Zi、Piscore值中Zi指的是within-moduleconnectivity，而Pi指的是among-moduleconnectivity。他们一起用来表示network中每个node的拓扑属性。
Zi、Piscore值为network分析中常用的两个参数。我们都知道，Network分析现已经成为微生物组研究中比较常用的分析方法，通过network分析我们可以知道微生物群落更多信息，其中一个重要部分就是微生物群落中的Keystonespecies。我们常用的用来表示keystonespecies的方法除了betweennesscentralityscore之外，还有一个就是Zi、Piscore值了。
==引文见Jiangetal.(2016)CroprotationsalterbacterialandfungaldiversityinpaddysoilsacrossEastAsia.SoilBiology&Biochemistry95250-261.==
在上图中我们可以看到作者利用Zi、Pi值将network中的OTU分成了4部分，分别为peripherals,connectors,modulehubs和networkhubs。
正在生态学研究中，peripherals主要代表微生物网络中的一些specialists，而modulehubs和connectors主要代表一些接近generalists的物种，networkhubs主要代表微生物网络中的super-generalists。详细说明请见
==Dengetal.(2012)Molecularecologicalnetworkanalyses.BMCBioinformatics13:113.==
上图详细的介绍了Zi、Pi值的计算方法。参考文献为：
==Cumboetal.(2014)GIANT:ACytoscapePluginforModularNetworks.PlosOne9e105001==
下面我们详细介绍如何基于Cytoscape中的GIANT增强包来计算Zi、Pi值，首先我们需要打开Cytoscape建立好一个network，然后打开AppManager下载GIANT增强包，如下：搜索GIANT包，选择后点Install安装即可。
测试这此功能，我们需要用Cytoscape打开一个网络。测试数据后台回复“GIANT”获得。方可进行下面分析。
下载好后打开GIANT增强包可以看到界面如下，如果之前你对网络图做了其他聚类分析，那么你直接可以LoadClusterdata，如果没有的话也可以用包里自带的，但是只有3种（MCL，Kmeans，Spectralcluster）。然后点击Run再点击Compute。
这个增强包只提供了MCL，Kmeans，Spectralcluster三种聚类方法：
SpectralClustering(SC,谱聚类)是一种基于图论的聚类方法。将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到常见的聚类的目的。
K-means聚类算法，它是无监督聚类的一种，可以用距离度量来将样本集分成K个类。
MCL聚类是一种快速可度量的无监督聚类方法。
更详细的说明及计算方法可以参考
这里注意上传数据的格式，增强包里同样有说明
按照上面步骤，网络图的Zi、Pi值就计算好了，其结果如下：