我们通过转录组分析能够得到许多的差异基因，这些差异基因里包含大量的转录因子。所以，我们就想去查看转录因子与差异基因的调控关系，并将这种关系进行可视化（经常在文章中看到这种同心圆图片）。

图片.png

步骤也很简单包括：

一、寻找差异基因和差异转录因子

差异基因的查找过程就不多说了
差异转录因子的查找过程见文章
《2023-02-08对候选基因(GWAS\转录组)进行GO注释（气泡图和柱形图）》
https://www.jianshu.com/p/126feda902a0

二、对TF和DEG进行相关性分析

1、准备文件01.csv

图片.png

2、对基因进行相关性分析

python Corr.py 01.csv 01_0.5.xlsx spearman 0.5
#Corr.py，我是利用该脚本进行相关性分析，需要该脚本可以私信我
#0.5表示，保留相关性打大于0.5的关系网络
#01_0.5.xlsx表示，结果文件

结果文件01_0.5.xlsx如下

图片.png

三、利用二的结果文件进行可视化

1、将01_0.5.xlsx文件另存为01_0.5.xcsv文件，并将其拖进cytoscope软件（该软件安装需要在java11环境下）中。

图片.png 图片.png

显然，现在是一种混乱的状态。

2、网络图美化---挑选转录因子

因为所有的DGE都在图中，包括转录因子在内。这时，我们可以通过筛选将转录因子先挑出来。

图片.png
图片.png
图片.png
图片.png

以此类推找出所有的转录因子
但是遇到了问题，由于基因过多，导致搜索的基因凸显不出来

图片.png
解决办法：我们可以先将这些基因按照规则排列起来，比如，圈图
图片.png
图片.png
这样就能凸显出来了
图片.png
图片.png
图片.png

3、网络图美化---花同心圆

由于基因过多，将所有的基因放在一个圆里肯定是不行的。我们多画几个圆。
首先，对网络图进行分析

图片.png

随后就会计算出结果，我们主要是通过Degree列（该基因所关联的基因个数）进行画同心圆，可以将该结果导出来，方便观察。

图片.png
然后，我们就可以根据degree对所有的cell进行颜色填充
图片.png
图片.png
图片.png

这时，也可以双击彩色板进行选择颜色。
然后，我们就可根据基因数量和Degree进行设计同心圆的个数、每个同心圆包含的基因个数。
我一共有一百就是多个基因，我打算设计6个同心圆，分别包含60、50、40、30、10、5个基因
打开导出的后缀为default node.csv文件

图片.png
图片.png

效果图

图片.png
接下来，修改同心圆的半径
图片.png
图片.png
图片.png
完成！