1. Neo4j简介：图数据库概念、Neo4j特点、应用场景（药物发现）、安装与启动
我们开始这门课的第一讲。既然是第一讲，我不打算一上来就扔概念，而是先聊聊为什么药物发现领域会跟图数据库扯上关系。
几年前我接手过一个靶点优先排序的项目，数据源是几个公开库加内部实验数据。当时我的第一反应是用关系型数据库，PostgreSQL 嘛，顺手。结果一跑关联查询，嗯，JOIN 了七八张表，一条路径分析跑了快半小时。后来换成 Neo4j 重写，同样的查询降到秒级。从那以后，我对图数据库的看法彻底变了。
1.1 图数据库概念——不只是“图”
先搞清楚一件事：图数据库里的“图”，不是图表，是 Graph，由节点（Node）和关系（Relationship）组成的网络。节点代表实体，关系代表实体之间的语义连接。
我习惯用一句话跟同事解释：关系数据库存的是表，图数据库存的是“邻居”。你想想看，在药物发现中，药物和靶点之间的关系比药物本身的属性更重要。对不对？
图数据库的核心要素其实就四个：
- 节点 —— 实体，比如“药物”、“靶点”、“疾病”
- 关系 —— 连接，比如“作用于”、“抑制”、“导致”
- 属性 —— 实体或关系的键值描述，比如药物的分子量、靶点的基因符号
- 标签 —— 节点的分组，比如 :Drug、:Target、:Disease
关键认知：图数据库是“面向连接的”。关系型数据库擅长存“是什么”，图数据库擅长存“怎么连”。药物靶点知识图谱天然就是一张大网，所以 Neo4j 特别适合。
1.2 Neo4j 特点——为什么它成为行业标杆
说实话，市面上的图数据库不少，但 Neo4j 的用户量和生态最强。我个人看中它三点：
- 原生图存储 —— 它的存储引擎就是按图结构设计的，不是把图映射到关系表上。这意味着遍历边的时候，地址直接相连，没有表索引的额外开销。
- 属性图模型 —— 节点和关系都可以带属性，这很灵活。我在项目中经常把实验的 IC50 值直接挂在“作用于”关系上，不用额外建一张表。
- Cypher 查询语言 —— 它有点像 SQL，但专门为图遍历设计。写一个匹配路径的查询，几行 Cypher 就能搞定，换 SQL 能写两页。
再补充一个避坑经验：我曾经在部署一个大规模知识图谱时没注意 Neo4j 的堆内存限制，结果跑复杂查询时频繁 OOM。后来设置 dbms.memory.heap.max_size=4G 才稳住。
| 维度 | Neo4j | 关系数据库 |
|---|---|---|
| 核心模型 | 节点 + 关系 + 属性 | 表 + 行 + 列 |
| 关联查询性能 | O(1) 步内遍历 | 多表 JOIN 随深度指数下降 |
| 模式灵活性 | 无模式或标签约束 | 严格 schema |
| 典型查询语言 | Cypher | SQL |
| 最适合场景 | 社交网络、知识图谱、推荐 | 事务、报表、结构化数据 |
1.3 应用场景：药物发现——为什么需要图数据库
好，现在我们把镜头拉回药物发现。
药物发现本质上是一个“连接”问题：候选化合物连接靶点，靶点连接通路，通路连接疾病，疾病连接表型……数据维度多、关系复杂、层次深。传统 BioSQL 数据库处理这类多跳查询时性能捉急。
我记得有一次做“药物重定位”分析，需要找出所有能同时作用于 A 靶点和 B 靶点的化合物，再进一步看这些化合物是否已经获批。在关系数据库里写那个查询，嵌套了 5 层子查询。但换成 Cypher，只用了 3 行模式匹配就出来了。你说快不快？
提示：如果你还没接触过 Cypher，没关系。上面那句话你可以理解成“写出你想走的路径，图数据库就沿着路径跳过去”，不需要写 JOIN 条件。
以下是我整理的一些典型药物发现场景与对应的图结构：
- 靶点-药物关联：节点是 Drug 和 Target，关系是 ACTS_ON，属性放 Kd 或 IC50
- 通路-疾病关联：节点是 Pathway 和 Disease，关系是 INVOLVED_IN，属性放证据来源
- 药物-副作用关联：节点是 Drug 和 SideEffect，关系是 CAUSES，属性放发生率
- 蛋白-蛋白互作：节点是 Protein，关系是 INTERACTS_WITH，属性放置信度分数
1.4 安装与启动——手把手带你跑起来
这部分我尽量说干货，跳过那些花哨的选项。
Neo4j 社区版完全免费，足够做中小型知识图谱。我建议你直接下载预打包的 tar.gz / zip 版本，不要从源码编译，浪费时间。
以下以 Linux / macOS 为例（Windows 用户对应下载 .exe 安装包）：
# 1. 下载 Neo4j 社区版（选择最新稳定版）
wget https://neo4j.com/artifact.php?name=neo4j-community-5.20.0-unix.tar.gz
# 2. 解压到你的工作目录
tar -xzf neo4j-community-5.20.0-unix.tar.gz
cd neo4j-community-5.20.0/
# 3. 查看配置（可选，默认配置即可）
cat conf/neo4j.conf | grep -v "^#" | grep -v "^$"注意：Neo4j 5.x 需要 JDK 17 或以上。我踩过这个坑——装完 Neo4j 启动报错，检查日志才发现 JVM 版本不对。可以用 java -version 先确认。
启动和停止的命令也非常简单：
# 前台启动（便于观察日志）
bin/neo4j console
# 或后台启动
bin/neo4j start
# 停止
bin/neo4j stop
# 查看状态
bin/neo4j status启动成功后，默认浏览器访问 http://localhost:7474 就可以进入 Neo4j Browser。第一次登录账号密码都是 neo4j，会让你立即改密码。
我个人习惯把初始密码改成 admin123（演示用），生产环境请设置强密码。
1.5 本章知识体系速览
为了让这一章的结构清晰，我画了一张图，把核心概念串起来。
这张图从左到右展示了图数据库的基本元素：节点、关系、属性、标签。底下用了一个药物发现的真实案例——伊马替尼作用于 BCR-ABL 靶点，治疗慢性髓系白血病。关系上挂的 IC50 值就是属性。这些概念你后面每节课都会遇到。
提示：如果你现在已经安装了 Neo4j，可以打开浏览器输入以下语句试试（这是 Cypher 入门第一条）：
:play intro它会带你走一遍交互式教程。
嗯，第一章就到这里。核心内容不多，但打稳基础很重要。下次见面我们直接上手建一个药物-靶点图谱。