代码分享使用R语言构建ceRNA网络（circRNAmRNA）

　　生信碱移
　　轻松构建ceRNA网络
　　ceRNA网络是一种新型的基因调控机制，可以通过共享microRNA（miRNA）来影响彼此的表达，导致疾病或某种表型的改变。在这篇文章中，我将分享使用igraph包构建ceRNA网络的r语言代码，让老铁你可以轻松构建自己的网络并进一步探究基因调控的机制。
　　示例文件与代码的获取（请在公众号后台回复）： afceRNA
　　软件包与输入的配置
　　①引用R包（没有安装的需要安装）：  library(igraph) library(dplyr) library(magrittr)
　　界面布局与运算
　　①输入文件， ＂data.csv＂ 表头如下（分别对应有三列）：
　　network_data <- read.csv(＂data.csv＂, header = TRUE) colnames(network_data)=c(＂circRNA＂,＂miRNA＂,＂mRNA＂)
　　②定义网络参数与属性：  # 创建空的网络对象 g <- graph.empty(n =length(c(unique(network_data$miRNA),unique(network_data$circRNA),unique(network_data$mRNA))), directed = TRUE)   # 添加节点 g <- g %>%   set_vertex_attr(＂name＂, value = c(unique(network_data$circRNA), unique(network_data$miRNA), unique(network_data$mRNA))) %>%   set_vertex_attr(＂type＂, value = c(rep(＂circRNA＂, length(unique(network_data$circRNA))),                                      rep(＂miRNA＂, length(unique(network_data$miRNA))),                                      rep(＂mRNA＂, length(unique(network_data$mRNA))))) g <- set_vertex_attr(g,＂color＂, value = ifelse(V(g)$type == ＂circRNA＂, ＂#fb8072＂, ifelse(V(g)$type == ＂miRNA＂, ＂yellow3＂, ＂#80b1d3＂)))   # 添加边与边长 afedge <- c() aflength <- c() for(i in 1:nrow(network_data)) {   circRNA_node <- which(V(g)$name == network_data[i,1])   miRNA_node <- which(V(g)$name == network_data[i,2])   mRNA_node <- which(V(g)$name == network_data[i,3])   aflength <- c(aflength,20,10)   afedge <- c(afedge,circRNA_node,miRNA_node,miRNA_node,mRNA_node)   } g <- g %>% add_edges(afedge) %>% set_edge_attr(＂edge.length＂, value = aflength)   # 添加节点大小 circRNA.size=as.vector(scale(as.vector(table(network_data$circRNA)),center = F))+15 miRNA.size=as.vector(scale(as.vector(table(network_data$miRNA)),center = F))+8 mRNA.size=as.vector(scale(as.vector(table(network_data$mRNA)),center = F))+3 V(g)$size=c(circRNA.size,miRNA.size,mRNA.size)
　　④绘制并保存图片，igraph包中提供了多种布局算法，可以将节点和边布局在平面上。以下是一些常见的布局算法：
　　Ⅰ：layout.circle： 在圆形上均匀分布所有节点。
　　Ⅱ：layout.fruchterman.reingold： 使用Fruchterman-Reingold算法，根据节点之间的力学模型，计算节点的位置。该算法可以确保相邻节点之间的距离尽量相等，并且可以避免节点之间的重叠。
　　Ⅲ：layout.graphopt： 使用Graphopt算法，通过将节点移动到合适的位置以最小化边的长度来优化图的布局。
　　Ⅳ：layout.kamada.kawai ：使用Kamada-Kawai算法，通过最小化图的能量来计算节点的位置。该算法可以确保相邻节点之间的距离尽量相等，并且可以保持图形的对称性。
　　Ⅴ：layout.lgl ：使用Large Graph Layout算法，对于大型图形而言，布局更加高效  # 使用Graphopt算进行布局，保存为ceRNA.net.pdf文件 pdf(file=＂ceRNA.net.pdf＂,height=10,width=10) plot(g,       layout=layout.graphopt(g),        vertex.label=V(g)$name,      vertex.label.family=＂sans＂,      vertex.label.cex=ifelse(V(g)$type == ＂circRNA＂, 0.8, ifelse(V(g)$type == ＂miRNA＂, 0.5, 0.2)),      vertex.size=V(g)$size,       vertex.color=V(g)$color,      vertex.label.color=＂black＂,       edge.arrow.size=0.5,       edge.width=1      ) dev.off()
　　今天分享就到这了
　　感谢chatgpt帮我写了个推文开头[狗头]