Skip to content

Data Science › Network Analysis › 網路分析案例

網路分析案例 (Network Analysis Case Studies) ​

真正做網路分析時,資料很少一開始就是乾淨的 node–edge 表:拿到的是事件紀錄、文字、交易、移動軌跡或表現量矩陣,要自己決定怎麼轉成 graph。不同的建模選擇會產生不同的 edge 意義。指標的定義與解讀見 入門 與 結構指標。

text
定義一列代表什麼事件 → 決定事件會不會產生 edge(方向、意義)→ 必要時從文字抽出關係
  → 重複互動聚合成權重 → 建圖後清理 → 大圖切子圖或時間切片 → 計算指標、比較方法

商品網路:一天一張快照 ​

把商品推薦 / 共同購買資料過濾到單一日期,建成有向圖(node:商品;edge:某商品連向另一商品)。這就是時間切片:先看單一時間點的結構,再把多個日期串起來看變化。

「重要」可以是任務導向的組合條件,例如 out-degree 高且 in-degree 低(常推薦別人、少被推薦)。把這些節點放回其他日期的圖中檢查,會發現重要性可能只是暫時現象。

大圖的處理:取重要節點的 induced subgraph → 刪掉 degree 為 0 的節點 → 只看局部結構。

Twitter:關係藏在文字裡 ​

edge 常不在欄位中,而要從貼文文字抽出:轉推 (retweet)、提及 (mention)、回覆 (reply)、引用 (quote) 的對象。

互動意義方向
Retweet擴散、放大轉推者 → 原作者
Quote帶評論的引用引用者 → 原作者
Reply對話、互動回應回覆者 → 被回覆者
Mention呼叫、社交接觸發文者 → 被提及者

它們都能表示成 source → target,但社會意義不同;研究問題和 edge 意義有關時,要分開建圖,不要合併。

python
import networkx as nx
import pandas as pd

# 1. 從文字抽 mention(被提及的帳號不一定在作者清單中,建圖時自動補節點)
mentions = (tweets.assign(target=tweets["text"].str.findall(r"@(\w+)"))
                  .explode("target").dropna(subset=["target"]))

# 2. 不同互動各建一張有向圖;重複互動聚合成權重
def build(df, target_col):
    w = df.groupby(["user", target_col]).size().reset_index(name="weight")
    G = nx.from_pandas_edgelist(w, "user", target_col, edge_attr="weight", create_using=nx.DiGraph)
    G.remove_edges_from(nx.selfloop_edges(G))          # 清理:自我迴圈
    G.remove_nodes_from(list(nx.isolates(G)))          # 清理:孤立點
    return G

G_rt = build(tweets.dropna(subset=["retweeted_user"]), "retweeted_user")
G_mention = build(mentions, "target")

# 3. 比較同一批帳號在不同互動中的角色
deg = (pd.Series(dict(G_rt.in_degree()), name="rt")
         .to_frame().join(pd.Series(dict(G_mention.in_degree()), name="mention"), how="inner"))
deg["ratio"] = deg["mention"] / deg["rt"]              # 常被提及(對話型)vs 常被轉推(擴散型)

社群偵測不要只跑一種方法:比較 edge betweenness、Louvain / Leiden、label propagation 的結果,問哪些群在不同方法下都穩定、哪些邊界依賴演算法、結論對方法是否敏感,見 社群偵測。

單車共享:流動網路與權重 ​

原始資料是一筆筆騎乘紀錄,不是現成的邊:

python
flows = trips.groupby(["from_station_id", "to_station_id"]).size().reset_index(name="weight")
G = nx.from_pandas_edgelist(flows, "from_station_id", "to_station_id",
                            edge_attr="weight", create_using=nx.DiGraph)
概念說明
權重來自聚合同一對站點被騎過幾次;可控制線寬、區分強弱連結、做過濾
網路距離 ≠ 地理距離網路距離是要經過幾站,衡量結構可達性;兩站可能地理遠但網路近,反之亦然
連通度 (connectivity)nx.node_connectivity、nx.edge_connectivity:要移除多少節點或邊網路才會斷開,衡量韌性 (robustness)

