生物医学应用

网络医学给药物研发带来的最大变化，是把“找一个关键靶点”改成“评估药物作用在疾病模块的哪个位置”。这对几类问题尤其有用。

候选疾病基因排序：对罕见病或复杂病的 GWAS、外显子测序结果，用 DIAMOnD 或网络传播在已知疾病基因周围为候选基因排序，帮助决定哪些基因优先做功能实验。

药物重定位：已上市药物的安全性和药代动力学已知，若能用网络为其找到新适应症，可大幅缩短研发周期。网络邻近度提供了一个与化学结构、副作用相似性互补的维度，并且能在大规模药物–疾病矩阵上快速计算。Cheng 等（2018）用医保数据验证网络预测，是“计算预测 + 真实世界数据”结合的范例。

药物组合与多病共存：老年患者常同时服用多种药物。药物靶点模块与非目标疾病模块的重叠可以帮助解释副作用；“互补暴露”构型为筛选协同组合提供了结构假设。

新发传染病的快速响应：COVID-19 期间，从病毒–宿主相互作用图谱到网络重定位候选、再到细胞筛选只用了数月（Gordon 等 2020；Gysi 等 2021），说明网络方法适合在信息有限时快速缩小候选范围。

同时应清醒看到局限：相互作用组不完整且有组织特异性（同一蛋白在肝和脑中的邻居不同）；药物–靶点数据偏向高亲和力结合，忽略激活/抑制方向；网络距离不区分“抑制”和“激活”。用 DrugBank、STRING、DisGeNET 等数据库构建网络时，应把“度匹配随机基线”和“对结果的独立验证”写进方法设计。