Cytoscape 是一款由美国斯坦福大学开发的 开源网络分析与可视化软件，主要用于研究生物分子网络（如蛋白质 - 蛋白质相互作用网络、基因调控网络）、代谢网络、社交网络、信息网络等复杂系统。它通过图形化界面和丰富的插件生态，支持网络的构建、分析、可视化及注释，是生物信息学、系统生物学、计算生物学等领域的核心工具之一，也被广泛应用于社会科学、计算机科学等跨学科研究中。
核心功能与特点
1. 网络构建与数据整合
多源数据输入
：支持导入多种格式的网络数据，如文本文件（边列表、邻接矩阵）、CSV、Excel，以及生物领域专用格式（如 SBML、GSEA 结果、基因表达数据）。可直接从数据库（如 STRING、KEGG、BioGRID）或在线资源（如 NCBI、UniProt）获取生物网络数据。
网络合并与编辑
：合并多个网络文件，构建复杂的综合网络；手动调整节点位置、颜色、形状及边的粗细、类型（如实线 / 虚线表示不同相互作用类型）。支持批量注释节点属性（如基因名称、蛋白功能、表达水平），通过属性映射动态调整可视化样式。
2. 网络分析与拓扑学指标
基础拓扑分析
：计算网络节点的度（Degree）、介数中心性（Betweenness Centrality）、紧密中心性（Closeness Centrality）、特征向量中心性（Eigenvector Centrality）等，识别关键节点（Hub 节点）。分析网络密度、直径、连通性（如连通分量数量）、模块化指数（Modularity），检测社区结构（如 Louvain 算法、MCODE 算法）。
生物网络专用分析
：通路富集分析（如 GO、KEGG 通路），通过插件（如 ClueGO、CluePedia）可视化富集结果。基因共表达网络分析、蛋白质功能注释网络构建，结合表达数据（如微阵列、RNA-seq）进行差异表达基因与网络模块的关联分析。
3. 高度可定制的可视化
交互式图形界面
：提供力导向布局（Force-Directed Layout）、层次布局（Hierarchical Layout）、圆形布局（Circular Layout）等多种布局算法，自动或手动优化网络结构。支持通过颜色、大小、形状等视觉属性映射节点 / 边的属性（如表达量高低、调控方向、实验证据强度），添加热图、柱状图等复合图形到节点中。
高级可视化插件
：使用 Chord Diagram 插件绘制和弦图，展示节点间的流量或相互作用强度；通过 Pathway Commons 插件整合代谢通路与调控网络，生成多组学关联网络；利用 3D View 插件创建三维网络模型，动态旋转观察复杂网络结构。
4. 插件生态与扩展性
丰富的插件库
：Cytoscape 官方插件库（App Store）提供超 300 个插件，覆盖功能包括数据导入（如 PSICQUIC 整合蛋白互作数据）、网络分析（如 CytoNCA 计算网络控制理论指标）、可视化增强（如 EnrichmentMap 绘制基因集富集网络）、机器学习集成（如 CyTargetLinker 预测药物 - 靶点网络）等。
编程扩展
：支持通过 Python、R、Java 脚本控制软件操作，或开发自定义插件；与其他工具联动，如通过 Bioconductor 包在 R 中调用 Cytoscape 功能，或使用 py4cytoscape 库在 Python 中实现网络分析自动化。
5. 数据输出与共享
导出高质量网络图形（PNG、PDF、SVG 等格式），支持矢量图编辑（如用 Adobe Illustrator 调整细节）；保存网络为通用格式（如 JSON、GraphML），便于在其他软件（如 Gephi、Pajek）中继续分析；通过 Cytoscape Web 插件生成交互式网页版网络，支持在线分享与协作。
典型应用场景
1. 生物医学研究
基因调控网络分析
：整合转录因子结合数据、基因表达谱，构建转录调控网络，识别关键调控因子（如癌症中的驱动基因）。
蛋白质互作网络（PPI）
：通过 STRING 数据库构建目标蛋白的互作网络，利用 MCODE 插件筛选功能模块，结合 GO 富集分析注释模块功能。
药物靶点预测
：通过 CyTargetLinker 插件整合药物 - 靶点数据与疾病相关网络，预测潜在药物作用机制（如 “药物 - 靶点 - 疾病” 网络）。
2. 代谢网络与系统生物学
构建代谢通路网络（如 KEGG 通路），分析代谢物与酶的相互作用，识别代谢网络中的关键节点（如限速酶）。通过 Metscape 插件整合代谢组学数据，可视化代谢物浓度变化与网络拓扑结构的关联。
