2.1 信号通路与调控网络：勘查现场格局

2.1 信号通路与调控网络：勘查现场格局

本节摘要：通路是信号的指挥链，网络是指挥链的总地图。本节讲勘查这两张图的方法：识别枢纽与瓶颈、读出反馈回路的机关、理解疾病"卡死在关不上的开关"是怎么回事，并用网络中心度演算把"枢纽感"变成数字。它承接第 1 章立案主线，是现场勘查的起点；证据的量化采集要等第 3 章。

勘查从格局开始。进入现场（通路）之前先明确本节在整桩案子里的位置：立案卷宗告诉你嫌疑人叫什么，本节告诉你他住在现场哪个位置、周围住着谁、他从哪条路进哪条路出——后面所有取证与收网，都要按这份格局图布置。

现场是什么样子

教科书上的通路图是一条链：配体结合受体，激酶逐级磷酸化，转录因子进核，基因表达改变。真实的现场比这乱得多：一条链上有分流（MAPK 级联里 ERK 的底物有几百种）、链与链之间有交叉（PI3K 与 MAPK 共享上游 RTK）、还有大量不是链的网络结构（蛋白互作网络、转录调控网络、代谢网络）。勘查的第一项基本功，是把"链思维"切换成"网络思维"。

网络里的关键节点有两类，混为一谈是新手最常见的错误：

• 枢纽（hub）：连接数最多的节点，比如 p53 在蛋白互作网络里连接数百个伙伴。枢纽很重要，但未必是好靶标——连接越多，干预它的全身波及面越大，安全窗口越窄。p53 本身失活的癌症治不了 p53，理由正在这里。
• 瓶颈（bottleneck）：不靠连接数量、靠位置取胜的节点——拆掉它，两个片区之间的信号就断了。瓶颈往往才是可下药的环节：位置关键、数量少、干预面可控。

与这两类静态概念配套的，是现场的时间维度。病理现场的格局不是一天画成的：慢性疾病里，负反馈回路常常被慢性刺激磨钝（受体脱敏、负调因子耗竭），正反馈回路常常被劫持成自我强化的死循环（炎症因子招募炎症细胞、再放大炎症）。所以勘查报告要带时间轴：通路活跃是持续的还是阵发的？药物干预的时间窗在哪一段？间歇性给药方案在通路层面有没有理论依据？这些问题决定了靶标"什么时候打、怎么打"，在立项文档里对应"给药策略可行性"这一栏。

图 2-1：通路勘查——正常现场与病变现场的对照

把枢纽感变成数字

"枢纽""瓶颈"听起来靠直觉，实际上都能算。下面的演算构造一个玩具互作网络，计算每个节点的度中心性与介数中心性（介数近似瓶颈属性），你会看到两类关键节点通常不是同一批。

# 网络中心度演算：找出通路网络里的枢纽与瓶颈
from collections import defaultdict

edges = [
    ("RTK", "RAS"), ("RAS", "RAF"), ("RAF", "MEK"), ("MEK", "ERK"),
    ("ERK", "增殖基因"), ("ERK", "存活基因"), ("PI3K", "AKT"),
    ("RTK", "PI3K"), ("AKT", "存活基因"), ("ERK", "Myc"), ("Myc", "增殖基因"),
    ("RAF", "PI3K"),  # 交叉通路：救援旁路，勘查要特别标注
]

# 邻接表
adj = defaultdict(set)
for a, b in edges:
    adj[a].add(b); adj[b].add(a)

# 度中心性：连接数（枢纽属性）
degree = {n: len(ns) for n, ns in adj.items()}

# 介数中心性：多少最短路径经过它（瓶颈属性）
def all_pairs_shortest(adj):
    nodes = list(adj)
    dist = {a: {b: (0 if a == b else float("inf")) for b in nodes} for a in nodes}
    for a in nodes:  # BFS
        queue, seen = [a], {a}
        while queue:
            u = queue.pop(0)
            for v in adj[u]:
                if v not in seen:
                    seen.add(v); dist[a][v] = dist[a][u] + 1
                    queue.append(v)
    return dist

sp = all_pairs_shortest(adj)
between = defaultdict(float)
for s in adj:
    for t in adj:
        if s < t and sp[s][t] < float("inf"):
            for m in adj:
                if m in (s, t): continue
                if sp[s][m] + sp[m][t] == sp[s][t]:
                    between[m] += 1  # 无权重简化：直接计数

print("节点          度(枢纽)  介数(瓶颈)")
for n in sorted(adj, key=lambda x: -between[x]):
    print(f"{n:<10}   {degree[n]:>4}     {between[n]:>6.0f}")

