1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | network-visualization-gptomics-bioskills |
| 作者/维护者 | GPTomics（GitHub） |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/data-visualization/network-visualization |
| 许可证 | MIT（来自 GitHub API） |
| GitHub Stars | 合集仓库整体 1,127 stars（来自 GitHub API）；该数字属整个 bioSkills 合集，不代表本技能自身热度 |
| Forks | 合集仓库整体 193（来自 GitHub API） |
| 最新版本 | 仓库版本标签 3.0（来自 GitHub API，为仓库整体版本号，本技能无独立版本号） |
| 安装方式 | 仓库自带多平台安装脚本，支持按分类（data-visualization）选择性安装 |
2. 功能介绍与亮点
本技能引导 agent 为生物网络数据（蛋白互作 PPI、基因调控网络、共表达网络、通路网络）选择合适的可视化方案：按网络类型与规模给出布局算法决策树（通用 PPI 用 Fruchterman-Reingold/Kamada-Kawai，无标度大网络用 ForceAtlas2，比较型数据用 hive plot，多对多关系用层级边捆绑），并提供三档渲染路径——matplotlib 静态出版图、PyVis 交互式 HTML、经 py4cytoscape 桥接的 Cytoscape 期刊级排版。
核心亮点：
- 明确指出常见误区——力导向布局中节点的相对位置不具备生物学意义，只有连接关系（边）与度数是可靠信号，并给出 hive plot、circular layout 等替代方案
- 方法学有据可查，引用 Krzywinski 2012（hive plot）、Holten 2006（层级边捆绑）、Jacomy 2014（ForceAtlas2）等文献
- 附 3 个可直接运行的示例脚本（
network_plots.py、interactive_network.py、cytoscape_automation.py），覆盖基础绘图到桌面自动化全流程 - SKILL.md 内置版本兼容性提示，要求 agent 在依赖版本不符时自行内省 API 而非盲目重试
3. 适用场景
固定分类：数据分析与可视化
适合需要处理蛋白互作网络、基因调控网络、共表达网络或通路网络的科研人员与生物信息学工程师，在 Claude Code / Codex 等 agent 中直接描述绘图需求（如“画一张 200 节点的 PPI 网络，按模块着色”），无需手动查阅 NetworkX/igraph/Cytoscape 的 API 细节。也适合需要对照多组网络（如对照组 vs 处理组）并保持一致布局以避免视觉误导的场景。
4. 跨 Agent 兼容性
- Claude Code：原生支持——仓库提供
install-claude.sh，支持--categories "data-visualization"选择性安装（依据：README 安装章节） - Codex：原生支持——
install-codex.sh会将本技能转换为 Agent Skills 标准格式后安装（依据：README） - OpenClaw：原生支持——提供
install-openclaw.sh，且整套技能同时上架 ClawHub 市场（依据：README 安装章节） - Hermes Agent：原生支持——Hermes Agent 官方生物信息学网关页面在“数据可视化与报告”分类下按名列出本技能（依据：直接核实官方文档页面）
5. 推荐理由
把“画一张生物网络图”从零散的 API 试错，变成一套有方法学依据的决策流程：先按网络类型与规模选布局算法，再从静态/交互/期刊级三种渲染路径中挑一种，全程提醒“力导向布局节点位置不代表生物学意义”这类容易踩的坑。三个可直接运行的示例脚本覆盖了从基础绘图到 Cytoscape 桌面自动化的完整路径，装上即可直接向 agent 描述需求作画。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | 子目录自身无独立星数（合集仓库 stars 不计入单个技能）；核心证据为 Hermes Agent 官方生物信息学网关在“数据可视化与报告”分类下具名收录本技能，构成跨平台可发现性的独立信号 |
