网络分析流程与 NetworkX 实践12 / 16
常见生物医学网络数据与分析方向
下表整理了十类常见的生物医学网络、对应的公开数据来源与典型分析问题。
| # | 方向 | 数据来源 | 典型分析问题 |
|---|---|---|---|
| 1 | 脑网络分析 | Human Connectome Project（HCP）humanconnectome.org | 用 fMRI 构建功能脑网络，研究脑区连接强度；识别功能模块，比较其在视觉、记忆或运动等任务下的网络特性变化 |
| 2 | 蛋白质相互作用网络 | STRING string-db.org | 针对一种疾病（如阿尔茨海默病）构建 PPI 网络，用度、介数等中心性找出关键蛋白，结合文献讨论其在疾病中的作用与成药潜力 |
| 3 | 基因调控网络 | GEO ncbi.nlm.nih.gov/geo | 用某种癌症的表达数据构建基因调控（或共表达）网络，识别关键基因，解释其潜在机制与治疗意义 |
| 4 | 疾病关联网络 | DisGeNET disgenet.com | 构建多种疾病的基因关联网络，分析疾病间共享基因及其在共病机制中的作用 |
| 5 | 代谢网络 | KEGG genome.jp/kegg | 构建代谢网络，分析度分布、聚类系数，识别高中心性代谢物，讨论网络的稳健性与脆弱性 |
| 6 | 微生物生态网络 | Earth Microbiome Project earthmicrobiome.org | 构建微生物共现网络（正、负相关），识别关键物种，分析温度、湿度等环境因素对网络结构的影响 |
| 7 | miRNA–基因调控网络 | miRTarBase mirtarbase.cuhk.edu.cn | 构建 miRNA–靶基因调控网络，用中心性找出关键 miRNA，探讨其在某种疾病中的调控机制 |
| 8 | 药物–靶点网络 | DrugBank go.drugbank.com | 构建药物–靶点网络，分析药物间靶点重叠，寻找药物重定位线索，识别关键药物与关键靶点 |
| 9 | 癌症突变网络 | TCGA cancer.gov/tcga | 用突变数据构建突变基因相互作用网络，识别高频突变基因，分析其网络地位、模块化与连通性 |
| 10 | 细胞信号传导网络 | Reactome reactome.org | 构建信号传导网络，用中心性识别信号传递关键节点，分析或模拟信号传递路径 |
无论哪个方向，一个完整的分析通常包括：详细描述网络构建过程；解释所用网络指标及其生物学意义；列出关键节点并结合文献讨论；尽可能用独立数据集或文献支持结果的可靠性；讨论研究的应用前景与局限。各方向的专门方法见脑连接组：结构与功能连接、生物分子网络与拓扑特征、基因调控网络推断与共表达分析与疾病模块、网络邻近度与药物重定位。
不同方向的数据在读入时各有需要注意的地方：
| 方向 | 读入时的要点 |
|---|---|
| 脑网络 | 连接矩阵的行列顺序对应脑图谱的分区编号，必须同时保存图谱标签文件；对角线通常置零；功能连接含负值，需决定处理方式 |
| PPI | 标识符映射；无向边在完整文件中双向重复；按置信度或证据通道过滤；剔除预测来源或同源迁移来源时要写明 |
| 调控网络 | 方向（调控者 → 靶标）与符号（激活 / 抑制）是边属性，应读入
DiGraph 并保存符号 |
| 二部网络（药物–靶点、miRNA–靶基因） | 用节点属性 bipartite=0/1
区分两类节点；投影到单类网络会丢失信息并产生大量团，投影方式要说明 |
| 微生物共现 | 组成数据（相对丰度）直接求相关会产生虚假相关，应使用针对组成数据的方法 |
数据获取与合规：HCP 数据需注册 ConnectomeDB 并同意其数据使用条款，个体数据不得再分发；DisGeNET 的免费学术许可只含人工审编数据，需申请；DrugBank 的学术下载需注册，近期可能暂停，可考虑 DGIdb 等替代来源（见疾病模块、网络邻近度与药物重定位的延伸资源）。初次分析可以先从下载即得的数据入手，例如 STRING 的人类 PPI 文件、TRRUST v2 转录调控关系、ENIGMA Toolbox 内置的 HCP 组平均连接组矩阵。不要把含个人信息的数据上传到任何公共平台或 AI 工具。