# 典型输出（排序体现两种角色分离）：
# RAS 节点度不算最高，但介数最高——它是可下药的瓶颈环节
# ERK 度较高（多个下游），介数也不低，但直接打 ERK 波及面大
​

跑完这个演算，把排序结果与你的直觉对照：突变最显眼的 RAS 正是介数冠军——这解释了为什么三十年里整个行业死磕 RAS 这个"难抓"的嫌疑人：位置太关键，绕不过去。而"交叉通路"那条边（RAF 到 PI3K 的救援旁路）是勘查报告里必须标注的项：它预示着单药抑制 RAF 时肿瘤细胞可能的逃逸路线，第 5 章的联合给药讨论会引用它。

易错点：把警铃当凶手

勘查最大的陷阱在段首已经点过：表达量最高、突变最多的分子最容易吸引火力，但它可能只是下游的警铃。判断"驱动还是旁观"，静态格局图给不了答案——同一个表达升高，可以是驱动原因，也可以是代偿结果。这正是下一节存在的意义：扰动审讯用因果操作代替观察，把"他看起来可疑"升级成"铐住他全案松动"。

💡 关键直觉：格局图负责提出怀疑，扰动实验负责坐实怀疑。勘查报告里，两者永远成对出现。

枢纽与瓶颈的特征对比

这个对比解释了行业里反复出现的同一种纠结：机制上最"核心"的分子（mTOR、MYC 一类全网枢纽）立项最早、攻坚最久、成药最晚——不是位置不重要，是波及面太大。而 PI3K 家族的案例把账算得更直白：作为同时承接增殖与存活的枢纽型激酶，广谱 PI3K 抑制剂的疗效之外带来了代谢与免疫的连带毒性，严重压缩了剂量空间；后来者改走同工型选择路线（只打某个亚型、选对适应症），毒性明显收敛。枢纽不是不能打，是要为波及面预付设计成本——这份成本在勘查报告里就该亮出来。

勘查的常见疑问

通路图来自公共数据库，勘查还有必要吗？

有必要，而且这是勘查与复制的关键区别。数据库通路图是全物种、全情境的"通用地图"，而每个疾病的案发现场有自己的改造：细胞类型构成、突变组合、微环境都会改写通路里的强弱关系。勘查的实际工作是拿着通用地图在现场核对——哪些边在这里不存在（不表达的基因）、哪些边在这里被短路（突变激活）、哪些边是本地特有的（疾病特异性旁路）。直接复制数据库图做立项依据，等于拿着全国地图说要给某个小区修路。

时间轴勘查怎么落地？

落到操作上就是带时间维度的读数：病程不同阶段的样本（或模型的不同时间点）重复关键读数，画出通路活跃度的轨迹。轨迹能回答两个立案文书绕不开的问题——干预的黄金窗口在病程哪一段（持续活跃的靶标适合慢性给药，阵发活跃的适合急性干预），以及干预后通路会怎么反弹（负反馈被抑制时，下游代偿的强度预告耐药速度）。

勘查报告的成文规范

勘查报告的骨架建议固定为五段：现场背景（细胞模型、疾病背景、与真实病理的对应关系）；格局图（信号流、交叉、旁路，标注证据来源）；关键节点表（枢纽与瓶颈的中心度数字加机制注记）；扰动预案（下一节审讯的建议清单与优先级）；风险栏（旁路救援、时间窗、模型局限）。固定骨架不是为了形式，而是为了跨案子可比——勘查质量的整体水位，靠的是每份报告都能被同一种方式质询。

报告成文还有一条隐性纪律：每张图上的每条边都应能回答"这条边在这个背景里证据是什么"。数据库继承的边标"通用"，本实验验证的边标"实测"，推测的边干脆画成虚线并写明推测依据——一张敢区分证据等级的格局图，才配当现场勘查的交付物。

办案手记（要点回顾）

• 勘查要把链思维升级为网络思维，通路交叉与救援旁路必须显式标注；
• 枢纽（度中心性高）与瓶颈（介数中心性高）是两类节点，好靶标更常是瓶颈；
• 现场带时间轴：反馈回路钝化与正反馈死循环决定干预时机与给药策略；
• 中心度演算把"枢纽感"数字化，排序结果应与机制直觉互相校验；
• 最亮眼的分子未必是凶手，因果定性交给下一节的扰动审讯。