3.3 蛋白网络与互作组：揪出同案犯

3.3 蛋白网络与互作组：揪出同案犯

本节摘要：mRNA 痕迹要换算到蛋白与互作层面才接近作案事实。本节盘点互作检测技术（免疫共沉淀-质谱、邻近标记、酵母双杂交）的视野与噪声，讲"同案犯网络聚集"检验的逻辑与演算——嫌疑分子的伙伴里若聚集着已知作案团伙，嫌疑等级显著上调。它承接 3.2 的转录名单，为 3.4 的证据整合供料。

转录痕迹离作案事实隔着一层：转录不等于翻译，翻译不等于功能，功能还要通过蛋白之间的配合才实现。本节把这层窗户纸捅破——取证对象从"谁在活动"升级为"谁跟谁在活动"。

同案犯网络

细胞里的功能几乎都是团伙作案：信号靠复合物逐级传递，转录靠因子组合开关，修复靠支架蛋白聚集工位。这个"团伙作案"的事实给取证提供了特殊角度：看一个嫌疑分子平时跟谁来往。如果他高频接触的蛋白里，聚集着多个已被判与疾病有关的"前科犯"，他的嫌疑等级就该上调——这本质上是证词放大：一个关联是孤证，伙伴网络里一片关联就构成指证。

实操中这种检验叫网络富集分析。输入是候选分子的互作伙伴列表，参照是疾病已知基因集（来自 GWAS 目录、文献策展库），统计问题是"伙伴列表与已知基因集的重叠是否超出随机"。重叠显著，嫌疑上调；不显著，也不能洗白——只是这条线索不加分。

检测互作本身有几代工具，视野与噪声特性差别很大，选型和读数都要按工具的脾气来：

四类工具读数口径不同，混读是常见错误：邻近标记说"住得近"，AP-MS 说"被钓到一起"，Y2H 说"能直接贴上"，共表达说"步调一致"。取证报告里写互作证据时，必须标注来源技术，并用至少两类技术交叉验证关键结论。

# 同案犯网络聚集检验：伙伴列表与已知疾病基因集的重叠打分
import random
random.seed(11)

known_disease = {"TGFB1", "PDGFB", "COL1A1", "MMP2", "CTGF", "SP1", "ROCK1",
                 "EDNRA", "COMP", "TNC", "LOX", "ITGB1"}          # 已知纤维化前科犯
all_proteins = known_disease | {f"P{i:03d}" for i in range(1, 601)}  # 全蛋白背景

# 候选 A：伙伴与疾病基因集重叠（8 个重叠），候选 B：几乎无重叠
partners_a = {"TGFB1", "COL1A1", "LOX", "ITGB1", "P041", "P117", "CTGF", "MMP2",
              "P203", "P256", "SP1", "P310"}
partners_b = {"P088", "P142", "P377", "P455", "P509", "P021", "P333", "P584",
              "P065", "P419"}

def enrichment_score(partners, known, background_size, draws=20000):
    """超几何直觉的置换检验：随机抽同样数量的伙伴，
       统计重叠超过观测值的频率，作为经验 P 值。"""
    obs = len(partners & known)
    hits = 0
    pop = list(known) + [f"BG{i}" for i in range(background_size)]
    for _ in range(draws):
        sample = random.sample(pop, len(partners))
        overlap = sum(1 for p in sample if p in known)
        if overlap >= obs:
            hits += 1
    return obs, hits / draws

for name, partners in [("候选A", partners_a), ("候选B", partners_b)]:
    obs, p = enrichment_score(partners, known_disease, 2000)
    verdict = "同案犯聚集显著 嫌疑上调" if p < 0.01 else "无聚集 证据不加权"
    print(f"{name}: 重叠 {obs} 个，经验 P 值 {p:.4f} -> {verdict}")
# 输出方向：候选A 的重叠远超随机（P 极小），候选B 无聚集；
# 置换检验的好处是不依赖分布假设，样本库规模不规则时依然稳健。
​

