3、节点与关系属性：设置属性、多属性、索引

这一节咱们聊聊属性的那些事儿。说白了，属性就是给节点和关系贴上的标签——药物叫什么名字？靶点是什么类型？这些信息都需要用属性存起来。我刚开始用Neo4j那会儿，总觉得属性就是个“附带信息”，好家伙，后来发现属性设计得好不好，直接关系到查询快不快、数据好不好管。

3.1 节点属性的基本操作

创建节点时带上属性，语法很直观。你看这个例子：

CREATE (d:Drug {
  name: "伊马替尼",
  smiles: "CC1=C(C=C(C=C1)NC(=O)C2=CC=C(C=C2)CN3CCN(CC3)C)NC4=NC5=CC=CC=C5N4",
  mol_weight: 493.6,
  logP: 3.2,
  phase: "上市"
})
RETURN d

这里我创建了一个药物节点，塞了5个属性进去。name是字符串，mol_weight是浮点数，phase又是字符串。Neo4j不强制你定义属性的类型，它会自动推断——这既是方便也是坑，后面我会说。

3.2 多属性的批量写入

在实际项目中，我常常需要一次写入几十个属性。比如从ChEMBL导入数据时，一个化合物可能有几十个计算性质。一条条写太慢了，用Map传参就方便很多：

WITH {
  chembl_id: "CHEMBL941",
  name: "厄洛替尼",
  target_count: 12,
  bioactivity: "IC50=0.02 nM",
  synonyms: ["Tarceva", "OSI-774"],
  therapeutic_area: "非小细胞肺癌"
} AS props
CREATE (d:Drug)
SET d = props
RETURN d

SET d = props这个写法，会把Map里所有的键值对一口气赋给节点。注意，这会替换节点上已有的全部属性。如果你只想增加或更新某几个属性，用SET d += props。

为什么会推荐用+=？我在项目中吃过亏。有一次更新药物数据时用了=，结果把一个药物的synonyms列表给覆盖了，丢了老数据。嗯，从那以后我只要做增量更新，一定用+=。

3.3 复合属性与多层结构

有些药物属性是复合的，比如“多个靶点的活性数据”、“不同物种的IC50值”。你完全可以用列表和嵌套Map来存：

CREATE (d:Drug {
  name: "阿法替尼",
  activities: [
    {target: "EGFR", ic50: 0.5, species: "human"},
    {target: "HER2", ic50: 1.2, species: "human"},
    {target: "EGFR", ic50: 3.8, species: "mouse"}
  ],
  clinical_trials: {
    phase1: "NCT00123456",
    phase2: "NCT00765432",
    phase3: "NCT01123456"
  }
})

你想想看，这样存的好处是什么？一次查询就能拿到药物的全部活性数据，不用再走关联关系。当然，如果活性数据量特别大（几百条以上），我就建议把活性数据提成独立的节点，用:HAS_ACTIVITY关系连接，避免节点过于臃肿。

3.4 关系属性的设置

关系也可以带属性。比如药物和靶点的:TARGETS关系上，我会存置信度、数据来源、文献引用这些信息：

CREATE (d:Drug {name: "吉非替尼"})
CREATE (t:Target {name: "EGFR"})
CREATE (d)-[r:TARGETS {
  confidence: 0.95,
  source: "DrugBank",
  pmid: "21995302",
  assay_type: "kinase inhibition"
}]->(t)
RETURN r

关系属性的查询也很直接。比如找所有高分置信度的药物-靶点关系：

MATCH (d:Drug)-[r:TARGETS]->(t:Target)
WHERE r.confidence > 0.9
RETURN d.name, t.name, r.confidence

我个人习惯把那些**变化频率高、多对多特有**的信息放在关系属性上。比如置信度、结合常数、实验条件这些，放在关系上是最合适的。

3.5 属性的类型与约束

Neo4j支持的类型有：String、Integer、Float、Boolean、List、Map、Date、DateTime等。但是注意，它不会自动校验类型一致性。比如同一个属性名“phase”，有的节点存"上市"，有的存3，这不报错但查起来很坑。

3.6 索引的创建与使用

属性设好了，查询慢怎么办？上索引。索引说白了就是给Neo4j一个“快速查找”的目录。比如药物名称经常作为查询起点，那就给name加索引：

CREATE INDEX drug_name_index FOR (d:Drug) ON (d.name)

同样，靶点的uniprot_id也常被用来快速定位：

CREATE INDEX target_uniprot_index FOR (t:Target) ON (t.uniprot_id)

建好后，如果用MATCH (d:Drug {name: "伊马替尼"})查询，Neo4j会自动使用索引。你可以在查询前加PROFILE关键字验证是否走了索引：

PROFILE MATCH (d:Drug {name: "伊马替尼"}) RETURN d

输出中如果看到NodeIndexSeek，说明索引生效了。如果看到NodeByLabelScan，那就是全表扫描。

复合索引特别适合药物靶点图谱中“根据靶点类型+物种”来找节点的场景：

CREATE INDEX target_type_species FOR (t:Target) ON (t.type, t.species)

MATCH (t:Target {type: "kinase", species: "human"})
RETURN t LIMIT 10

全文索引适合药物名称的模糊搜索。比如用户输入“伊马”，你想把“伊马替尼”、“伊马曲班”都匹配出来：

CREATE FULLTEXT INDEX drug_name_fulltext FOR (d:Drug) ON EACH [d.name, d.synonyms]

CALL db.index.fulltext.queryNodes("drug_name_fulltext", "伊马") 
YIELD node, score
RETURN node.name, score

3.7 唯一性约束与模式索引

有些属性必须是唯一的，比如药物的chembl_id、靶点的uniprot_id。Neo4j用CREATE CONSTRAINT来实现：

CREATE CONSTRAINT unique_drug_chembl FOR (d:Drug) REQUIRE d.chembl_id IS UNIQUE

CREATE CONSTRAINT unique_target_uniprot FOR (t:Target) REQUIRE t.uniprot_id IS UNIQUE

加了约束之后，如果试图插入重复的chembl_id，Neo4j会直接报错。这比在应用层做检查可靠得多。而且——这个约束本身也会创建一个唯一索引，查询性能也是杠杠的。

3.8 本章SVG结构图

下面这张图把本章的知识点串起来，方便你直观理解属性、多属性、索引之间的关系：

3.9 实践中的权衡与建议

最后说几点我在项目中的实际体会。属性设计这件事，没有绝对的对错，关键看你的查询场景。

• 先想查询，再定属性：如果经常用WHERE d.logP > 3这种范围查询，记得在logP上建索引。如果只是偶尔用，那没必要建。
• 别把所有东西都塞进一个节点：药物有几十个靶点活性数据时，我建议拆成独立的:Activity节点，用关系连。不然节点属性列表越来越多，维护起来就头疼了。
• 复合索引的顺序很重要：ON (type, species)和ON (species, type)在查询时完全不一样。经常用的查询条件放在第一位。