《MedComm》:Network Biology: Current Status, Applications, Challenges, and Future Prospects
编辑推荐:
网络生物学提供了一个系统层面的框架,用于理解分子组分、细胞、微生物群落、组织及器官之间的相互作用如何产生生物学功能和疾病表型。近年来,多组学(multiomics)、单细胞与空间图谱技术、网络推断(network inference)、类器官(organoid
网络生物学提供了一个系统层面的框架,用于理解分子组分、细胞、微生物群落、组织及器官之间的相互作用如何产生生物学功能和疾病表型。近年来,多组学(multiomics)、单细胞与空间图谱技术、网络推断(network inference)、类器官(organoid)与器官芯片(organ-on-chip)技术、计算建模以及人工智能(artificial intelligence)的发展,已将该领域从静态分子图谱推向动态、多尺度且具有预测能力的网络模型。其主要分支包括:分子相互作用网络、细胞内调控网络、单细胞与多细胞网络、微生物网络、疾病网络以及器官间相互作用网络。本文比较了实验方法与计算方法在网络重建、因果验证及跨尺度整合方面的优劣。生物医学应用涵盖疾病分类、生物标志物发现、治疗靶点识别、药物反应预测、再生医学及精准医疗。特别强调了器官间相互作用网络,在该网络中,载体(carrier)、路径(route)、范围(range)、时间尺度(timescale)、受体特异性(recipient specificity)、方向性(directionality)及反馈(feedback)被视为独立的机制维度,同时将机制置信度与转化成熟度加以区分。持续的挑战包括:不完整的情境特异性网络重建、不确定的因果方向、有限的跨尺度整合、模型可解释性不足以及临床验证匮乏。未来的进展将依赖于将纵向及扰动解析测量结果,与人相关的实验系统以及能够量化不确定性并支持患者特异性预测前瞻性验证的多尺度计算模型相结合。
主体内容总结
1 引言
现代生物医学研究产生了快速增长的、高维度的分子、细胞、影像及生理数据集,但将这些数据丰富的发现转化为针对复杂慢性疾病的经临床验证的干预措施仍具挑战。原因在于,如心力衰竭、代谢综合征、2型糖尿病和神经退行性疾病等,很少源于单个基因、蛋白质、细胞类型或器官的孤立缺陷,而是反映了跨越分子通路、细胞状态、组织微环境、微生物群落及全身生理的协调性紊乱。还原论方法对于定义单个组分和机制不可或缺,但往往无法完全解释涌现特性,如稳健性、冗余性、代偿适应性和非线性反馈。这些特性决定了局部扰动是否被缓冲、保持局限,或在生物尺度间传播并导致多器官功能障碍。因此,需要一个系统层面的框架来整合异质性证据,并解释协调的相互作用如何维持健康、塑造疾病易感性并影响治疗反应。网络生物学提供了这样一个框架,通过将基因、蛋白质、代谢物、调控元件、细胞、微生物、组织和器官表示为节点,并以物理、调控、代谢、生态或信息关系作为边来连接。通过结合网络拓扑结构与动态建模、扰动实验和情境特异性数据,它旨在识别功能模块并确定其组织方式如何产生适应或疾病。早期工作集中于蛋白质-蛋白质相互作用、基因调控、信号传导和代谢网络,揭示了包括枢纽、瓶颈、基序和社群在内的重复性组织特征。单细胞和空间图谱技术现已能解析在整体组织中模糊不清的细胞状态特异性调控程序和多细胞通讯系统。宏基因组学、宏转录组学和代谢组学方法同样将网络分析扩展至微生物群落和宿主-微生物组相互作用。疾病网络分析将分子模块与共病、治疗反应和药物重定位联系起来,而器官间相互作用网络则将这一逻辑延伸至机体生理学。在机体尺度上,信号可通过循环介质、囊泡或迁移细胞,以及通过解剖学连接的神经通路在器官间传播。机械条件可以改变这些相互作用及其下游效应。