网络可控性与稳定性16 / 17
生物医学应用
致死性与鲁棒性。Jeong 等（2001，Nature）发现酵母蛋白相互作用网络中，高度蛋白被敲除后更可能致死，这与无标度网络“随机鲁棒、攻击脆弱”的性质一致：大多数随机突变落在低度蛋白上，影响有限；枢纽蛋白突变则后果严重（详见致死性与中心性：枢纽蛋白假说及其争议）。生物系统的鲁棒性还来自冗余（同工酶、旁系同源基因）、简并性（结构不同的组件完成相同功能）、模块化（故障被限制在模块内）和负反馈。合成致死（单独敲除无害、同时敲除致死）是利用冗余结构设计癌症疗法的思路，PARP 抑制剂用于 BRCA 突变肿瘤是代表性例子。
网络控制与药物靶点。Vinayagam 等（2016，PNAS）对有向人类蛋白相互作用网络做可控性分析，把节点分为不可或缺、中性、可有可无三类（删除后驱动节点数增加、不变、减少），发现“不可或缺”蛋白富集了疾病基因和药物靶点。Gu 等（2015，Nature Communications）把可控性指标用于人脑结构网络，区分“平均可控性”（易于把大脑推向许多容易到达的状态）高的脑区与“模态可控性”（易于推向难以到达的状态）高的脑区。控制核心点研究（Zhang 等 2023；Wei 等 2023；见驱动节点的枚举、分类与自适应控制）也属于这一方向。
按问题类型整理的生物医学应用：
| 生物医学问题 | 对应的控制问题 | 代表性工作 |
|---|---|---|
| 哪些蛋白/基因在网络控制中不可缺少？ | 驱动节点分类、控制核心点 | Vinayagam 等 2016；Wei 等 2023（COVID-19 药物重定位）；Zhang 等 2023（癌症维持基因） |
| 哪些神经元对某一行为必需？ | 目标可控性 | Yan 等 2017（线虫运动控制） |
| 用已批准药物控制癌症必需蛋白 | 目标控制 + 药物靶点约束 | Kanhaiya 等 2017 |
| 把细胞从疾病表型推向正常表型 | 非线性吸引子控制（FVS、稳定基序） | Zañudo 与 Albert 2015（T-LGL 白血病、T 细胞分化）；Zañudo 等 2017 |
| 测量哪些代谢物能推断整个代谢状态？ | 可观测性、目标可观测性 | Liu、Slotine 与 Barabási 2013 |
| 刺激哪个脑区更易改变全脑状态？ | Gramian 指标（平均/模态可控性） | Gu 等 2015；争议见 Tu 等 2018 |
| 症状网络中哪些症状对其他症状有更强的控制力？ | 无向网络的支配集与模块控制 | Pan 等 2024（大学新生症状网络） |
把可控性理论用于生物网络有几个前提需要警惕：线性近似只在平衡点附近成立；“控制任意状态”的要求远强于“从疾病态到健康态”的实际需求；生物网络中有向边的方向与符号常常不确定；驱动节点集合不唯一。控制核心点、目标可控性（只控制一部分节点）等方法正是为缓解这些问题而提出的。