生資案例 ​

PPI 網路(STRING) ​

STRING 整合實驗、共表現、文獻探勘、基因鄰近等證據,給每對蛋白質一個信心分數(下載檔案中 combined_score 為 0–1000)。

python
import requests, io

genes = ["TP53", "MDM2", "CDKN1A", "ATM", "CHEK2", "BRCA1"]
r = requests.get("https://string-db.org/api/tsv/network",
                 params={"identifiers": "\r".join(genes), "species": 9606, "required_score": 700})
ppi = pd.read_csv(io.StringIO(r.text), sep="\t")
G = nx.from_pandas_edgelist(ppi, "preferredName_A", "preferredName_B", edge_attr="score")
注意說明
分數門檻400 中等、700 高、900 最高信心;結論要對門檻做敏感度分析
證據類型只用實驗證據 vs 包含文獻探勘,網路差很多
研究偏差熱門基因的已知交互作用多,hub 不一定是生物上最核心
ID 對應用 STRING ID 或 Ensembl protein ID,symbol 有歧義

常見分析:從差異表現基因建子網路、找模組(MCODE、Louvain)、看 hub 與橋樑節點、對模組做富集分析。

基因共表現網路(WGCNA) ​

node 是基因,edge 是表現量的相似度。WGCNA 把相關係數取冪次(soft thresholding)讓網路接近無尺度 (scale-free),再用 topological overlap 分出模組,每個模組以第一主成分(eigengene)摘要,與臨床特徵相關。

r
library(WGCNA)
# datExpr:樣本 × 基因(已過濾低表現、已做變異穩定轉換)
sft <- pickSoftThreshold(datExpr, powerVector = 1:20, networkType = "signed")
net <- blockwiseModules(datExpr, power = 12, networkType = "signed", TOMType = "signed",
                        minModuleSize = 30, mergeCutHeight = 0.25)
MEs <- net$MEs                                   # 每個模組的 eigengene
cor(MEs, traits, use = "p")                      # 模組 ↔ 表型
注意說明
樣本數一般建議至少約 15–20 個樣本,否則相關係數雜訊太大
批次效應先校正,否則模組反映的是批次而非生物
相關 ≠ 調控共表現網路無方向、不代表因果;推論調控關係需要其他證據

單細胞 kNN 圖 + Leiden ​

單細胞分群本身就是網路分析:node 是細胞,edge 連到表現量空間(PCA 後)中最近的 k 個鄰居,再用 Leiden 社群偵測切出細胞群。完整的 scanpy 流程見 AnnData 與 scanpy。

python
import scanpy as sc

sc.pp.pca(adata, n_comps=50)
sc.pp.neighbors(adata, n_neighbors=15, n_pcs=30)        # 建 kNN 圖:adata.obsp["connectivities"]
sc.tl.leiden(adata, resolution=1.0, flavor="igraph", n_iterations=2, key_added="leiden_r1")
sc.tl.umap(adata)                                       # UMAP 也建立在同一張 kNN 圖上
參數影響
n_neighbors小:保留細緻局部結構、易破碎;大:較平滑、小群可能被吞掉
n_pcs太少丟失訊號,太多加入雜訊
resolution社群偵測的 resolution 參數:越大群越多;沒有唯一正確值,要用 marker 基因與生物知識判斷

UMAP 上看起來分開不代表是不同細胞類型,看起來相連也不代表是連續的分化:判斷要回到 kNN 圖與 marker。批次整合(Harmony、scVI)要在建圖之前,見 單細胞深度學習。

常見錯誤 ​

錯誤後果
把原始事件列直接當 edge,沒確認每列的意義圖建錯
把 retweet、mention、reply 混成同一種互動centrality 與社群的解讀變模糊
沒有聚合重複互動權重資訊流失(或變成多重邊)
只看地理距離,或把相似度當距離算最短路徑回答錯的問題
只跑一種社群偵測、一個 resolution 就下結論結果依賴方法與參數
共表現網路沒校正批次模組反映技術變異