网络思维与网络医学

经典的单基因病（如囊性纤维化、亨廷顿病）可以追溯到单个基因的突变。但大多数常见病——糖尿病、冠心病、精神疾病、多数肿瘤——涉及大量基因，每个基因的效应都很小。网络视角提供了一种解释：致病基因编码的蛋白在相互作用网络中并非随机散布，而是倾向于聚集在相互连接的局部区域，称为疾病模块（disease module）；一个模块中任何一处的扰动都可能导致类似的表型。这一思路带来几个可检验的预测：

• 与已知致病基因相邻的基因，更可能也是致病基因（用于候选基因排序）；
• 两种疾病的模块在网络上靠得越近，临床共病（comorbidity）越常见；
• 药物靶点与疾病模块在网络上的距离，可以用来预测药物疗效和重定位机会。

网络思维也有边界。当前的人类相互作用组（interactome）仍然不完整，被研究得多的基因测到的相互作用也多（研究偏倚）；统计关联网络中的边不等于因果。网络模型是帮助思考的工具，结论需要实验或独立数据验证。