概述

网络生物学提供了一个框架，用于理解生命系统不是孤立的分子，而是相互关联的相互作用网络。通过将基因、蛋白质和代谢物建模为节点，将它们的功能或物理相互作用建模为边缘，网络方法揭示了在单独研究组件时不可见的组织原理。这些网络表现出非随机拓扑特征，例如无标度度分布、小世界路径长度和模块化群落结构，反映了鲁棒性、效率和分层控制的潜在生物逻辑。

关键概念

生物网络有多种形式。 蛋白质-蛋白质相互作用网络映射蛋白质之间的物理接触，并且通常遵循无标度拓扑，其中少量的中心连接到许多合作伙伴。 基因调控网络捕获转录因子与靶基因的关系，并经常包含重复出现的基序，例如执行信号处理功能的前馈循环。 代谢网络将酶催化的生化反应表示为连接底物和产物节点的边缘。一个常见的分析目标是社区检测，它将节点分组为与功能复合物或路径相对应的模块。介数和度等中心性度量可识别关键节点，删除这些节点会导致网络碎片化。

应用程序

网络生物学通过识别疾病模块并优先考虑与疾病相关的子网络的核心治疗靶标，改变了药物发现。在癌症研究中，网络分析通过驱动基因在改变的相互作用景观中的拓扑位置来精确定位驱动基因。跨物种的比较网络分析揭示了保守的功能模块和谱系特异性的适应。这些方法直接依赖于高质量的[蛋白质-蛋白质相互作用](/guides/ Protein- Protein-interactions.html)数据，与细胞信号传导和信号转导研究相结合，并自然地映射到代谢途径，以提供细胞功能的整体视图。

实用协议

典型的网络分析工作流程首先将交互数据集导入 Cytoscape。从 STRING DB 加载蛋白质-蛋白质相互作用网络：使用 STRING 相互作用文件转到文件 → 导入 → 来自文件的网络（默认置信度分数 > 0.4）。或者，使用 Cytoscape 中的 STRING 应用程序：应用程序 → STRING → 搜索，输入基因列表，然后选择物种。对于自定义网络，准备一个简单的边列表（两列 TSV：source\ttarget）并通过文件 → 导入导入。使用 NetworkAnalyzer 工具计算网络统计信息：工具 → NetworkAnalyzer → 分析网络。关键的中心性度量包括度（连接数）、介数（通过节点的最短路径数）和紧密度（到所有其他节点的平均路径长度的倒数）。中心（高度节点）通常代表必需基因或关键调节蛋白。通过将值映射到“样式”面板中的节点大小和颜色来可视化中心性。使用 clusterMaker2 应用程序执行社区检测（模块发现）：应用程序 → clusterMaker2 → 社区检测 → GLay 或 MCL 集群。 MCL算法（马尔可夫聚类）将网络划分为功能模块；调整通货膨胀参数（默认 2.0）以控制粒度：较高的值会产生更多更小的集群。使用 File → New Network → From Selected Nodes 提取模块的子网。每个模块内的功能富集使用 EnrichmentMap 应用程序来识别代表性过高的基因本体或 KEGG 通路。对于网络扩散分析（例如，从已知疾病基因传播），请使用扩散应用程序。将高分辨率网络图导出为 PDF 或 SVG 以便发布，并保存 Cytoscape 会话 (.cys) 以实现可重复性。