网络医学：基于网络理解人类疾病
Network medicine: a network-based approach to human disease
Barabási A-L, Gulbahce N, Loscalzo J · Nature Reviews Genetics 2011 · DOI: 10.1038/nrg2918
一句话看懂
细胞里的分子彼此相互作用，所以一个突变的后果不仅取决于突变基因本身，还取决于它在相互作用网络中的“邻居”。这篇综述把这个观点系统化为“网络医学”：把疾病看作相互作用组中某个局部区域（疾病模块）的扰动，并据此寻找新的疾病基因、理解疾病之间的共病关系、寻找药物靶点和生物标志物。
研究背景与问题
人类基因组计划之后，人们发现大多数常见病并不是由单个基因决定的。全基因组关联研究（GWAS）找到了大量易感位点，但单个位点效应很小，生物学机制难以解释；同一个基因又常常与多种疾病有关。与此同时，蛋白质相互作用、代谢、调控网络的数据迅速积累。
作者的问题是：能否用这些分子网络建立一个统一框架，把疾病基因、疾病机制和疾病之间的关系放在同一张“地图”上来理解？
核心思想与方法
综述分三部分：人类相互作用组的组成与性质；从网络角度寻找疾病基因和疾病模块；疾病之间的网络关系。文中的方框 3 总结了网络医学常用但往往未明说的假设：
网络医学的基本假设（据原文方框 3 整理） - 枢纽：大多数非必需的疾病基因并不倾向于是枢纽，而是位于相互作用组的功能外周；胚胎期必需基因则倾向于是枢纽。 - 局部假说：参与同一疾病的蛋白更倾向于彼此相互作用。推论：相互作用蛋白的突变常导致相似的疾病表型。 - 疾病模块假说：与某一疾病表型相关的细胞组分倾向于聚集在相互作用组的同一网络邻域。 - 网络简约原则：致病分子通路常与已知疾病组分之间的最短路径重合。 - 共享组分假说：共享致病组分（基因、蛋白、代谢物、miRNA）的疾病，表现出表型相似性和共病。
文章还区分了三种“模块”：拓扑模块（网络中密集连接的区域）、功能模块（功能相关节点聚集的邻域）和疾病模块，并指出三者相关但不等同。
疾病基因预测分为三类逐渐利用更多网络信息的方法：只看直接相互作用的连锁法（对应局部假说）、利用网络邻域的模块法（对应疾病模块假说）、基于随机游走或扩散的全局方法。
主要发现
作为综述，本文的贡献是对已有证据的整合与框架化：
- 疾病基因的网络位置：引述 Goh 等（2007）的结果，必需基因倾向于枢纽且广泛表达，而大多数非必需疾病基因并不倾向于枢纽、表达更具组织特异性，即位于网络的功能外周。
- 疾病基因聚集：同一疾病的蛋白倾向于相互作用，形成可识别的疾病模块；这为“由已知疾病基因推测新基因”提供了依据。
- 疾病之间通过网络相连：基于共享基因的人类疾病网络、基于相邻代谢反应的代谢疾病网络、基于共享 miRNA 的网络等，都与临床共病模式存在关联；例如突变影响同一蛋白功能域的疾病对，共病程度更高。
- 相互作用组不完整且有噪声：人类约有 25,000 个蛋白编码基因，加上剪接变体和翻译后修饰，潜在的相互作用组极其庞大；作者强调当时的人类互作组图谱既不完整又有噪声和已知偏倚，这是网络医学所有推断的根本限制。
- 应用方向：作者展望了网络方法在解释 GWAS 位点、识别生物标志物和药物靶点上的潜力。
怎样读这篇论文
先读引言和方框 3（假设列表），这是全文的骨架；方框 1 介绍各类生物网络图谱与相互作用数据资源，开展研究时可回头查阅，其余介绍网络基本概念的方框若已熟悉这些概念（见复杂系统与网络的数学表示、网络结构指标与随机图）可以略读。然后读“疾病模块”和疾病基因预测的三类方法（含示意图），对照网络医学：把疾病看作网络的扰动与疾病模块：定义与检测。疾病间关系网络部分可以与 Goh 等（2007）原文一起读。最后的展望部分篇幅不大，但列出了此后十年网络医学的主要研究方向。
局限与后续工作
- 假设多于证据：作者自己承认，局部假说证据较充分，而网络简约原则、拓扑模块与疾病模块的重叠程度等“仍有待量化”。
- 不完整与研究偏倚：被研究多的蛋白测到的相互作用多、被报道的疾病关联也多，两者叠加会制造“疾病基因聚集”的假象。Menche 等（2015, Science）进一步给出了在不完整互作组中疾病模块可被观测的条件；Huang 等（2018, Cell Systems）系统比较了不同分子网络用于疾病基因发现的效果，发现网络规模和质量对结果影响很大。
- 相关不等于因果：疾病模块和共病网络描述的是关联，模块内的节点不一定是致病原因，更不一定是合适的干预靶点；中心性高的节点也可能因为副作用大而不适合作为药物靶点。
- 缺乏组织与时间信息：静态互作组没有组织特异性和动态信息，后续研究构建组织特异网络（如 Greene 等, 2015, Nature Genetics）以弥补。
- 后续发展：这一框架催生了网络邻近度药物重定位（Guney 等, 2016）、药物组合预测（Cheng 等, 2019, Nature Communications）以及 COVID-19 期间的网络药物重定位工作。
关联知识
- 网络医学：把疾病看作网络的扰动中的“网络医学的几条基本假设”和疾病模块：定义与检测直接来自本文，专题的延伸资源也收录了这篇综述。
- 人类疾病网络与疾病模块介绍了疾病模块假说，并与致死性–中心性争议放在一起讨论。
- 疾病基因预测中的随机游走与扩散方法，可以和社团结构与社区发现中的社团检测、致死性与中心性：枢纽蛋白假说及其争议中的中心性对照理解。
延伸思考
- “非必需疾病基因倾向于位于网络外周”与“疾病基因聚集成模块”是否矛盾？请从网络结构上解释二者如何同时成立。
- 如果疾病基因与相互作用都偏向被研究多的蛋白，你会如何设计零模型来检验“疾病模块显著聚集”？
- 疾病模块中的哪类节点更适合作为药物靶点？请从可成药性、必需性和副作用三个角度讨论，并说明为什么网络位置本身不足以回答这个问题。