结果呈现与研究前沿14 / 15
生物医学应用
复杂网络分析在生物医学工程中的意义，在于它提供了一种介于还原与整体之间的描述层次：既不把系统看成孤立元件的总和，也不停留在“一切都相互关联”的泛泛之谈，而是把“关联的模式”本身作为测量对象。
这种视角已经进入多个应用方向：脑网络指标被用来刻画个体差异和疾病状态；症状网络帮助思考精神障碍的维持机制和干预靶点；网络医学为药物重定位提供可计算的优先排序；基因调控网络推断帮助解析细胞状态的转录程序。与此同时，各领域也都经历了“从兴奋到审慎”的过程：小世界与无标度的普遍性被重新检验，症状中心性的稳定性受到质疑，单细胞 GRN 推断在真实数据上表现有限。成熟的网络研究者，既要会用这些工具，也要知道它们在哪里会失效。
前沿方向在生物医学中的对应关系可以概括如下：
| 生物医学问题 | 数据形态 | 合适的表示 | 本专题页面 |
|---|---|---|---|
| 蛋白复合物、代谢反应、共病模式 | 集合（多个实体同时出现） | 超图、单纯复形 | 高阶相互作用 |
| 神经元群体活动的内在结构、功能连接的阈值无关比较 | 加权相关矩阵 | 过滤与持续同调 | 拓扑数据分析 |
| 医院内感染、接触追踪、个体症状波动 | 带时间戳的接触或测量 | 时间网络 | 时间网络 |
| 多组学整合、结构–功能脑网络、疾病的基因型与表型关系 | 同一实体的多种关系 | 多重/多层网络 | 多层与相互依赖网络 |
| 候选基因排序、药物–靶点与药物–药物相互作用预测 | 大型异质网络 | 嵌入、图神经网络 | 网络表示学习、图神经网络 |
| 分子性质、蛋白质功能、按脑网络分类被试 | 许多小图 | 图级 GNN | 图神经网络 |
| 选择干预靶点 | 网络 + 扰动数据 | 因果模型、可控性 | 可解释性与因果 |