流程
1.首先要获取蛋白质列表（单个/多个）
格式：蛋白名称为一个占一行，或者氨基酸序列的通用格式。ID类别：可以为一种，可以为多种混合
2.在对应的数据框中输入蛋白质列表或者上传列表文件后，选择对应的物种。如果知道物种，可以直接进行下拉选择。如果不知道，可以选择自动获取 3.选择好对应模式之后（默认为protein模式），点击“GO！"到识别页面 为了后续方便识别，建议对结果进行核查并记录有变化的结果
4.确定好蛋白质之后，点击”continue"对结果进行展示 调整适应参数，查阅相关信息 输出关系对及关系类别的分值信息文件，输出关系网络图片
结果展示
参数 1.Active Prediction Methods:可以对需要的方式进行勾选
2.Required Confidence(Score):选择最小可靠值 3.Interactors Shown:在所选阈值范围内，预测相互作用得分最高的蛋白质的数量
4.Additional(White)Nodes:将现在所有的节点重新输入数据库进行再次搜索，并找出高度重复的节点。这些节点即为白色节点，以排名和数量限制，从高到低输入该网络
后续分析
前面六列是ID对应的每个节点他的关系对ID，后面的结果则是对应每一种类别他的评分以及最后的combined_score(综合得分） 六列分别是一相互作用关系对（第一列node1 第二列node2） 二：每个节点对应的string ID（第三列是node1_string_id，第四列是node2_string_id) 三：外部ID（第五列是node1_external_id,第六列是node2_external_id ） 四：各项对应的得分（第七列是neighborhood，第八列是fusion，第九列是cooccurence,第十列是homology，第十一列是从expression，第十二列是experimental，第十三列是knowledge,第十四列是textmining） 五：综合得分（combined_score)
后续分析 1.通过Cytoscape构建PPI网络，并进行拓扑结构分析，并且找出Hub蛋
2.通过对拓扑异构进行多种分析比如聚类及子网络挖掘分析，找出重要功能子模块，或者重要的子网络，缩小范围 3.将网络或其它调控网络相结合，寻找重要的调控关系及作用
4.对相互作用关系进行细分研究，寻找重要的生物学信息