Example04 / 11
二分网络的投影——药物–靶点到药物–药物
一个虚构的药物–靶点二分网络（药物 D1–D5，靶点 T1–T6）。 投影到药物一侧：两种药物共享靶点就连边，边权 = 共享靶点数（等价于 B B^T 的非对角元）。 输出按共享靶点数从大到小列出药物对，并画出投影网络（边宽 ∝ 共享靶点数）。 共享靶点多的药物对是药物重定位的候选线索之一；矩阵计算与 NetworkX 的结果一致。
Output输出图
Output文字输出
是二分图吗？ True D1 - D3 共享靶点数 = 2 D4 - D5 共享靶点数 = 2 D1 - D2 共享靶点数 = 1 D2 - D3 共享靶点数 = 1 B B^T（对角元为各药物的靶点数）: [[2 1 2 0 0] [1 2 1 0 0] [2 1 3 0 0] [0 0 0 2 2] [0 0 0 2 2]]
Code代码
# 一个虚构的药物–靶点二分网络（药物 D1–D5，靶点 T1–T6）。
# 投影到药物一侧：两种药物共享靶点就连边，边权 = 共享靶点数（等价于 B B^T 的非对角元）。
# 输出按共享靶点数从大到小列出药物对，并画出投影网络（边宽 ∝ 共享靶点数）。
# 共享靶点多的药物对是药物重定位的候选线索之一；矩阵计算与 NetworkX 的结果一致。
import networkx as nx
import numpy as np
from networkx.algorithms import bipartite
import matplotlib.pyplot as plt
drug_target = [("D1", "T1"), ("D1", "T2"), ("D2", "T2"), ("D2", "T3"), ("D3", "T1"),
("D3", "T2"), ("D3", "T4"), ("D4", "T5"), ("D5", "T5"), ("D5", "T6"), ("D4", "T6")]
drugs = sorted({d for d, _ in drug_target})
targets = sorted({t for _, t in drug_target})
B = nx.Graph()
B.add_nodes_from(drugs, bipartite=0)
B.add_nodes_from(targets, bipartite=1)
B.add_edges_from(drug_target)
print("是二分图吗？", bipartite.is_bipartite(B))
P = bipartite.weighted_projected_graph(B, drugs)
for u, v, w in sorted(P.edges(data="weight"), key=lambda x: -x[2]):
print("%s - %s 共享靶点数 = %d" % (u, v, w))
# 用关联矩阵核对：P = B B^T
Bmat = bipartite.biadjacency_matrix(B, row_order=drugs, column_order=targets).toarray()
PP = Bmat @ Bmat.T
print("B B^T（对角元为各药物的靶点数）:")
print(PP)
pos = nx.spring_layout(P, seed=0)
widths = [2 * w for _, _, w in P.edges(data="weight")]
nx.draw(P, pos, with_labels=True, width=widths, node_color="#9ecae1")
plt.title("drug projection (edge width = shared targets)")
plt.show()Run在浏览器中运行
首次加载 Python 环境约需 20–40 秒；可以修改参数后重新运行。