| 可用性 | 9 | Claude Code / Codex / OpenClaw 等平台均提供一键安装脚本且支持按分类选装；文档含 SKILL.md + usage-guide.md + 3 个可运行示例脚本；全部依赖（NetworkX/PyVis/igraph/Cytoscape 桌面版）均可免费获取 |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单： ① shell 命令与权限范围：无 shell 命令执行；示例脚本为纯 Python/R 绘图代码，唯一“外部交互”是可选的 py4cytoscape 本地 REST 调用（需用户先手动启动本机 Cytoscape 桌面应用），未运行时代码判空退出，不隐式执行任何系统命令 ② 运行时联网：示例脚本本身不发起网络请求；仅当用户主动提供真实互作数据库查询需求时才涉及联网，属正常科研数据获取路径 ③ API key/凭据：不要求任何 API key 或凭据 ④ 可疑指令：逐一检查 SKILL.md、usage-guide.md 与 3 个示例脚本，未发现 prompt injection 迹象或混淆代码 ⑤ 作者信誉：GPTomics 为独立开源维护者，仓库有真实第三方项目引用致谢与另一学术项目提出合并请求的持续社区互动记录，无造假迹象 ⑥ License：MIT，明确 ⑦ 最近维护：仓库整体最近一次推送 2026-07-25；本子目录最近一次实质提交 2026-05-24
7. 跟同类 Skills 相比的优势
| 工具 | 定位 | 与本技能的差异 |
|---|---|---|
| Cytoscape（桌面应用） | 业界标准的网络可视化 GUI 软件 | 纯图形界面操作，不含面向 agent 的决策指引；本技能通过 py4cytoscape 提供从 agent 直接驱动 Cytoscape 的自动化桥接，同时保留 GUI 精修选项 |
| Gephi（桌面应用） | 大规模网络力导向布局工具（ForceAtlas2 的原生实现） | 同为纯 GUI 桌面工具，无代码化/agent 化路径；本技能把 ForceAtlas2 的适用场景（>500 节点无标度网络）写成决策规则供 agent 直接调用 |
| heatmaps-clustering-gptomics-bioskills（同仓库姊妹技能） | 面向矩阵型数据（如基因表达矩阵）的聚类热图 | 解决的是数值矩阵的可视化，本技能解决的是关系/连接型数据（蛋白互作、调控网络）的可视化，两者覆盖不同数据结构、互为补充 |
8. 用户评价
开发者 dailycafi 在其衍生项目 MetaboClaw 的 GitHub Issue 中评价该仓库技能“结构异常清晰”（SKILL.md + examples/ + usage-guide.md），并基于这套结构复用了仓库内 metabolomics、multi-omics-integration、systems-biology 目录下的 17 个技能（GitHub Issue #45，附致谢说明）。本技能与被引用的技能共享完全相同的文档结构。目前尚未发现专门针对 network-visualization 本身的具名评价。
9. 其他补充
仓库同时支持 Antigravity CLI 与 OpenCode（后者可自动发现 ~/.claude/skills/ 下已安装的技能，无需重复安装）。
10. 安装使用方式
git clone git@github.com:GPTomics/bioSkills.git
cd bioSkills
./install-claude.sh --categories "data-visualization" # 仅安装数据可视化分类（含本技能）
# 或安装全部技能：
./install-claude.sh- Codex：
./install-codex.sh --categories "data-visualization" - OpenClaw：
./install-openclaw.sh --categories "data-visualization"，或直接从 ClawHub（clawhub.ai/djemec/bioskills）安装 - Hermes Agent：由官方生物信息学网关索引，agent 可按需自动拉取，无需手动预装
安装后注意事项：使用前需执行 pip install networkx pyvis py4cytoscape matplotlib numpy；若要使用 Cytoscape 自动化路径，须提前手动启动本机 Cytoscape 桌面应用，脚本会自动探测其是否在运行。安装后无需重启 agent，直接在对话中描述绘图需求即可触发。
11. 注意事项
- 力导向布局（Fruchterman-Reingold/ForceAtlas2）的节点相对位置不具备生物学意义，仅连接关系（边）和度数是可靠的可视化信号，使用时需注意不要过度解读节点间距离
- Cytoscape 自动化路径依赖本机已安装并运行 Cytoscape 桌面应用，纯远程/无 GUI 环境下该分支功能不可用，需退回 matplotlib/PyVis 路径
- 超大规模网络（>5 万节点）用 matplotlib 静态渲染会失真，SKILL.md 建议改用 datashader 栅格化，需额外安装该依赖
- 该技能是 bioSkills 大型合集仓库（561 个子技能）的一部分，安装脚本支持按分类精确选装，无需安装全部技能