5.4 通路与网络分析：从名单到机制

5.4 通路与网络分析：从名单到机制

拿到一张 50 个差异代谢物的名单，问题才回答了一半：它们指向哪条通路、扰动发生在网络的哪个位置？富集分析把零散名单映射到 2.2 节的通路上，用统计检验判断"这条通路里的分子是否富集得超出随机预期"。

富集分析的直觉

想象一个班 40 人，期末有 12 人挂科，其中 8 人来自同一个 10 人小组——你不需要任何统计也觉得"这个小组有问题"。富集分析做的就是这件事：背景是检测到的全部代谢物（全班），前景是差异代谢物（挂科名单），检验每条通路（小组）的超几何分布概率。

# 概念示例：用 clusterProfiler 风格做代谢物富集
# sig_ids: 差异代谢物的 KEGG ID，bg_ids: 全部检出代谢物的 KEGG ID
library(clusterProfiler)
ego <- enricher(gene = sig_ids,      # 代谢组学里复用基因富集框架
                universe = bg_ids,
                TERM2GENE = kegg_pathway_compound,
                pAdjustMethod = "BH")
head(as.data.frame(ego)[, c("ID", "Description", "p.adjust", "Count")])
​

代谢组学的特有坑：背景集合必须真实。用"KEGG 全库 2 万个化合物"当背景而不是"本实验检出的 800 个"，p 值会被系统性低估。检测集合本身就是有偏的（脂质在反相平台高覆盖），背景跟着偏才公平。

网络视角：相关性网络的用法与边界

差异代谢物两两算相关（Spearman），相关系数超过阈值连边，得到一个网络。模块化社区检测（如 WGCNA 的思路）可以把上千特征压缩成几十个"代谢模块"，模块特征值再与表型关联——这是把多维数据降维成可解释单元的常用路径。

但记住相关网络的两个边界：样本量小于 50 时相关系数极不稳定；网络边不代表因果（第 2 章枢纽分子问题）。网络是"提出假设"的工具，不是"证明机制"的工具。

结果呈现：通路热图与拓扑图

标准输出两张图：富集条形图（通路按 p.adjust 排序、气泡大小为命中数）、通路拓扑叠加图（差异代谢物按方向标色叠到 KEGG 通路图上）。第二张图信息量更大——同一通路里上游底物升、下游产物降的方向性组合，才是定位扰动位点的证据（回顾 2.2 节）。

💡 关键直觉：通路分析的产出不是 p 值清单，而是两三句"某通路被推向某方向"的机制陈述。写不出这句话，说明差异信号还没有组织起来。

本节要点回顾

• 富集 = 超几何检验：前景（差异）、背景（检出）、分组（通路）三要素
• 背景集合必须用本实验检出集，否则 p 值虚低
• 相关网络做假设不做因果，小样本下不稳定
• **模块化（WGCNA 思路）**是高维数据降维的实用路径
• 方向性叠加图比富集条形图更接近机制

第 6 章看这条完整流水线在真实课题里怎么跑。

两类通路方法的统计学身份

ORA（过表征分析）拿差异代谢物清单查表，用超几何检验问"这条通路里的命中数是否超出随机预期"；MSEA（代谢物集富集分析）不设硬阈值，把所有代谢物的效应量连续值纳入；网络推断（Mummichog、GSVA 类）则绕开预定义通路，从 m/z 网络模块直接预测活动通路。三者的输入假设不同：ORA 丢掉了阈值以下的弱信号，MSEA 保留了幅度信息，网络法适合注释不全的非靶向数据。

# 超几何检验的手工实现：TCA 通路（20 个成员）里命中 6 个差异代谢物
from math import comb
N, K, n = 1500, 20, 120   # 总注释数、通路大小、差异代谢物总数
hits = 6
p = sum(comb(K, h) * comb(N - K, n - h) for h in range(hits, min(K, n) + 1))     / comb(N, n)
print(f"TCA 命中 {hits}/{K}，富集 p = {p:.4f}")
# 12 条通路同时检验时 BH 校正后 0.04*6/12≈… 需报校正后 p，见下一行
m_tests = 12
p_adj = min(1.0, p * m_tests / 1)   # Bonferroni 保守版
print(f"Bonferroni 校正后 p = {p_adj:.3f}（临界，换 BH 更合理）")
​

通路分析的三个坑

其一，代谢物在通路里的"方向"不一致（有的升有的降），简单计数会互相抵消——需要按方向分层或用拓扑权重；其二，数据库的物种注释错位（植物通路套到人类数据）会让富集结果全盘失效；其三，"富集到的通路"与"活性改变的通路"不是一回事——浓度是通量与消耗的净结果，只有 ¹³C 通量实验才能直接测速率。通路分析的正确输出是一个"值得追的假设清单"，而不是结论本身。

通路结果的呈现同样有规范：森林图或气泡图列出通路名、富集比、p 与校正 p、方向标注（上调/下调命中数）；正文引用通路时给出命中代谢物明细表，让读者能从通路名回溯到每个浓度值。审稿人对"通路富集到 TCA（p=0.03）"这种孤句的容忍度逐年降低——能点开的证据链才是通路分析的合格交付物。

通路分析的结果写作还有一个层次递进的规范：初级是罗列富集通路名，中级是给出命中代谢物与方向的热图，高级是把通路结果与独立证据（转录组、蛋白组或通量数据）对齐成多组学共识。审稿档次大致对应这三个层次。对以代谢组单独成文的研究，退而求其次的做法是把通路结论严格限定为"代谢物流量再分配的提示"而非"通路活性上调"——措辞的克制换来的科学信用，在后续验证研究中会兑现。这一分寸感是第 6 章所有高质量案例的共同特征，值得在通读案例章后回来重读这一段。

结果解读时可加一道方向一致性检验：把通路内代谢物的 log2 fold change 与其在经典通路图中的上下游位置对照，若出现"底物与产物同向大幅升降"的段落，优先怀疑注释错误或间接代偿，而非直接宣称通路激活。MSEA 的报告同样应附代谢物集大小、富集比与 Holm 校正后 p 值三列，供读者自行复算。

网络可视化发布前还有一道质检：节点度分布应呈幂律长尾，若出现几十个孤立双节点模块，多半是相关阈值过严（如只保留 |r|>0.9 的边），可放宽到 0.7–0.8 并配合 FDR 控制；反之若平均度超过 50，网络已近全连接，模块划分失去意义。报告模块时附上模块内平均相关系数与模块签名代谢物各前五位，读者即可不依赖图片快速复核结构。