1. 蛋白质互作基础：什么是PPI，生物学意义，研究价值
大家好，我是老周。干生物信息学这几年，最常被问到的问题就是：“你天天分析PPI，到底有什么用？” 今天咱们就从头聊聊蛋白质互作（Protein-Protein Interaction，PPI）这件事。嗯，内容会有点多，但我尽量讲得实在些。
1.1 什么是PPI？
蛋白质互作，说白了就是两个或多个蛋白质物理上碰到一起，形成暂时或稳定的复合物。这种结合不一定是“握手”那么简单——有些是永久搭档，有些是打了招呼就走。我2017年做酵母双杂交实验时，就见过一个蛋白跟十多个伙伴都互作，但也有的蛋白孤僻得很，只跟一个配体结合。
用行话讲，PPI的形式包括：
- 稳定的复合体：如核糖体、蛋白酶体，蛋白质之间长期结合。
- 瞬时互作：如信号通路中的激酶-底物结合，只持续几毫秒到几分钟。
- 同源互作 vs 异源互作：自己跟自己（同源二聚化）还是跟别人。
举个你熟悉的例子：p53与MDM2。p53是抑癌蛋白，MDM2会泛素化p53让它降解。这两货的互作一旦出问题，癌细胞就容易疯长。我团队当年做药物虚拟筛选，第一个要模拟的就是p53-MDM2的结合界面。
| 特征 | 稳定复合体 | 瞬时互作 |
|---|---|---|
| 结合亲和力 | 高 (Kd ≤ 10⁻⁸ M) | 中低 (Kd 10⁻⁶ ~ 10⁻⁵ M) |
| 半衰期 | 数小时以上 | 秒~分钟 |
| 典型例子 | 核糖体大亚基 | SH2结构域与磷酸化酪氨酸 |
| 检测难度 | 容易，可纯化 | 困难，需交联或高灵敏度方法 |
1.2 生物学意义：为什么细胞离不开PPI？
你想想看，一个细胞里有多少种蛋白质？人类大概有两万多种。如果没有蛋白互作，每个蛋白单打独斗，根本没法完成信号传递、代谢调控这些精细活儿。所以PPI是细胞功能的基本单位。我从以下三个方面来说它的价值：
1.2.1 信号转导
细胞外一个激素分子过来，怎么让细胞核做出反应？靠的就是一连串蛋白互作：受体激活→SH2域招募→MAPK级联反应→转录因子入核。每一步“掉链子”都会导致信号异常。我记得2019年做癌症转录组分析时，发现很多病人的EGFR突变恰好破坏了后续Grb2的绑定位点——这就是典型的PPI缺陷导致信号持续激活。
1.2.2 代谢与合成
代谢通路中的酶不是散在细胞里的，而是通过PPI形成代谢通道（metabolon），让底物直接传递。比如糖酵解中的PFK和醛缩酶就经常靠在一起。我习惯在KEGG通路图上用STRING数据库标注这些酶-酶互作，一眼就能看出哪个步骤容易被反馈抑制干扰。
1.2.3 细胞结构维持
细胞骨架（微管、微丝）本身就是大量微管蛋白/肌动蛋白通过同源PPI组装起来的。还有膜上的整合蛋白、粘附连接，都依赖异源PPI。曾经有人问我：“为什么癌细胞容易转移？” 一个很重要的原因是E-cadherin的胞内段与β-catenin的互作中断了，细胞粘附变弱。
1.3 研究价值：我们为什么花大把精力研究PPI？
这个问题我在不少项目评审会上被问到过。坦白说，PPI的研究价值跨度很大——从基础科研到药物开发再到系统建模，都是核心工具。我把它分成三个层面：
1.3.1 疾病机理与标志物发现
- 很多遗传病是单点突变导致蛋白结合能力改变。比如亨廷顿病，polyQ扩增使得Htt蛋白与更多伙伴异常互作，形成聚集体。
- 癌症基因组里高频突变的位点，有相当一部分落在PPI界面上。我们用AlphaFold2预测突变前后结合能变化，能快速评“驱动性”。
- 感染：病毒蛋白就是通过模拟宿主PPI入侵的。HIV的Gag蛋白招募宿主LRCH4，以此为靶点做抗病毒设计，我参与过。.
1.3.2 药物靶点识别与开发
传统的药靶主要是酶和受体。现在大家越来越关注PPI抑制剂/稳定剂。难点在于界面平坦、亲疏水特性复杂。我做过一个“热点残基预测”项目，用图神经网络在3D结构上找出关键位点，然后对接着筛选小分子库——准确率比传统分子对接提高了20%，但热图叠加真的费GPU。
常用药物中已有不少是PPI调节剂：
| 药物 | 靶点PPI | 作用类型 |
|---|---|---|
| 伊马替尼 | BCR-ABL (SH3/SH2结合域) | 抑制 |
| 雷帕霉素 | FKBP12-mTOR | 稳定 |
| 维莫非尼 | BRAF二聚化界面 | 抑制（二聚体） |
1.3.3 系统生物学与网络建模
现在生物医学研究早已不满足于“一个蛋白一个功能”，而是把整个细胞当作一个复杂网络。PPI网络是其中最核心的一层。我常用的策略是把转录组数据映射到PPI网络上，找出“关键模块”。比如在阿尔茨海默症研究中，我们通过WGCNA+PPI过滤，发现了一个与突触可塑性相关的模块，后来验证了其中的SYNGAP1与PSD95的互作变化与认知衰退显著相关。
这部分我多提一句：目前PPI网络建模的难点在于动态性。不同时间、不同细胞类型、不同状态下，互作网络是变化的。我建议初学者先用STRING数据库的Confidence阈值（≥0.7）拿一批高置信度的静态网络做练习，等熟练了再引入时间序列的条件特异性PPI数据。
# 从STRING获取人类PPI的一个小示例 (REST API)
curl -X POST "https://string-db.org/api/tsv/network" \
-d "identifiers=TP53%0aMDM2" \
-d "species=9606" \
-d "required_score=700" \
-d "add_nodes=1" > ppi_tp53_mdm2.tsv
拿到这个tsv文件后，你可以读取后构建简单网络：节点是蛋白，边是combined_score。我习惯用Cytoscape加载后手动圈一下核心子图——那张图后来直接变成了论文Figure 2。
1.4 整体知识框架
下面这张SVG图展示了我个人对PPI知识体系的梳理，也是本章要涵盖的核心逻辑。你看一眼心里就有数了：
简单解释一下这张图：结构分三层——PPI的定义（左）、生物学意义（中）、研究价值（右）。下层点明实现这些目标需要实验、预测和网络分析这些技术。而最底部就是咱们整门课的主题——特征联合学习，也就是把序列、结构、表达量、功能注释等多种特征糅合起来，提高PPI预测和解释的准确性。
嗯，本章就先做这些基础铺垫。后续课程会一步步展开每个模块的具体实现。如果你测试时遇到String API返回格式错误，可以翻翻我前面给的curl示例，注意score参数别写0——否则会给你一大堆假阳性。