2. 基础知识：生物学背景——药物作用机制、靶点类型
各位同行，这一章咱们聊聊生物学背景。别觉得这是“文科内容”，做网络分析如果不懂靶点怎么工作，代码写得再漂亮也是白搭。做药物-靶点网络分析，本质上是在数据层面还原生物学故事。这个故事的主角就两个：药物和靶点。
2.1 药物的作用机制：它到底怎么干活？
说白了，药物进到人体之后，不是乱撞的。它有特定的“工作方式”。我个人习惯把作用机制归纳成几类，这样在做网络分析时，节点和边的语义就清楚很多。
核心观点：大多数药物通过结合靶点并改变其功能来产生效应。这种结合通常是“非共价”的，也就是可逆的。记得有一次我跑聚类分析，发现一批药物全聚在一起，后来一查全是不可逆抑制剂，这才知道机制特征对网络拓扑影响这么大。
常见的机制分类：
- 激动剂 (Agonist)：它跟靶点结合后，激活靶点，让它干更多的活。就像一个“油门”。
- 拮抗剂 (Antagonist)：它跟靶点结合后，阻止其他物质（比如内源性配体）跟靶点结合。相当于“刹车”或“堵住钥匙孔”。
- 抑制剂 (Inhibitor)：本质上跟拮抗剂类似，但通常用于描述对酶或离子通道的抑制。我以前一个项目里，把抑制剂和拮抗剂当成一类去建网络，结果富集分析跑出来一堆假阳性，后来才老老实实分开标注。
- 调节剂 (Modulator)：它不是简单的开或关，而是调节靶点的活性水平。比如别构调节剂，它结合在别的位置上，让靶点对天然配体的反应变敏感或变迟钝。
- 部分激动剂 (Partial Agonist)：它激活靶点，但激活强度不如内源性物质。这在神经精神类药物里很常见，可以避免过度激活。
避坑指南：我刚开始做网络图的时候，把“机制”列直接当字符串用。比如“抑制剂”和“拮抗剂”在文本上不同，但在很多数据库里它们常被混用。建议你在数据预处理阶段，先做一下机制术语归一化。比如统一成“Antagonist”或“Inhibitor”的大类，否则网络中的“假异质性”会让你查很久原因。
2.2 靶点类型：我们要分析的对象有哪些？
靶点不是只有蛋白质。很多初学者以为靶点就是“一个基因”或者“一个蛋白”，其实不然。你想想看，如果你分析的网络里，节点类型混了基因、RNA、蛋白质复合体，而你只用一套规则处理，那结果肯定对不上。
我习惯把靶点类型分为以下几大类，这在构建异质性网络时很关键：
| 靶点类型 | 常见例子 | 网络分析中的特点 |
|---|---|---|
| 蛋白质 (Protein) | 酶、受体、离子通道、转运蛋白 | 最丰富，节点度分布广，常作为Hub节点 |
| 基因/核酸 (Gene/Nucleic Acid) | DNA、mRNA、miRNA | 多见于化疗药物(如DNA嵌入剂)或RNA靶向药 |
| 蛋白质复合体 | 核糖体、RNA聚合酶 | 网络中的超节点，常连接多个亚基 |
| 脂质/糖类 | 细胞膜磷脂、脂多糖 | 较少见，但抗菌药物靶点常是细胞壁成分 |
小技巧：我个人习惯在数据表中额外加一列 `target_type_abbr`，例如把“Gene Product”简化为“PRO”，把“Nucleic Acid”简化为“NA”。这样在后续用颜色编码节点时，直接映射这一列就行，避免每次都要用if-else判断。
2.3 从生物学到网络：信息如何映射？
好，知道了药物怎么工作、靶点是什么，下一步就是把这些知识映射到网络图的节点和边上。这里我归纳了一个小流程，你可以参考：
2.4 常见的靶点-药物关系数据库
做分析总得有个数据源。我列出几个我常用的库，它们的数据结构比较适合直接拿来做网络：
DrugBank：结构化最好，药物-靶点关系明确，有作用机制注释。
下载XML格式后，解析 drug-target 部分即可。
DGIdb：专门做药物-基因交互，整合了多个来源。
适合与基因表达数据联用。
STITCH：更偏向化学-蛋白互作，覆盖多物种。
注意它的置信度分数，我一般只取 > 0.7 的记录。
TTD (Therapeutic Target Database)：治疗靶点数据库，分类清晰。
适合做疾病-靶点-药物三层网络。
BindingDB：结合亲和力数据多，适合做定量分析。
如果要做边权重的网络，这里的数据很好用。2.5 小作业：画一个简单的“单药物-多靶点”网络草图
嗯，光看理论没用。我建议你动手做一步：拿一个你熟悉的药物（比如伊马替尼），去DrugBank查它的靶点列表，记下每个靶点的类型（是激酶？还是转运蛋白？）。然后在纸上或者画图软件里，把药物画成中心节点，靶点画成外围节点，边标注作用类型。
这一步能帮你直观理解为什么网络分析要区分靶点类型——因为不同类型的靶点，在网络中的连接模式完全不同。