Cytoscape MCC算法怎么用 聚类结果与操作步骤
Cytoscape MCC算法是Cytoscape的clusterMaker插件里用于在蛋白质互作网络中识别紧密功能模块的聚类方法，全称是Molecular Complex Detection（MCODE）的扩展实现。它按节点局部密度给子网络打分，把高连通区域划成簇，适合从PPI网络里筛出可能的复合物或功能模块。下面按实际操作顺序说明怎么在Cytoscape里调用、设置和解读MCC算法结果。
- 第一步 安装并确认MCC算法所在插件
Cytoscape本体并不直接内置MCC算法，它来自clusterMaker插件。打开Cytoscape后，从Apps菜单进入App Manager，在搜索框输入clusterMaker，确认列表中的clusterMaker2已安装并处于启用状态；若未安装，点Install后重启Cytoscape。重启完成再点Apps菜单，能看到ClusterMaker相关子项，说明MCC算法已经可用。若菜单里没有出现，检查Cytoscape版本与插件版本的匹配关系，必要时换用与当前Cytoscape主版本对应的clusterMaker2版本。安装完成后无需额外配置路径。 - 第二步 准备适合MCC算法的网络并导入
MCC算法面向的是节点之间有连接关系的网络，所以先把网络导入Cytoscape。从File菜单选择Import，再选Network from File，导入边表或SIF、GraphML等常见网络格式。导入后检查节点数和边数是否合理，如果只有节点没有边，MCC算法无法计算簇。若你的网络来自STRING或Cytoscape里的字符串互作，先确认已经在网络里生成实际边。对大型网络，建议先做一次简单过滤，例如去掉孤立节点和只有一条边的低置信度连接，减少簇被噪声稀释的可能。 - 第三步 在ClusterMaker里选择MCC算法并设置参数
点Apps菜单中的ClusterMaker，再选Cluster。在弹出的聚类面板里，把Algorithm下拉设为MCODE，也就是MCC的实现。常见参数包括：Degree Cutoff用来控制节点至少要有多少条连接才参与聚类，值越高结果越严格；Node Score Cutoff控制节点被并入簇的门槛；K-Core用于限制每个簇的最小核心连通度；Max Depth限制从种子节点向外扩展的层数。首次运行可以先用较宽松参数得到较多簇，再根据结果逐步收紧。面板下方若提供Include Loops、Haircut等选项，按你的分析目标决定是否勾选，勾选前先确认理解其含义。 - 第四步 运行MCC并查看聚类结果
参数设定好后点Run或OK执行。Cytoscape会在网络视图里为不同簇着色，同时在结果区或Columns里增加一列簇编号，通常记作cluster或MCODE cluster。回到Style面板，把Node Fill Color设置为按该簇编号列映射，就能直观看到每个模块。再用Select菜单选择该列的每个取值，检查节点是否在空间上聚集。若结果里出现大量只含两三个节点的碎片簇，说明参数偏松，建议提高Degree Cutoff或K-Core后重新运行。 - 第五步 导出簇并做后续功能解读
在Clusters或结果列表里选中感兴趣的簇，可以用Export导出该簇的节点集合，用于功能富集分析或与已知复合物比对。也可以右键网络里的簇节点，选择Create Subnetwork，把该簇单独生成子网络继续分析。导出时注意保存节点ID与基因名对应关系，避免后续富集时匹配不上。若需要把MCC结果与其他聚类方法比较，可对同一网络分别运行不同算法，再对比各方法得到的簇数量与簇内连通度，判断哪种更符合你的研究假设。 - 常见疑问与注意事项
一、MCC和MCODE是不是一回事：在clusterMaker语境下，MCC算法就是MCODE的聚类实现，菜单名与文献名可能不同，看到MCODE不必困惑。二、结果不稳定：聚类结果与参数直接相关，没有唯一正确参数，建议记录每次运行的参数组合，便于复现。三、网络太大跑不动：先对网络做置信度过滤或只保留最大连通分量，再运行聚类，能明显缩短计算时间。四、节点颜色没变化：检查是否真的选中了簇编号列做映射，或该列是否生成在正确的网络表里。五、MCC只负责分簇，不直接给出通路富集意义，富集还需要把簇内基因列表交给其他工具或数据库完成。
软件页面：Cytoscape。