這其實是個物種分類樹，代表的微生物分類。從高級分類水平（界，細菌和真菌）的根節點開始，依次往低分類層級（門綱目科屬等）延伸，逐漸形成分支，末端節點應該是OTU或者種水平。因此，分支呈簇狀展示，分支的顏色主要按門水平著色，將衍生自同一類門的微生物分支賦值相同的顏色。節點的大小應該對應了微生物的豐度，而節點的顏色主要有兩種，猜測紅色代表了一些重要的微生物，白色是不重要的。圖中文字部分則標識了主要的微生物門所含的節點數量，以及這些微生物的總豐度佔比。
好吧，其實白魚同學並不知道這是來自哪篇文章的插圖，不清楚它的任何細節，包括其具體的指代信息以及作者試圖表達的意義等，上一段文字純粹是看圖瞎猜的……又懶得問其來源，那就按照這種理解去模仿吧，反正只是隨手畫個圖嘛，不要在意那麼多細節。
示例數據和預處理R代碼的百度盤連結（提取碼，sf9f）：
https://pan.baidu.com/s/1nS402FLH3lQu8CNq6JjEsA
網盤附件「otu.txt」如下所示，以OTU的豐度為主，後面跟上這些OTU所屬的界門綱目科屬分類。需要事先把一些注釋不明確的物種提前去除（比如unidentified、unknown、others等），否則導致了一些分類關係混亂。然後將它讀到R中，整合各個分類水平的包含關係，即上一級分類和下一級分類的對應列表用作邊列表，並統計共計多少分類類型及其豐度用作節點列表。
#讀入數據
otu <- read.delim('otu.txt', stringsAsFactors = FALSE, check.names = FALSE)
#整合各分類層級和所含物種豐度的嵌套關係，構建網絡邊列表
#source 和 target 分別對應了上下級物種分類層級的對應關係，abundance 表示 target 的豐度
genus_otu <- otu[c('genus', 'otu', 'abundance')]
names(genus_otu) <- c('source', 'target', 'abundance')
family_genus <- aggregate(otu$abundance, by = list(otu$family, otu$genus), FUN = sum)
names(family_genus) <- c('source', 'target', 'abundance')
order_family <- aggregate(otu$abundance, by = list(otu$order, otu$family), FUN = sum)
names(order_family) <- c('source', 'target', 'abundance')
class_order <- aggregate(otu$abundance, by = list(otu$class, otu$order), FUN = sum)
names(class_order) <- c('source', 'target', 'abundance')
phylum_class <- aggregate(otu$abundance, by = list(otu$phylum, otu$class), FUN = sum)
names(phylum_class) <- c('source', 'target', 'abundance')
kingdom_phylum <- aggregate(otu$abundance, by = list(otu$kingdom, otu$phylum), FUN = sum)
names(kingdom_phylum) <- c('source', 'target', 'abundance')
edge_list <- rbind(kingdom_phylum, phylum_class, class_order, order_family, family_genus, genus_otu)
#將各個分類層級對應至 phylum，以便用於在 Cytoscape 中調整樹分支的顏色
otu_phylum <- otu[c('phylum', 'otu')]
names(otu_phylum)[2] <- 'target'
genus_phylum <- otu[c('phylum', 'genus')]
names(genus_phylum)[2] <- 'target'
family_phylum <- otu[c('phylum', 'family')]
names(family_phylum)[2] <- 'target'
order_phylum <- otu[c('phylum', 'order')]
names(order_phylum)[2] <- 'target'
class_phylum <- otu[c('phylum', 'class')]
names(class_phylum)[2] <- 'target'
phylum_phylum <- otu[c('phylum', 'phylum')]
names(phylum_phylum)[2] <- 'target'
tax_phylum <- rbind(phylum_phylum, class_phylum, order_phylum, family_phylum, genus_phylum, otu_phylum)
tax_phylum <- tax_phylum[!duplicated(tax_phylum$target), ]
edge_list <- merge(edge_list, tax_phylum, by = 'target', all.x = TRUE)
#輸出邊列表
edge_list <- edge_list[c('source', 'target', 'abundance', 'phylum')]
edge_list$weight <- 1
head(edge_list)
write.table(edge_list, 'edge_list.txt', row.names = FALSE, sep = '\t', quote = FALSE)
#構建節點列表，包括各個分類水平的名稱，以及所含物種總豐度等
node_list <- reshape2::melt(otu, id = 'abundance')
node_list <- aggregate(node_list$abundance, by = list(node_list$value, node_list$variable), FUN = sum)
names(node_list) <- c('shared name', 'taxonomy', 'abundance')
#原始豐度 abundance 的數值差較大，不利於直接使用該列在 Cytoscape 中定義節點大小
#再指定個新列 abundance2，對原始的 abundance 作些轉換，比如 log 降低高豐度的權重等
node_list$abundance2 <- log(node_list$abundance+1, 2) #log 轉化時加個基數 1
