在很多研究领域，时间和药物剂量是非常重要的参数，而我们通常构建的调控网络图是静态的，无法准确反映出基因调控网络随着时间或剂量而产生的变化，而能将上述变化阐述清楚的往往也是很牛的研究。
Cytoscape的插件DyNetViewer，小白也能做动态网络图。
这个插件可以用于构建分析动态的网络图，这对于涉及剂量大小、时间变化的实验数据的可视化分析是顶好的。
（没有进一步美化，多多包涵！）
插件下载不多说，还是Apps里直接下载（网速不给力的童鞋可以尝试Cytoscape的官网里的app下载）
具体怎么操作呢？
这里用一个远古素材为例，用的数据集是GSE30691，文章研究的是不同神经性疼痛的模型中基因的表达变化情况。
不同手术组不同时间点基因表达的变化情况
首先，利用某一组具有显著差异的基因构建PPI网络（STRING数据库）
（该表内数据源于文章的supplymentary）
导入这一静态的PPI网络（从STRING数据库中导出txt文件）
接下来选择构建动态网络的算法，这4种算法的区别在插件作者的文章中有讲解，这里我们用文章中举例时使用的算法和阈值。
最后，导出这一动态网络，便于以后使用（顶部就是导入动态网络）
DyNetViewer也可以做网络中心性的分析，类似于MCODE插件，但毕竟是一个动态网络图的插件嘛，所以分析结果肯定也是一个动态结果，这里我们就不作详细的演示了
（原文中的分析案例）
Sci-hub上似乎没有这篇文章，这里把文章和Supplymentary的网盘链接给大家链接：https://pan.baidu.com/s/1OFfyfF3yW17ZjnVCUmYkNQ
密码：xsmh
在线基因调控网络分析工具TimeXNet（http://txnet.hgc.jp/）。
TimeXNet用起来也不复杂，比如只需要导入一个基因表达变化的文件就可以了
数据输入进去之后就可以得到得到不同阶段的蛋白质互作网络以及基因功能聚类的结果（GO和KEGG）
这两个工具区别在哪呢？个人觉得吧，DyNetViewer可视化更好一些，TimeXNet的分析更好一些。
![联系客服](javascript: Mobi.showWeChatService("//6309039.s21i.faiusr.com/2/ABUIABACGAAg4JO47gUosKjkywUwrgM4rgM.jpg");){kind=link}