3. 社交网络与信息传播
分析社交媒体用户互动数据（如微博转发网络、微信聊天群），计算节点中心性指标，识别信息传播的核心用户或关键路径。使用 EdgeWeightedRandomWalk 插件模拟信息在网络中的扩散模式，预测潜在影响力节点。
4. 跨学科研究
在计算机科学中分析神经网络结构或软件依赖关系；在生态学中构建物种共现网络或食物网，研究生态系统稳定性；在金融学中可视化股票关联网络，分析市场板块联动性。
与其他工具的对比
软件优势局限
Cytoscape 生物网络分析专业，插件生态丰富，支持多组学数据整合 非生物领域功能相对基础，复杂分析需插件
Gephi 社交网络分析强，可视化交互灵活，适合大规模网络 生物数据兼容性差，缺乏通路富集等专业功能
VisANT 整合生物数据与文献挖掘，支持动态网络 更新缓慢，社区支持较少
R/igraph 编程扩展性强，适合算法开发与定制化分析 可视化需代码实现，对新手不友好
操作流程示例（构建蛋白质互作网络）
数据获取
在 Cytoscape 中打开 STRING App，输入目标基因列表（如癌症差异基因），设置互作阈值（如中等置信度≥0.4），下载蛋白质互作网络。
网络可视化
应用 ForceAtlas2 布局 优化节点位置，通过 节点颜色映射 表达量数据（红色表示高表达，蓝色表示低表达），边的粗细映射互作评分。
模块分析
使用 MCODE 插件 检测紧密连接的子网络（模块），设置膨胀系数 = 2，节点得分阈值 = 0.2，提取排名前 3 的模块。
功能富集
调用 ClueGO 插件 对模块中的基因进行 GO 生物学过程富集分析，生成富集网络，筛选显著性通路（如 p<0.05）。
结果输出
导出网络图片（PDF 格式）用于论文插图，保存分析报告（包含模块列表、富集结果表格）。
总结
Cytoscape 以其 生物医学领域的专业性、可视化的灵活性 和 插件生态的丰富性，成为复杂网络研究的核心工具。无论是生物学家解析基因调控机制，还是社会学家分析群体互动模式，Cytoscape 都能通过直观的图形界面和强大的分析功能，帮助研究者从海量数据中挖掘网络结构的深层规律。对于需要整合多源数据、进行定制化网络分析的用户，结合插件与编程扩展的 Cytoscape 是理想选择。
Cytoscape 是一款由美国斯坦福大学开发的 开源网络分析与可视化软件，主要用于研究生物分子网络（如蛋白质 - 蛋白质相互作用网络、基因调控网络）、代谢网络、社交网络、信息网络等复杂系统。它通过图形化界面和丰富的插件生态，支持网络的构建、分析、可视化及注释，是生物信息学、系统生物学、计算生物学等领域的核心工具之一，也被广泛应用于社会科学、计算机科学等跨学科研究中。
核心功能与特点
1. 网络构建与数据整合
多源数据输入
：支持导入多种格式的网络数据，如文本文件（边列表、邻接矩阵）、CSV、Excel，以及生物领域专用格式（如 SBML、GSEA 结果、基因表达数据）。可直接从数据库（如 STRING、KEGG、BioGRID）或在线资源（如 NCBI、UniProt）获取生物网络数据。
网络合并与编辑
：合并多个网络文件，构建复杂的综合网络；手动调整节点位置、颜色、形状及边的粗细、类型（如实线 / 虚线表示不同相互作用类型）。支持批量注释节点属性（如基因名称、蛋白功能、表达水平），通过属性映射动态调整可视化样式。
2. 网络分析与拓扑学指标
基础拓扑分析
：计算网络节点的度（Degree）、介数中心性（Betweenness Centrality）、紧密中心性（Closeness Centrality）、特征向量中心性（Eigenvector Centrality）等，识别关键节点（Hub 节点）。分析网络密度、直径、连通性（如连通分量数量）、模块化指数（Modularity），检测社区结构（如 Louvain 算法、MCODE 算法）。
生物网络专用分析
：通路富集分析（如 GO、KEGG 通路），通过插件（如 ClueGO、CluePedia）可视化富集结果。基因共表达网络分析、蛋白质功能注释网络构建，结合表达数据（如微阵列、RNA-seq）进行差异表达基因与网络模块的关联分析。
3. 高度可定制的可视化
交互式图形界面
：提供力导向布局（Force-Directed Layout）、层次布局（Hierarchical Layout）、圆形布局（Circular Layout）等多种布局算法，自动或手动优化网络结构。支持通过颜色、大小、形状等视觉属性映射节点 / 边的属性（如表达量高低、调控方向、实验证据强度），添加热图、柱状图等复合图形到节点中。