然而,网络生物学的主要分支常常被分开研究,而扰动如何在分子、细胞、组织和机体尺度间传播的机制仍未得到充分理解。技术进步正在加速从静态的描述性图谱向情境特异性、动态且可实验检验的网络模型的转变。物理相互作用图谱、邻近标记、CRISPR筛选、Perturb-seq、单细胞转录组学和表观基因组学、空间图谱、纵向多组学、同位素示踪以及器官到器官的蛋白质运输测定,提供了关于网络结构、细胞背景、时序顺序和信号传输的互补信息。类器官、组装体、动物模型、微流控器官芯片平台以及工程化或生物打印的组织,将扰动分析扩展到多细胞、组织和器官尺度。交叉器官影像遗传学和整合多组学可以进一步揭示单器官测量无法显现的协调表型。与此同时,网络传播、因果图模型、机理模拟、人工智能和多器官数字孪生提供了日益强大的工具,用于整合异质数据和预测系统级响应。尽管取得了这些进展,相互作用图谱仍然不完整且依赖情境,推断出的边通常是关联性的而非因果性的,并且时间采样通常不足以解析方向性。数据稀疏性、批次效应、组成偏差、参数不可辨识性、有限的可解释性、性别和年龄依赖性变异,以及从临床前模型到人类的非完美可转移性,进一步限制了可重复性和普适性。微生理系统还面临涉及定量标准化、元数据质量、实验室间可重复性、可扩展性和监管接受度的额外挑战。解决这些限制不仅需要改进的技术,还需要一个连贯的多尺度框架,将网络结构、因果扰动、生理功能和临床结局联系起来。近期的综述已涵盖了器官间通讯的各个领域,但仍缺乏一个将各领域与因果验证和临床转化联系起来的整合性多尺度框架。因此,本文的范围涵盖分子相互作用网络、细胞内调控网络、单细胞和多细胞网络、微生物和宿主-微生物组网络、疾病网络以及器官间相互作用网络。本文比较了实验、扰动、多组学、空间和计算方法在网络重建和验证方面的优劣,随后介绍了其在疾病分类、生物标志物发现、治疗靶点优先级排序、药物反应预测、再生医学和精准医疗中的应用。本文考虑了涉及数据异质性、网络动力学、因果推断、跨尺度整合、模型可解释性、标准化、验证和临床治理的持续挑战,并结合未来前景进行了讨论。特别强调了器官间相互作用网络作为网络生物学在机体层面的延伸。
2 当前状态与主要分支
网络生物学跨越分子、细胞内、多细胞、微生物、疾病和器官间尺度。尽管这些分支在节点、边、数据类型和特征时间尺度上有所不同,但它们共享识别功能模块并解释扰动如何传播到表型的目标。
2.1 分子相互作用网络
在分子尺度上,网络生物学将基因、蛋白质、非编码RNA、代谢物及其他生物分子表示为节点,由物理、功能或统计关系连接。蛋白质-蛋白质相互作用网络描述分子复合物和信号组装体,而基因共表达和调控网络捕捉协调的转录程序。代谢网络代表生化反应和通量关系,整合的分子网络则结合多种边类型以识别支持特定细胞功能的模块。网络拓扑结构可以识别高度连接的枢纽、模块化社群和组织分子连接性的重复基序。然而,这些拓扑特征的功能意义取决于组织身份、细胞状态和实验背景。该领域的一个重大转变是从静态、情境无关的参考相互作用组转向组织特异性和细胞状态特异性的网络,这些网络能够捕捉条件依赖的相互作用动力学。组织特异性表达、翻译后修饰、亚细胞定位、遗传变异和扰动反应可以显著重塑分子连接性。当前的优先事项包括提高相互作用组的完整性、解析瞬时相互作用、量化边的置信度以及将网络结构与测量到的功能联系起来。
2.2 细胞内调控网络
细胞内调控网络协调基因表达、信号转导、代谢、细胞器功能和细胞命运决定。节点包括转录因子、增强子、激酶、磷酸酶、受体、代谢物和调控RNA,而其边则表示激活、抑制、结合或代谢转换。重复出现的调控基序,包括反馈和前馈环路,连同跨通路耦合和部分冗余的路径,可以赋予稳健的信号处理和适应性,而双稳态或历史依赖的调控状态则可以产生阈值响应和细胞记忆。这些特性对于发育、应激反应、免疫激活和耐药性至关重要。现代重建策略整合了转录因子基序、染色质可及性、增强子活性、磷酸化蛋白质组学、时间序列测量和遗传扰动。组织特异性调控回路图谱进一步表明,疾病相关变异通常汇聚在疾病相关细胞类型或组织中活跃的调控模块内。然而,从相关性或基序富集推断出的调控边在得到扰动、时间先后、剂量-反应关系或拯救实验支持之前,仍然只是假设。
