当前位置：首页 > article >正文

基于gradio+networkx库对图结构进行可视化展示

article 2024/11/23 8:54:35

前言

在gradio框架下对蛋白质-蛋白质相互作用网络（PPI网络）进行可视化，并将其在网页前端进行展示。

方法

其实很简单

可以直接使用networkx画图后保存图片，然后使用Gradio框架的image组件进行展示即可。

但实际上gradio还配置了Plot组件，可以用于将matplotlib的figure进行展示

又由于networkx绘图本身又基于matplotlib，所以也可以完成展示。

接下来主要麻烦的地方就是networkx绘图的使用

networkx的设计模式是分离的，图结构的存储和绘制是分开的两个步骤

绘制的时候，需要传入点的坐标，这些坐标有一套成体系的算法，也就是layout算法。

首先绘制点，传入图G，传入layout算法的输出结果pos，然后可以自己设定节点颜色

边也是同理，由于边也是基于点计算的，所以传入点的pos和图的结构G就可以得知边应该怎么绘制，同样线条粗细、样式、颜色、alpha通道也都是可以调整的。

最后是标注label和图例legend绘制，字体、大小也都是可以调整的。

代码：

import random
import networkx as nx
from matplotlib import pyplot as plt
import gradio as gr

def get_ppi_figure(xxx):
    # 假设这是查询PPI网络后的结果图G
    G = nx.Graph()
    G.add_edge('1','2',is_infer=True,weight=0.1)
    G.add_edge('2','1',is_infer=True,weight=0.3)
    G.add_edge('2','1',is_infer=True,weight=0.3)
    G.add_edge('2','1',is_infer=True,weight=0.3)
    G.add_edge('3','4',is_infer=True,weight=0.5)
    G.add_edge('4','5',is_infer=True,weight=0.7)
    G.add_edge('a','b',is_infer=False,weight=1.0)

    #设置查询中心点的颜色
    nodes = []
    node_color = []
    for u in G.nodes():
        nodes.append(u)
        if u == 'a':
            node_color.append("#FFFF00")
        else:
            node_color.append('r')

    #读取边的推理权重
    edge_is=[]
    infer_weight=[]
    edge_not=[]
    for u,v,d in G.edges(data=True):
        if d['is_infer']:
            edge_is.append((u,v))
            infer_weight.append(d['weight'])
        else:
            edge_not.append((u,v))

    fig =plt.figure()
    fig.add_subplot()
    pos = nx.spring_layout(G)
    # 在node_color传入颜色的list，即可实现每个点有不同的颜色
    nx.draw_networkx_nodes(G, pos, nodelist=nodes, node_color=node_color)
    nx.draw_networkx_edges(G, pos, edgelist=edge_not, edge_color='g', label="From Experiment")
    # 这里使用透明度alpha来表示推理的置信度
    nx.draw_networkx_edges(G, pos, edgelist=edge_is, edge_color='r', alpha=infer_weight, style="dashed", label="From Prediction")
    nx.draw_networkx_labels(G, pos)
    plt.legend(loc="upper right")
    plt.axis('off')
    return fig

demo = gr.Interface(get_ppi_figure,gr.Textbox(label='Protein ID'),gr.Plot(label='PPI Graph'))
demo.launch(server_port=7000,share=False,debug=True,show_error=True)