StringDB.md

1. Usando a Interface Web do STRINGdb

A versão web do STRING é acessível em https://string-db.org/.

1.1 Busca por uma Proteína

1. Acesse o site e, na barra de pesquisa, insira o nome da proteína, gene ou identificador (ex.: TP53 para humanos).
2. Selecione a espécie correspondente no menu suspenso.
3. Clique em Search para visualizar a rede de interações.

1.2 Visualizando Redes de Interação

• O resultado principal exibe um grafo das interações proteína-proteína com diferentes cores representando fontes de evidência (ex.: interações experimentais, coexpressão, etc.).

• Passe o cursor sobre os nós para ver informações detalhadas das proteínas.

• Clique nos nós para explorar conexões mais profundas.

1.3 Download de Dados

• Você pode baixar as redes de interação no formato TSV, CSV ou XGMML para análises em outros softwares, como Cytoscape.

1.4 Análise Funcional

• Utilize as guias de Enriquecimento Funcional para analisar categorias de GO (Gene Ontology), vias de KEGG e associação com doenças.

2. Usando o Pacote STRINGdb no R

Se você tem listas de genes ou proteínas e quer automatizar a análise, pode usar o pacote STRINGdb no R.

2.1 Instalação do Pacote

Primeiro, instale e carregue o pacote:

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")

BiocManager::install("STRINGdb")
library(STRINGdb)

2.2 Inicializando a Conexão com STRINGdb

O primeiro passo é inicializar um objeto STRINGdb com a versão do banco de dados, organismo e a escala de confiança mínima para as interações:

string_db <- STRINGdb$new(
    version = "11.5",  # Última versão
    species = 9606,    # Código taxonômico para Homo sapiens (substitua conforme necessário)
    score_threshold = 400,  # Confiança mínima (0 a 1000)
    input_directory = ""
)

Para outras espécies, consulte a lista de códigos taxonômicos em:

https://string-db.org/cgi/access?species_text=all

2.3 Mapeando Genes para IDs do STRING

Se você tem uma lista de genes/proteínas, primeiro precisa mapear para os IDs do STRING:

# Exemplo de tabela com genes
genes <- data.frame(
    gene = c("TP53", "BRCA1", "BRCA2", "EGFR", "MYC")
)

# Mapeando para os IDs do STRING
mapped_genes <- string_db$map(genes, "gene", removeUnmappedRows = TRUE)
head(mapped_genes)

2.4 Construindo Redes de Interação

Com os genes mapeados, podemos gerar uma rede de interações:

# Criando um grafo de interações
network <- string_db$get_interactions(mapped_genes$STRING_id)

# Visualizando as primeiras interações
head(network)

Se quiser visualizar a rede no próprio STRINGdb:

string_db$plot_network(mapped_genes$STRING_id)

2.5 Análise Funcional (Enriquecimento de GO e KEGG)

Para obter enriquecimento de termos de Gene Ontology (GO) ou vias de KEGG:

# Análise de enriquecimento GO
enrichment_GO <- string_db$get_enrichment(mapped_genes$STRING_id, category = "Process")
head(enrichment_GO)

# Análise de enriquecimento KEGG
enrichment_KEGG <- string_db$get_enrichment(mapped_genes$STRING_id, category = "KEGG")
head(enrichment_KEGG)

2.6 Exportando os Resultados

Para salvar os resultados como arquivos CSV:

write.csv(network, "network_interactions.csv", row.names = FALSE)
write.csv(enrichment_GO, "GO_enrichment.csv", row.names = FALSE)
write.csv(enrichment_KEGG, "KEGG_enrichment.csv", row.names = FALSE)

3. Integração com Cytoscape

Se quiser visualizar os dados no Cytoscape, pode exportar a rede para um formato compatível:

write.table(network, "network_for_cytoscape.txt", sep = "\t", row.names = FALSE, col.names = TRUE, quote = FALSE)

No Cytoscape, use a opção File → Import → Network from Table e carregue o arquivo.

Conclusão

O STRINGdb é uma ferramenta poderosa para explorar interações proteína-proteína e analisar funções biológicas associadas. A interface web é útil para visualizações rápidas, enquanto o pacote STRINGdb no R permite análises automatizadas e integração com outros dados genômicos.