2.3 单细胞与多细胞调控网络
单细胞网络生物学通过整合单细胞转录组学、表观基因组学、蛋白质组学和空间数据,重建细胞状态特异性调控程序和基因调控网络,从而解析在整体组织中模糊不清的调控关系。这些多模态数据集还能够推断发育轨迹和空间组织的多细胞通讯网络。诸如SCENIC和SCENIC+等方法推断以转录因子为中心的调节子和增强子驱动的调控程序,而配体-受体框架如LIANA+则估计已定义细胞群体间的通讯。这些方法已经改变了发育、组织稳态、免疫组织和肿瘤微环境的研究。尽管如此,稀疏的测量、批次效应、不确定的配体-受体活性和不完整的空间信息可能产生假阳性或非因果的边。因此,计算推断的通讯应被视为一组可检验的假设,并使用正交的空间测量、配体或受体导向的扰动、下游信号读数及功能验证进行评估。
2.4 微生物与宿主-微生物组网络
微生物网络生物学研究微生物之间的相互作用以及微生物群落与其宿主之间的相互作用。微生物分类群、基因、通路、噬菌体和代谢物可以作为节点,而竞争、合作、交叉喂养、捕食和环境过滤则定义了不同的边类型。宏基因组学、宏转录组学、代谢组学和纵向丰度数据可以被整合以识别模块和候选关键物种,而时间序列模型可以测试扰动如何在生态网络中传播。由于微生物组丰度数据是成分性的,共现并不一定指示直接的生态相互作用,表面上的关联可能反映间接协方差或未测量的背景因素。受控的代谢物扰动和纵向动态建模可以帮助区分直接的生态相互作用与由共享环境或宿主因素产生的关联。宿主-微生物组网络将微生物生态学与免疫、代谢、神经和器官间调控联系起来,因此构成了群落水平与机体水平网络生物学之间的主要桥梁。
2.5 疾病网络与网络医学
疾病网络分析将复杂疾病视为相互关联的分子和细胞模块的扰动,而非孤立基因的后果。疾病相关基因通常定位于特定的相互作用组邻域内,这些模块的接近性或重叠有助于解释共享的机制和共病。网络传播和疾病模块检测可以优先排序候选疾病基因并扩展不完整的疾病模块。网络医学可以通过将药物靶点映射到疾病相关模块上,并评估单靶点或多靶点干预如何扰动功能连接的网络组件而非孤立的蛋白质,从而支持药物再利用、合理的联合疗法和设计的多药理学。新兴目标是构建整合遗传变异、分子谱、细胞组成、环境暴露和临床轨迹的患者特异性网络。转化需要稳健的基准测试、前瞻性验证以及明确的证据表明基于网络的预测能提供超越既定临床模型的附加价值。
2.6 器官间相互作用网络
器官间相互作用网络代表了网络生物学在机体层面的延伸,其中起源于一个组织的扰动通过定义的路径传播,并在解剖学上遥远的器官中重组生理状态。与通常表示结合、调控或代谢转换的分子或细胞内边不同,器官间边可能结合可溶性介质、细胞外囊泡或迁移细胞的转移以及通过神经回路的传递。操作上,器官间相互作用需要通过可识别的血管、淋巴、神经或其他生理学定义的路径,将信号或携带信号的细胞从源组织传递出去,并在解剖学上不同的受体器官中产生可测量的响应。局部细胞-细胞通讯、同一器官区域间的相互作用以及无器官外路径的肿瘤微环境信号被排除在外,而宿主-微生物组相互作用仅在微生物产物或微生物组诱导的宿主反应到达远端器官时才被纳入。因此,每个器官间边应沿着独立的机制维度进行表征,包括信号载体、运输路径、空间范围、响应时间尺度、受体特异性、方向性和反馈,而不是归入等效的通讯类别。内分泌和旁分泌指定了信号传导的空间范围。细胞外囊泡识别了一种物理载体,而神经系统和免疫系统则识别了参与的生物系统,其路径必须单独指定。机械输入可以修改这些相互作用,而不必构成一个单独的器官间传输路径。