基于网络可控性的靶点识别

邻近度、分离度和网络传播都把相互作用组当作无向网络，只问“药物靶点离疾病模块多近”。基于网络可控性的研究从另一个角度切入：在有向的调控或信号网络中，借助结构可控性与最大匹配，问“哪些节点在维持网络当前状态的信号传递中不可绕开”。方法细节见网络可控性与稳定性中的“驱动节点的枚举、分类与自适应控制”一节，这里只说明它与网络医学的衔接。

控制枢纽与癌症维持基因

一个网络的最大匹配把它分解为若干条控制路径，节点在路径中可能是头（驱动节点）、尾或中间节点；控制方案不唯一，节点角色随方案变化。控制枢纽（control hub，即控制核心点）是在所有控制方案中都位于路径中间的节点，可在不枚举全部方案的情况下用多项式算法找出。

Zhang 等（2023，iScience；精读见 Zhang 2023）把癌症基因调控网络中的控制枢纽定义为癌症维持基因（cancer-keeper genes, CKG）。在以膀胱癌驱动基因和高频突变基因为种子、从五个通路数据库构建的 7,030 个基因、103,360 条有向边的网络中，CKG 只有 660 个（9.4%），远少于驱动节点；CKG 在必需性、药物靶点等数据集中富集，并在细胞和小鼠实验中检验了部分候选，结果有正有负。

全网可控性与 COVID-19 药物重定位

Wei 等（2023，Biology Direct）在人类 PPI（HuRI-Union）、SARS-CoV-2–宿主相互作用（Gordon 等 2020）和 DrugBank 药物–靶点构成的三层网络中找出 1,256 个控制枢纽，再以“距病毒蛋白 $k$ 步以内”的社区筛选。$k=2$ 时控制枢纽最富集，其中 65 个是已知药物靶点，对应 185 种已有药物。

与邻近度方法的异同

两类方法可以互补：控制枢纽提供了不依赖距离的“结构必要性”标准，而邻近度提供了与特定疾病模块的定位关系。