R 数据可视化 —— igraph 函数应用
发布网友
发布时间：2024-10-20 03:41
我来回答
共1个回答
热心网友
时间：2024-11-16 06:50
igraph 提供多种图论算法，如最短路径、最大流最小割、最小生成树等。
计算平均路径长度，得到每对基因间最短距离的均值。
当图是无向图，计算平均路径长度。
使用igraph 函数计算所有基因间的最短路径，考虑边的权重。
通过设置 weights = NA，不考虑边权重。
使用 distances 函数计算特定基因与其他基因距离，例如 EGFR。
计算特定基因之间的最短距离，例如 EGFR 到 MAPK1。
获取与特定基因相关的边，如 KRAS 的边。
获取多个基因的边。
获取与特定基因直接互作的基因，如* KRAS 的基因。
使用 adjacent_vertices() 函数获取直接互作基因，order 参数调整互作步数。
使用 ego() 函数获取多步互作基因。
判断图的连通性，是否为连通图、强连通图或弱连通图。
使用 is_connected() 函数检查连通性。
计算连通分量的数目，获取连通分量信息。
判断是否为 DAG。
使用 is_dag() 函数判断。
通过 is_dag() 分解图并展示连通分量。
找到与特定顶点连通的点。
检测网络社区，通过删除边、计算社区结构。
使用 community_fastgreedy() 函数检测社区。
展示社区结构树状图。
使用 community_walktrap() 函数展示社区结构。
获取社区结构数目，查看社区成员。
展示社区内的紧密连接与跨社区的稀疏连接。
通过模块化得分优化寻找密集子图。
使用 community_spinglass() 函数。
基于随机游走思想，社区内紧密连接。
其他社区检测函数如 cluster_leading_eigen、cluster_label_prop、cluster_louvain。
计算节点的度，使用 degree() 函数。
查看节点度分布。
应用 PageRank 算法，计算基因的相对重要性。
PageRank 基于大量引用，表示节点重要性。
使用 PageRank 分析基因互作网络。
对比 HITS 算法，将网页分为 Authority 和 Hub 值。
HITS 算法计算公式。
使用集合操作合并、取并集、差集与交集。
%%、%u%、%m%、%d% 操作。
