用途：将生物网络（PPI、基因调控、共表达、通路）绘制为可发表或可交互的图。核心能力包括布局算法选择、节点属性编码（按度/中心性定大小，按社区/模块定颜色）以及渲染层级选择。
主要能力与用法：Python 侧使用 networkx、pyvis.Network、py4cytoscape、datashader；R 侧使用 igraph、ggraph；桌面工具为 Cytoscape、Gephi。静态出版图用 matplotlib，交互 HTML 用 PyVis，期刊级合成用 Cytoscape。布局示例：nx.spring_layout(G, k=1/np.sqrt(len(G)), iterations=100, seed=42)、nx.kamada_kawai_layout(G)、nx.circular_layout(G)、nx.shell_layout、nx.spectral_layout、nx.bipartite_layout、nx.nx_pydot.graphviz_layout(G, prog='dot')。ggraph 可用 layout='fr'、'kk'、'circle'、'graphopt'。
关键限制：力导向布局的节点位置是优化产物，不具生物学含义，只有边存在与节点度是生物学信号；必须设置随机种子（如 seed=42）以保证可复现；比较两个网络时应复用同一布局或使用并集网络布局。稠密网络易出现“毛球”，可用分层边捆绑、hive plot、过滤高置信边或 Datashader 栅格化。PyVis 适合约 2000 节点以内，超过约 5 万节点建议 Datashader。标签仅标注枢纽节点以避免杂乱。
适用场景：PPI、调控级联、通路、共表达模块比较及大规模网络展示。具体收费、平台与效果资料暂未提供。