网络医学在复杂疾病研究中的挑战与机遇：从系统生物学到精准医疗的新范式

《Med》：Challenges and opportunities in the network medicine of complex diseases

本刊推荐：为破解复杂疾病的系统性机制，研究人员聚焦网络医学这一新兴领域，通过整合多组学数据（基因组学、转录组学、蛋白质组学等）构建生物分子互作网络，结合统计物理学与机器学习技术，揭示了疾病模块、生物标志物及药物重定位新策略。该研究系统阐述了网络医学在疾病分型、个体化治疗方面的突破性进展，并为克服现有模型简化、数据不确定性等挑战提出多层网络整合方案，为精准医疗提供全新范式。

　　

随着人类对疾病认知的深入，传统还原论方法在解释复杂疾病机制时逐渐显现局限性。心血管疾病、神经退行性疾病等多基因疾病往往涉及大量分子及其相互作用的紊乱，而非单一基因突变所致。这种复杂性促使研究范式从"一个基因，一种疾病"向系统级分析转变，网络医学（Network Medicine）应运而生。该领域通过整合高通量组学数据，将生物系统抽象为节点（基因、蛋白质等）和边（相互作用）构成的网络，从而揭示疾病发生发展的整体规律。

为系统评估网络医学的发展现状，Valeria d'Andrea、Joseph Loscalzo和Manlio De Domenico在《Med》期刊发表综述，全面梳理了该领域的关键突破与核心挑战。研究人员通过文献计量与概念分析，归纳了网络医学在疾病机制解析、生物标志物发现、药物重定位等方面的成功案例，同时指出当前模型在生物单元定义、相互作用不确定性及结果可解释性等方面存在的不足。研究强调，下一代网络医学需构建更贴近生物现实的多层网络模型，整合物理化学参数与动态信息，最终实现临床转化的突破。

关键技术方法包括：1）基于蛋白质相互作用网络（PPI）和基因共表达网络（GCN）的生物网络构建技术；2）结合统计推断（如贝叶斯方法）的网络不确定性量化方法；3）多层网络整合多组学数据（基因组、转录组、蛋白质组等）的建模框架；4）机器学习与人工智能（如AlphaFold、网络扩散算法）辅助的模块识别与药物预测技术；5）单细胞与空间组学数据整合分析策略。

临床应用中网络医学的见解

通过构建疾病相关分子网络，研究发现遗传突变通过扰动蛋白质相互作用网络（PPI）的拓扑结构驱动疾病。例如，位于蛋白质结合界面的致病突变显著富集，且节点中心性（如度中心性、介数中心性）高的分子更易引发表型扩散。模块化分析进一步揭示，哮喘、冠心病等疾病共享炎症、纤维化等内表型模块，这为异质性疾病的分层诊疗提供理论基础。

生物标志物发现与患者分层

网络医学通过个体化PPI网络构建，在肥厚型心肌病（HCM）中识别出患者特异性致病通路。多癌种互作网络分析则发现与死亡率相关的共享分子特征，显著提升风险分层精度。此外，基于内型（endotype）的疾病重新分类（如2型糖尿病亚型）使生物标志物更贴近病理机制，推动个体化治疗。

药物发现与重定位

突破"一病一靶"传统模式，研究通过疾病模块识别实现系统性药物重定位。在COVID-19疫情期间，网络扩散算法筛选的已上市药物表现出显著抗病毒效果。网络药理学（Network Pharmacology）进一步通过多靶点协同作用设计组合疗法，如缺血性脑卒中中NADPH氧化酶与一氧化氮合酶的协同抑制验证。

网络医学中的整合多尺度框架

研究归纳了四类分析尺度：微观（节点中心性）、介观（社区检测如Louvain算法）、宏观（信息流量化）及多层网络（多组学整合）。其中，量子计算加速的模块识别算法与近亿级计算规模的药物-靶点互作预测，显著提升模型精度。多层网络框架通过整合基因组、蛋白质组等异质数据，成功应用于罕见病模块识别（如先天性肌无力综合征）和病毒-宿主互作全景解析。

网络医学当前面临的挑战

生物单元定义的局限性

现有互作组（interactome）数据存在显著不全性，不同物种和实验方法（如酵母双杂交）的覆盖度差异巨大。节点内部结构（如蛋白质三级结构）的不确定性，以及多源数据整合时的匹配误差，制约模型准确性。研究提出物理化学增强网络框架，需纳入蛋白质结构域、活性位点等亚单元信息，并考虑细胞内浓度、结合常数等动态参数。

相互作用定义的局限性

基因共表达网络（GCN）等功能网络的构建依赖相关性阈值选择，缺乏客观标准。残基相互作用网络（RIN）等基于空间邻近性的连接定义易受噪声干扰。需通过生成模型（如随机块模型）替代简单随机零模型，结合重复测量降低假阳性/阴性。

可解释性局限

疾病模块识别中常用的"疾病蛋白互作富集"假设，因忽略生物网络固有拓扑而可能产生误导。动态过程（如基因调控、代谢反应）的描述需引入米氏方程（Michaelis-Menten equation）等生物合理模型，并考虑节点异质性对非线性动力学的影响。

研究结论强调，网络医学正处于范式变革的关键节点。通过构建多层互作模型、拥抱数据不确定性、整合物理化学参数与动态信息，有望实现从网络描述到网络控制的跨越。这一进展将推动精准医疗向预测性、预防性和个体化方向演进，最终实现通过靶向干预将病理网络状态重置至健康稳态的愿景。