡具有重要意義。

圖6 不同聚類算法識別模塊的對應富集性P-value分布Fig.6 The enrichment analysis result of different algorithm

4 討論

CytoCluster實現了在Cytoscape3.0平臺上使用了 MCODE，FAG －EC，HC －PIN，OH －PIN，IPCA，EAGLE等六種典型聚類算對蛋白質網絡進行聚類分析，并進一步對聚類結果可視化顯示分析與比較。

本插件的實現總體來說可概括為以下兩部分:

(1)后臺蛋白質聚類算法的實現。這是本插件的核心部分，由于旨在于Cytoscape這個可視化平臺上對蛋白質網絡進行聚類分析比較從而為生物信息學研究人員提供一個直觀準確的具有參考價值的結果，因需要十分注意軟件的精準性、可靠性與嚴謹性，每個聚類算法要有據可查，要嚴格的與原算法過程及結果保持一致。

(2)前臺界面控制與可視化的實現。包括Bundle控制，面板控制，聚類結果可視化，導出結果等部分，是該插件有別于其他簡單聚類分析軟件的重要區別所在，使得該軟件不僅能對蛋白質網絡進行聚類分析，還能進一步可視化聚類結果進行分析比較，并導出到文本中。

CytoCluster系統是一個可擴展平臺，隨著蛋白質網絡聚類技術的發展，將在今后的開發中集成更多的聚類算法，使得系統更加豐富，更加完善。

References)

［1］ SHANNON P，MARKIEL A，OZIER O，et al.Cytoscape:a software environment for integrated models of biomolecular interaction networks［J］.Genome Research，2003，13(11):2498－504.

［2］ BADER G D，HOGUE C W V.An automated method for finding molecular complexes in large protein interaction networks［J］.BMC bioinformatics，2003，4(1):2.

［3］ LI Min，WANG Jianxin，CHEN Jianer.A fast agglomerate algorithm for mining functional modules in protein interaction networks［C］//BioMedical Engineering and Informatics，2008.BMEI 2008.International Conference on.IEEE，2008，1:3－7.

［4］ WANG Jianxin，LI Min，CHEN Jianer，et al.A fast hierarchical clustering algorithm for functional modules discovery in protein interaction networks ［J］.Computational Biology and Bioinformatics，IEEE/ACM Transactions on，2011，8(3):607－620.

［5］ WANG Jianxin，REN Jun，LI Min，et al.Identification of Hierarchical and Overlapping Functional Modules in PPI Networks［J］.IEEE TRANSACTIONS ON NANOBIOSCIENCE，2012，11(4):386 －393.

［6］ LI Min，CHEN Jun，WANG Jianxin，et al.Modifying the DPClus algorithm for identifying protein complexes based on new topological structures ［J］. Bmc Bioinformatics，2008，9(1):398.

［7］ SHEN Huawei，CHENG Xueqi，CAI Kai，et al.Detect overlapping and hierarchicalcommunity structure in networks［J］.Physica A:Statistical Mechanics and its Applications，2009，388(8):1706－1712.

［8］ RADICCHI F，CASTELLANO C，CECCONI F.Defining and identifying communities in networks ［J］.Proc.Natl.Acad.Sci.USA，2004，101(9):2658 －2663.

［9］ ALTAF-Ul-AMIN M，SHINBO Y，MIHARA K，et al.Development and implementation of an algorithm for detection of protein complexes in large interaction networks［J］.BMC bioinformatics，2006，7(1):207.

［10］ ELIA J，GLESSNER J T，WANG K，et al.Genome-wide copy number variation study associates metabotropic glutamate receptor gene networks with attention deficit hyperactivity disorder［J］.Nature genetics，2011，44(1):78－84.