高级可视化插件
：使用 Chord Diagram 插件绘制和弦图，展示节点间的流量或相互作用强度；通过 Pathway Commons 插件整合代谢通路与调控网络，生成多组学关联网络；利用 3D View 插件创建三维网络模型，动态旋转观察复杂网络结构。
4. 插件生态与扩展性
丰富的插件库
：Cytoscape 官方插件库（App Store）提供超 300 个插件，覆盖功能包括数据导入（如 PSICQUIC 整合蛋白互作数据）、网络分析（如 CytoNCA 计算网络控制理论指标）、可视化增强（如 EnrichmentMap 绘制基因集富集网络）、机器学习集成（如 CyTargetLinker 预测药物 - 靶点网络）等。
编程扩展
：支持通过 Python、R、Java 脚本控制软件操作，或开发自定义插件；与其他工具联动，如通过 Bioconductor 包在 R 中调用 Cytoscape 功能，或使用 py4cytoscape 库在 Python 中实现网络分析自动化。
5. 数据输出与共享
导出高质量网络图形（PNG、PDF、SVG 等格式），支持矢量图编辑（如用 Adobe Illustrator 调整细节）；保存网络为通用格式（如 JSON、GraphML），便于在其他软件（如 Gephi、Pajek）中继续分析；通过 Cytoscape Web 插件生成交互式网页版网络，支持在线分享与协作。
典型应用场景
1. 生物医学研究
基因调控网络分析
：整合转录因子结合数据、基因表达谱，构建转录调控网络，识别关键调控因子（如癌症中的驱动基因）。
蛋白质互作网络（PPI）
：通过 STRING 数据库构建目标蛋白的互作网络，利用 MCODE 插件筛选功能模块，结合 GO 富集分析注释模块功能。
药物靶点预测
：通过 CyTargetLinker 插件整合药物 - 靶点数据与疾病相关网络，预测潜在药物作用机制（如 “药物 - 靶点 - 疾病” 网络）。
2. 代谢网络与系统生物学
构建代谢通路网络（如 KEGG 通路），分析代谢物与酶的相互作用，识别代谢网络中的关键节点（如限速酶）。通过 Metscape 插件整合代谢组学数据，可视化代谢物浓度变化与网络拓扑结构的关联。
3. 社交网络与信息传播
分析社交媒体用户互动数据（如微博转发网络、微信聊天群），计算节点中心性指标，识别信息传播的核心用户或关键路径。使用 EdgeWeightedRandomWalk 插件模拟信息在网络中的扩散模式，预测潜在影响力节点。
4. 跨学科研究
在计算机科学中分析神经网络结构或软件依赖关系；在生态学中构建物种共现网络或食物网，研究生态系统稳定性；在金融学中可视化股票关联网络，分析市场板块联动性。
与其他工具的对比
软件优势局限
Cytoscape 生物网络分析专业，插件生态丰富，支持多组学数据整合 非生物领域功能相对基础，复杂分析需插件
Gephi 社交网络分析强，可视化交互灵活，适合大规模网络 生物数据兼容性差，缺乏通路富集等专业功能
VisANT 整合生物数据与文献挖掘，支持动态网络 更新缓慢，社区支持较少
R/igraph 编程扩展性强，适合算法开发与定制化分析 可视化需代码实现，对新手不友好
操作流程示例（构建蛋白质互作网络）
数据获取
在 Cytoscape 中打开 STRING App，输入目标基因列表（如癌症差异基因），设置互作阈值（如中等置信度≥0.4），下载蛋白质互作网络。
网络可视化
应用 ForceAtlas2 布局 优化节点位置，通过 节点颜色映射 表达量数据（红色表示高表达，蓝色表示低表达），边的粗细映射互作评分。
模块分析
使用 MCODE 插件 检测紧密连接的子网络（模块），设置膨胀系数 = 2，节点得分阈值 = 0.2，提取排名前 3 的模块。
功能富集
调用 ClueGO 插件 对模块中的基因进行 GO 生物学过程富集分析，生成富集网络，筛选显著性通路（如 p<0.05）。
结果输出
导出网络图片（PDF 格式）用于论文插图，保存分析报告（包含模块列表、富集结果表格）。
总结
Cytoscape 以其 生物医学领域的专业性、可视化的灵活性 和 插件生态的丰富性，成为复杂网络研究的核心工具。无论是生物学家解析基因调控机制，还是社会学家分析群体互动模式，Cytoscape 都能通过直观的图形界面和强大的分析功能，帮助研究者从海量数据中挖掘网络结构的深层规律。对于需要整合多源数据、进行定制化网络分析的用户，结合插件与编程扩展的 Cytoscape 是理想选择。
