3.6 蛋白质相互作用网络：从复合体到通路

3.6 蛋白质相互作用网络：从复合体到通路

本节摘要：蛋白不是孤军，功能在复合体与网络层面涌现。本节讲两类主流互作检测技术的数据形态、互作网络的构造与读法、以及 hub 蛋白与富集模块在疾病研究里的用法。

互作数据从哪来

大规模互作数据主要出自两类技术。酵母双杂交（Y2H）：把诱饵蛋白绑在转录因子的 DNA 结合域、猎物蛋白绑在激活域，两者若在酵母核内结合，报告基因就表达——物理结合的二元测试，适合系统性地扫描"谁和谁能结合"。它的偏差也清楚：膜蛋白与分泌蛋白进不了细胞核测不了，自激活会造成假阳性，文献里大规模 Y2H 数据的假阳性率常在五成上下，必须靠重复与正交验证清洗。

亲和纯化加质谱（AP-MS）：给目标蛋白挂上标签（FLAG、GFP），从细胞里把复合体拉下来，质谱鉴定一起被拉出来的所有蛋白。它的产出是"复合体成员名单"而非二元配对——更贴近生理状态，但区分直接结合与间接结合（A-C 互作可能只是因为 B 把它们拉一起）要靠对照与定量。近年热蛋白组剖析（thermal shift）、邻近标记（BioID/APEX）补上了瞬时与微区互作的空白。公共库里，BioGRID 与 STRING 汇总了文献与高通量数据，STRING 还把基因组共邻接、共演化、共表达等间接证据折成综合分数——用它时要分清哪些边是物理结合、哪些只是功能关联。

网络怎么构造、怎么读

拿到互作列表，以蛋白为节点、互作为边建图。读网络有四个惯用视角。度（degree）：一个节点连了多少边，度高的叫 hub。中介中心性（betweenness）：一个节点出现在多少条最短路径上，高的往往是模块之间的桥梁。聚集系数（clustering）：邻居之间互连的密度，高的区域暗示复合体或功能模块。模块（module/community）：内部互连紧密的子图，常用 Louvain 等算法切分。

hub 有两种，性质截然不同：_party hub_只在一个复合体内部与大量伙伴互作（如核糖体蛋白），_date hub_连接多个不同模块、在不同时间地点与不同伙伴结合（如信号节点）。敲除 date hub 的表型通常更剧烈——它承载了模块间的信息流。这个区分对解释"为什么有些 hub 不能碰、有些 hub 敲了没事"非常关键。

图：互作网络的结构视角——hub 与模块

差异蛋白 → 网络 → 通路：一次完整解读

回到肿瘤案例：第 2 章得到二百多个差异表达基因，第 3.4 节得到八十多个差异丰度蛋白。把两份名单映射到 STRING 网络，提取最大连通子图后切模块：一号模块聚集了核糖体与翻译起始因子（上调，对应肿瘤的高增殖），二号模块聚集了 MHC-I 抗原呈递组分（下调，对应免疫逃逸）。模块级别的解读立刻把"两百个散点"压缩成两条可陈述的生物学结论——这正是网络分析的价值：把基因列表升维成结构信息，让通路层面的故事自己浮出来。

功能富集是网络的孪生兄弟。GO 与 KEGG 富集检验（超几何检验加 FDR 校正）回答"这份名单是否聚集在某类功能上"；GSEA 这类排序富集方法更进一步，不设显著性阈值、直接拿全基因组的排序算富集分数，规避了"阈值卡在哪"的争议。GSEA 的 leading edge 子集还能指认驱动富集的具体基因——差异分析与网络分析的接口就在这里。

网络数据的清洗与偏差校正

大规模互作数据不能直接入网，先过三道清洗。去本底：AP-MS 的对照（空标签、无关抗体）拉下来的杂蛋白（常见污染物是细胞骨架与核糖体蛋白）要从结果里扣除，SAINT 一类工具按对照与样本的丰度比对打分。去冗余：同一复合体在不同实验里被反复鉴定，按证据合并成稳定的边。标注证据等级：文献整理的边与高通量实验边分开存放，解读时分开对待——文献边假阳性低但发表偏倚重（热门蛋白的边密度虚高），高通量边覆盖广但噪声高。

发表偏倚值得单独点名：网络里度数最高的节点往往不是"最重要的蛋白"，而是"被研究最多的蛋白"。用 STRING 这类汇总库时，把"实验证据"与"文献挖掘"证据分开过滤，能显著降低这种热度偏差。任何以度数为中心的下游分析（hub 识别、药物靶点偏好），都要先自问：这个 hub 是结构性的，还是人气的？

富集检验：把超几何分布算明白

网络与通路分析的核心统计是超几何富集检验，值得把这笔账算透。设背景是两万个基因，其中三百个属于细胞周期通路；你的差异清单有两百个基因，其中十二个落在细胞周期。问：若差异基因是随机抽取的，命中通路的期望是 200 × 300/20000 = 3 个，实际命中 12 个——超出期望这么多倍的概率有多大？超几何分布直接给出这个尾部概率，算出来若小于 0.001，说明这份清单确实向细胞周期富集。

算完单条通路还要做多重校正：GO 的几千条通路同时检验，不加校正必然"处处富集"。BH 校正（与 2.6 节同一公式）后报告的 q 值才是可引用的数字。解读富集结果还有两条纪律：背景集必须与实验语境一致（用你检测到的两万个基因做背景，而不是库里全部基因——背景错，一切白算）；富集到的通路之间高度重叠（GO 的层级结构决定了这一点），报告时按层级剪枝，别把同一信号的不同层级当独立发现罗列。可视化上，富集结果常用气泡图呈现——横轴富集倍数、纵轴负对数 q 值、气泡大小对应基因数，一张图排完十几条通路，是通路分析的标准出场方式。

💡 关键直觉：互作网络的力量不在单条边，而在结构。单看"蛋白 A 与 B 互作"价值有限；"差异蛋白聚集成一个免疫逃逸模块"才是可以写进论文讨论的句子。

网络给了功能的宏观图景，下一节下潜到最微观的层面：氨基酸序列如何折叠成结构，以及 AlphaFold2 如何把这道难题变成日常工具。