#添加節點的 phylum 水平分類
otu_phylum <- otu[c('phylum', 'otu')]
names(otu_phylum)[2] <- 'shared name'
genus_phylum <- otu[c('phylum', 'genus')]
names(genus_phylum)[2] <- 'shared name'
family_phylum <- otu[c('phylum', 'family')]
names(family_phylum)[2] <- 'shared name'
order_phylum <- otu[c('phylum', 'order')]
names(order_phylum)[2] <- 'shared name'
class_phylum <- otu[c('phylum', 'class')]
names(class_phylum)[2] <- 'shared name'
phylum_phylum <- otu[c('phylum', 'phylum')]
names(phylum_phylum)[2] <- 'shared name'
tax_phylum <- rbind(phylum_phylum, class_phylum, order_phylum, family_phylum, genus_phylum, otu_phylum)
tax_phylum <- tax_phylum[!duplicated(tax_phylum$'shared name'), ]
node_list <- merge(node_list, tax_phylum, by = 'shared name', all.x = TRUE)
#根據事先選擇的一些重要節點名稱，在節點列表中標識出後輸出節點列表
select_node <- read.delim('select_node.txt', stringsAsFactors = FALSE)
node_list[which(node_list$'shared name' %in% select_node$id),'select'] <- 1
node_list[which(! node_list$'shared name' %in% select_node$id),'select'] <- 0
head(node_list)
write.table(node_list, 'node_list.txt', row.names = FALSE, sep = '\t', quote = FALSE)
這樣兩個輸入文件就準備好了，分別為上述R輸出的「edge_list.txt」和「node_list.txt」，導入至Cytoscape中進行可視化。
打開Cytoscape後，點擊「Import Network from File System」讀取邊列表，也就是上述輸出的「edge_list.txt」；以及點擊「Import Table from File」讀取節點列表，「node_list.txt」。
文件導入後，Cytoscape中自動呈現一幅網絡圖，這個網絡圖的結構就代表了給定的物種分類樹了。
點擊界面左側「Style」按鈕進入外觀調整選項。首先是對邊的調整，點擊下方「Edge」後進入邊樣式調整界面。
已知該網絡代表了物種分類樹，如上所述，從高級分類水平（界）的根節點開始，依次往低分類層級（門綱目科屬等）延伸，逐漸形成分支。因此，下遊的分類分支都衍生自上遊高級分類分支。參考圖中將衍生自同一門分類的微生物分支賦值相同的顏色，這裡我們效仿，在上文的R操作過程中已經對網絡中每條邊做了歸類，邊列表中的「phylum」列就記錄了分支對應的門分類水平。點擊「Stroke Color」，按邊列表中的「phylum」列分配顏色。
邊的顏色是主要的調節屬性。對於其它的屬性，視情況自定義修改。例如如果覺得邊太細，就可以點擊「Width」將邊的尺寸設置的寬一些，使其更清晰。
隨後，點擊下方「Network」，將「Background Paint」背景色設置為黑色。
然後是對節點的調整，點擊下方「Node」後進入節點樣式調整界面。
對於節點顏色，點擊「Fill Color」，按節點列表中的「select」列分配顏色，將1（標記的重要的微生物）賦值為紅色，0（不重要的）賦值為白色。
對於節點形狀，勾選下方「Lock node width and height」後，點擊「Shape」統一設置為圓形。
對於節點大小，點擊「Size」，按節點列表中的「abundance2」列指定大小。該列是個連續的數值，大值對應大點，小值對應小點。
以及點擊「Properties」顯示出「Label Transparency」選項後統一設置為0，即將節點標籤均設置為透明，以去除節點標籤。
上述過程都很簡單，不再多說了，大家看著來設置就行。
最後是調整網絡布局，獲得類似示例圖中的樹狀結構。可以先嘗試一些自動布局，看看哪些布局風格效果較好。下圖展示一些和示例圖較為相似的自動布局，以及一些不相似但是可能有趣的自動布局，供大家參考吧。
點擊菜單欄「Layout」，提供了N種預設布局；此外「Apps」中可以下載更多樣式的插件，例如yFiles布局就是在「Apps」中找的拓展插件之一。
這些自動布局也就是有幾分相似而已。一般來說，網絡圖布局光靠自動布局是難以滿足需求的，配合手工調整肯定是免不了的，只是手工調整的過程會很糟心……哦對了，說不定真的有自動布局能夠出來示例圖樣式，只是沒找到而已。
以下簡單展示一個手工調節布局的過程。以「Prefuse Force Directed Layout （按 weight 列定義布局）」布局為例，因為它的微生物節點分類層次不明確，有待手動拖一下。當然，實際情況中儘可能找一個最相似的布局來，這樣可以簡化手動的工作量。點擊「Select」，按微生物節點所屬的門分類水平進行選擇，並將選中的節點拉動至一旁，就可和其它類群分開了。隨後，設法手動選擇節點子集，並拖動將該類群內部的節點的層次結構儘可能區分明顯。
把所有節點的層次關係調整好，將微生物的分類關係較好地呈現出，總之工作量挺大的。所以，白魚同學就沒再繼續，為了一個示例耗費大量時間在裡面就不值得了……本篇教程只是作為方法類指引，幫助大家了解大體上是怎樣的操作過程就可以了。真正有需要時，再花點時間配合手工琢磨布局，再慢1天也能搞定了吧。
最後，如果在Cytoscape中調試出了想要的結果，點擊「File > Export > Network to Image」將圖片導出為pdf矢量圖後，放在AI（Adobe Illustrator）中補充文字標籤。例如示例圖中，微生物門水平的名稱、節點數量和所含物種的豐度佔比等，就可以通過AI補充。
整體過程大致就這樣吧，最麻煩的在布局調整那一步，其它倒還好。總之真要有待於可視化這樣一張圖的話，有耐心就是了……集中精力，1天差不多也能搞定了。
新出爐的Cytoscape視頻教程
Cytoscape製作帶bar圖和pie圖節點的網絡圖
後臺回復「生信寶典福利第一波」或點擊閱讀原文獲取教程合集