酵母蛋白质相互作用网络中动态组织的模块性证据
Evidence for dynamically organized modularity in the yeast protein–protein interaction network
Han J-DJ, Bertin N, Hao T, Goldberg DS, Berriz GF, Zhang LV, et al. · Nature 2004 · DOI: 10.1038/nature02555
一句话看懂
静态的蛋白质相互作用图把所有可能的结合都画在一起，但细胞里的相互作用是分时间、分地点发生的。作者用基因表达数据给每个枢纽“加上时间维度”：有的枢纽和伙伴总是一起表达，像同时在场的“聚会型”（party hub）；有的枢纽和伙伴的表达不同步，像在不同时间分别赴约的“约会型”（date hub）。他们提出，date hub 负责把不同功能模块连起来，party hub 则在模块内部起作用。
研究背景与问题
Jeong 等（2001）发现酵母互作组中枢纽蛋白更可能是必需的，枢纽从此成为网络生物学的核心概念。但 PPI 网络是把各种实验条件下测到的相互作用叠加在一起的静态图：两条边同时出现在图上，并不意味着它们在同一时刻、同一位置存在。
作者的问题是：如果加入相互作用在时间和空间上的调控信息，枢纽是否还是同一类东西？它们对网络的模块结构和细胞的鲁棒性分别起什么作用？
核心思想与方法
- 高置信度互作组：作者整合多种来源的酵母相互作用数据，保留得到多种证据支持的相互作用，构成“过滤后的酵母互作组”，以减少高通量数据的假阳性。
- 定义枢纽：按度选出连接最多的一部分蛋白作为枢纽。
- 共表达：在多个公开的酵母表达数据集（涵盖细胞周期、各种应激条件等）中，计算每个枢纽与其每个相互作用伙伴之间的皮尔逊相关系数（PCC），再求平均。
- 分类与检验：观察枢纽“平均 PCC”的分布形状；比较删除两类枢纽对网络连通性的影响；用遗传相互作用数据检验两类枢纽的功能差异。
party hub：与大多数伙伴共表达（平均 PCC 高）的枢纽，被认为与伙伴同时结合，常见于稳定复合物，主要在模块内部起作用。
date hub：与伙伴共表达程度低（平均 PCC 低）的枢纽，被认为在不同时间或位置结合不同伙伴，主要在模块之间起连接作用。
动态组织的模块性：细胞的模块结构不是固定的，date hub 在不同条件下把不同模块连接起来，构成更高层次的组织。
主要发现
- 枢纽的平均共表达呈双峰分布：枢纽与伙伴的平均 PCC 分布出现两个峰，提示存在两类性质不同的枢纽。这是区分 date hub 与 party hub 的主要依据（后来的批评指出，原文并未对双峰本身做显著性检验）。
- 删除 date hub 更破坏连通性：在模拟中，删除 date hub 会使网络破碎成许多较小的连通片，而删除 party hub 则不会，说明 date hub 更多处在连接不同区域的位置。
- 网络的鲁棒性需要重新理解：作者认为，枢纽敲除致死性约为非枢纽三倍（摘要引述的既往结果）这一现象背后，可能包含两类功能不同的枢纽。
- 遗传相互作用的支持：体内遗传相互作用数据也支持“date hub 组织蛋白质组、连接生物过程，party hub 在模块内部发挥作用”的模型。
怎样读这篇论文
先读摘要和展示平均 PCC 分布的图：双峰形态是一切讨论的起点，理解它要先理解“平均 PCC”是怎么算的。然后读删除 date hub 与 party hub 的模拟图，对比结构鲁棒性中删除枢纽的攻击模拟。遗传相互作用部分可以快速浏览结论。读完本文后，务必接着读下面列出的反驳与再检验文章，这比本文本身更有参考价值。
局限与后续工作
本文是网络生物学中争议最集中的论文之一，正好用来体会“结论依赖数据与方法”：
- 对数据集的依赖：Batada 等（2006, PLoS Biology）用更新的高置信度互作数据和 25 个表达数据集重新分析，指出原文未检验双峰的显著性；他们发现 date hub 并不是网络耐受节点删除所必需的，两类枢纽的进化速率也没有差别，认为 date/party 的划分“经不起推敲”。
- 原作者的回应：Bertin 等（2007, PLoS Biology）用更新数据与更细致的分析回应，认为在高质量数据中仍能看到“有组织的模块性”，双峰是否出现与表达数据集的选择和合并方式有关。
- 重新审视：Agarwal 等（2010, PLoS Computational Biology）用多种方法再检验，发现区分结果对数据集、表达条件和阈值都很敏感；他们认为与其把枢纽硬性一分为二，不如用连续的、基于模块结构的指标来描述枢纽的角色。
- 共表达不等于同时结合：mRNA 共表达只是蛋白同时存在的间接代理，蛋白水平、亚细胞定位和翻译后修饰都没有考虑。
- 临床延伸是相关证据：Taylor 等（2009, Nature Biotechnology）把“模块间枢纽 vs 模块内枢纽”的思路用于乳腺癌，发现枢纽与伙伴共表达模式的改变与预后相关。这类研究提供的是预后关联，不能说明这些枢纽是治疗靶点。
关联知识
- 致死性与中心性：枢纽蛋白假说及其争议在致死性–中心性之后介绍了本文，并指出其分类后来受到质疑，本文是该页的延伸阅读。
- 用“参与系数”刻画节点在模块内还是跨模块的思路，与社团结构与社区发现中的模块结构以及拓扑指标：小世界、模块、枢纽与富人俱乐部中连接枢纽、局部枢纽的划分是同一思想。
- 本文提醒我们：中心性是静态图上的量，加入时间或条件信息后，“枢纽”的含义可能改变；这一点在动态功能连接与多层脑网络中再次出现。
延伸思考
- 平均 PCC 的分布是否双峰，可能受哪些分析选择影响（表达数据集、是否合并条件、枢纽阈值）？请设计一个敏感性分析方案。
- 如果用参与系数代替共表达来区分枢纽类型，结果应当与 date/party 分类有多大一致性？两者分别依赖什么数据？
- 在人类疾病研究中，怎样把“date hub 连接模块”的想法转化为可检验的预测？这类预测在什么条件下才可能指向干预靶点？