网络医学：把疾病看作网络的扰动
相互作用组
相互作用组（interactome）：细胞内全部分子相互作用构成的网络，常见做法是把蛋白–蛋白物理相互作用、调控（蛋白–DNA）相互作用、代谢相互作用和激酶–底物关系整合成一张以基因/蛋白为节点的无向网络。
以 Menche 等（2015）的整合版本为例，它包含约 1.35 万个蛋白、约 14.1 万条经实验验证的物理相互作用（Ghiassian 等 2015 使用的版本为 13,460 个蛋白、141,296 条相互作用）。这个规模远未覆盖真实的相互作用组：数据不完整，并且有研究偏倚——研究得多的基因（如 TP53）连边多，部分原因是被测得多。
网络医学的几条基本假设
Barabási、Gulbahce 与 Loscalzo（2011）在《Nature Reviews Genetics》的综述中，把网络医学的思路概括为几条相互关联的假设：
- 局部假设（local hypothesis）：与同一疾病相关的基因产物倾向于彼此相互作用、位于网络的同一邻域。
- 疾病模块假说（disease module hypothesis）：每种疾病对应相互作用组中的一个连通子图——疾病模块；模块内的扰动引起该疾病的表型。
- 网络简约原则（network parsimony）：已知疾病基因之间的致病通路往往与网络中的最短路径重合。
- 共享组分假设（shared components hypothesis）：共享网络组分（基因、通路）的疾病在表型和共病上更相似。
网络医学的一个直接推论是：疾病基因不一定是好靶点，好靶点也不一定是疾病基因。只要药物作用于疾病模块内或紧邻模块的蛋白，就可能通过网络传播影响模块；反之，作用于远离模块的蛋白，即使该蛋白本身很“重要”，也未必有疗效。
研究范围
Loscalzo、Barabási 与 Silverman 主编的《Network Medicine: Complex Systems in Human Disease and Therapeutics》（Harvard University Press，2017）给出了这一领域的大致版图：网络分析基础、人类相互作用组的测定、复杂疾病遗传学、转录组与表观组网络、代谢网络、癌症网络医学、系统药理学，以及社会网络与临床试验设计等。本专题聚焦其中与分子网络上的疾病定位和药物作用直接相关的部分；分子网络本身的类型和拓扑见生物分子网络与拓扑特征，症状层面的网络见症状网络与网络精神病学。
从数据流程看，一项网络医学研究通常包括四步：
- 参考网络：选择相互作用组（物理相互作用、功能关联或组织特异网络），写明版本和证据阈值；
- 疾病与药物的节点集合：疾病基因来自 OMIM、GWAS Catalog、DisGeNET 等，药物靶点来自 DrugBank、ChEMBL 等；
- 网络量的计算：模块聚集、分离度、邻近度、传播分数或链路预测分数，并与度匹配零模型比较；
- 独立验证：回顾性基准、人群数据、实验和临床证据（见验证的层次）。