Überblick
Die Netzwerkbiologie bietet einen Rahmen zum Verständnis lebender Systeme nicht als isolierte Moleküle, sondern als miteinander verbundene Interaktionsnetze. Durch die Modellierung von Genen, Proteinen und Metaboliten als Knoten und ihrer funktionellen oder physikalischen Interaktionen als Kanten offenbaren Netzwerkansätze Organisationsprinzipien, die bei isolierter Betrachtung von Komponenten unsichtbar sind. Diese Netzwerke weisen nicht-zufällige topologische Merkmale auf, wie skalenfreie Gradverteilungen, Small-World-Pfadlängen und modulare Gemeinschaftsstrukturen, die die zugrundeliegende biologische Logik von Robustheit, Effizienz und hierarchischer Kontrolle widerspiegeln.
Schlüsselkonzepte
Biologische Netzwerke nehmen verschiedene Formen an. Protein-Protein-Interaktionsnetzwerke kartieren physikalische Kontakte zwischen Proteinen und folgen oft einer skalenfreien Topologie, bei der eine kleine Anzahl von Hubs mit vielen Partnern verbunden ist. Genregulationsnetzwerke erfassen Transkriptionsfaktor-Zielgen-Beziehungen und enthalten häufig wiederkehrende Motive wie Feed-Forward-Schleifen, die Signalverarbeitungsfunktionen ausführen. Stoffwechselnetzwerke stellen enzymkatalysierte biochemische Reaktionen als Kanten dar, die Substrat- und Produktknoten verbinden. Ein gemeinsames analytisches Ziel ist die Gemeinschaftserkennung, die Knoten in Module gruppiert, die funktionellen Komplexen oder Signalwegen entsprechen. Zentralitätsmaße wie Betweenness und Grad identifizieren kritische Knoten, deren Entfernung das Netzwerk fragmentieren würde.
Anwendungen
Die Netzwerkbiologie hat die Wirkstoffforschung verändert, indem sie Krankheitsmodule identifiziert und therapeutische Ziele priorisiert, die für krankheitsassoziierte Subnetzwerke zentral sind. In der Krebsforschung identifiziert die Netzwerkanalyse Treibergene anhand ihrer topologischen Position innerhalb veränderter Interaktionslandschaften. Die vergleichende Netzwerkanalyse über Spezies hinweg zeigt konservierte funktionelle Module und linienartspezifische Anpassungen. Diese Ansätze stützen sich direkt auf hochwertige Protein-Protein-Interaktionsdaten, integrieren sich in Studien zur Zellsignalisierung und Signaltransduktion und bilden sich natürlich auf Stoffwechselwege ab, um eine ganzheitliche Sicht der Zellfunktion zu liefern.
Praktisches Protokoll
Ein typischer Netzwerkanalyse-Workflow beginnt mit dem Import eines Interaktionsdatensatzes in Cytoscape. Laden Sie ein Protein-Protein-Interaktionsnetzwerk von STRING DB: gehen Sie zu File → Import → Network from File mit der STRING-Interaktionsdatei (Standard-Konfidenzwert > 0,4). Alternativ verwenden Sie die STRING-App in Cytoscape: Apps → STRING → Search, geben Sie eine Genliste ein und wählen Sie die Spezies. Für benutzerdefinierte Netzwerke bereiten Sie eine einfache Kantenliste vor (zweispaltige TSV: source\ttarget) und importieren Sie via File → Import. Berechnen Sie Netzwerkstatistiken mit dem NetworkAnalyzer-Werkzeug: Tools → NetworkAnalyzer → Analyze Network. Zu den wichtigsten Zentralitätsmaßen gehören Grad (Anzahl der Verbindungen), Betweenness (Anzahl der kürzesten Pfade, die durch einen Knoten verlaufen) und Closeness (Kehrwert der durchschnittlichen Pfadlänge zu allen anderen Knoten). Hubs, Knoten mit hohem Grad, repräsentieren oft essentielle Gene oder wichtige regulatorische Proteine. Visualisieren Sie die Zentralität, indem Sie Werte auf Knotengröße und -farbe im Style-Bereich abbilden. Führen Sie eine Gemeinschaftserkennung (Modulerkennung) mit der clusterMaker2-App durch: Apps → clusterMaker2 → Community Detection → GLay oder MCL cluster. Der MCL-Algorithmus (Markov-Clustering) partitioniert das Netzwerk in funktionelle Module; passen Sie den Inflationsparameter (Standard 2,0) an, um die Granularität zu steuern: höhere Werte erzeugen mehr kleinere Cluster. Extrahieren Sie Subnetzwerke von Modulen mit File → New Network → From Selected Nodes. Die funktionelle Anreicherung innerhalb jedes Moduls verwendet die EnrichmentMap-App, um überrepräsentierte Gene-Ontology- oder KEGG-Pfade zu identifizieren. Für die Netzwerkdiffusionsanalyse (z. B. Ausbreitung von bekannten Krankheitsgenen) verwenden Sie die Diffusion-App. Exportieren Sie hochauflösende Netzwerkabbildungen als PDF oder SVG für die Veröffentlichung und speichern Sie die Cytoscape-Sitzung (.cys) für Reproduzierbarkeit.