一桩网络取证案例：BRCA1 与它的搭档

BRCA1 本身的证据链早已闭合（胚系突变携带者乳腺癌与卵巢癌风险剧增），但它的案子里藏着网络取教的经典一幕：BRCA1 蛋白被纯化后，质谱鉴定的结合伙伴里有一个此前默默无闻的蛋白——后来被命名为 PALB2。它充当 BRCA1 与 BRCA2 之间的桥梁：BRCA1 负责在损伤位点落位，PALB2 负责把 BRCA2 与 RAD51 招来启动同源重组修复。三者的胚系突变携带人群的癌症谱系高度一致——网络位置预测疾病表型的教科书案例。

这桩案子给靶标发现的启发是双向的：一是网络取证能"顺藤摸瓜"——从一个已定案的分子出发，把它的功能搭档拖进嫌疑名单（PALB2 自此也成为携带者筛查与靶标研究的对象）；二是网络位置能解释疾病特异性——同样的修复通路，哪个成员突变导致哪类癌症、对哪类药物（PARP 抑制剂，见 2.2 合成致死）敏感，答案都写在网络拓扑里。

易错点：把邻居当同伙

网络取证最容易翻车的地方是高估"关系"的含义。邻近标记的标记半径覆盖整个相分离凝聚体——一个凝聚体里可能塞着上百个蛋白，互不相干；AP-MS 钓到的是"复合物总表"，诱饵的直接结合与间接搭桥混在一起。两条纠偏纪律：一是关键结论必须换技术复测（邻近标记的发现用 AP-MS 或共沉淀确认）；二是把互作证据与转录证据交叉——伙伴关系显著 + 伙伴基因协同共表达 + 该模块与疾病表型相关，三线合一时网络证据才敢写进加权证据表的"高置信"栏。

⚠️ 常见坑：直接拿公共互作数据库的全量边当"真相"。这些数据库里不同来源实验的可信度差异极大，高吞吐来源的边要降权使用，关键边要回到原始实验的重复次数与对照设置。

网络取证的常见疑问

已知疾病基因集从哪里来，偏了怎么办？

来源通常是策展型疾病基因库与 GWAS 目录的并集，但每个来源都带偏差：策展库偏向研究充分的基因，GWAS 目录偏向常见变异能扫到的区域。两条治理手段：按证据来源给参照集分层，分别做富集（结果跨层一致才稳健）；用置换检验替代理论分布，让背景群体的不规则性显式进入检验。参照集本身就是假设——立项文书写明参照集版本，是对自己的基本保护。

候选分子在网络里位置偏僻就洗白了吗？

不能。位置偏僻有三种截然不同的解释：真的无辜；取证工具没覆盖它的互作（膜蛋白、低丰度蛋白在传统库里系统性缺位）；它的作案方式本来就是"独行"的（直接调节代谢或离子流，不需要大团伙）。所以"无聚集"只是不加权的结论，不是洗白结论——网络证据永远只能加分，不能减分，这条不对称在加权证据表里要显式遵守。

互作数据能预测药物组合吗？

方向上能，精度上要打折。两条通路在网络拓扑上越独立（连接稀疏），同时打击的合成致死概率越高——这正是合成致死筛选的理论底座。但拓扑独立不等于生物学独立（共享辅因子、共享亚细胞定位都会制造隐性关联），预测名单只能当实验设计的先验排序，不能当组合处方。真裁决权在成对扰动的实验数据手里。

互作证据的入表规范

网络证据进证据表时同样要拆口径：直接结合（哪类技术、是否竞争验证）、复合物共现（钓取来源、背景扣除方式）、功能关联（共表达或遗传互作）。三类证据的置信度天然不同，混写一行"有互作证据"会让下游排序把最弱口径当平均口径用。规范写法带技术标签与验证状态，这是第 4 章算法能正确加权的全部前提。

办案手记（要点回顾）

• 功能靠团伙实现，伙伴网络与"作案团伙"的重叠度是嫌疑加权的正当依据；
• AP-MS 看复合物、邻近标记看邻居、酵母双杂交看直接结合、共表达看步调，口径各异必须标注来源；
• 网络富集检验用置换或超几何逻辑量化"聚集是否超出随机"；
• BRCA1-PALB2 案例展示网络取证的顺藤摸瓜与疾病特异性的拓扑解释；
• 邻居不等于同伙，关键结论换技术复测、三线合一时才升级高置信；
• 下一站 3.4：把遗传、转录、网络三路证据拧成一股可打分的绳。