跟着Cell学作图|10.蛋白质互作网络实战：GeNets数据库的机器学习驱动分析
1. 蛋白质互作网络（PPI）的基础认知
蛋白质互作网络（Protein-Protein Interaction Networks，PPI）是理解生命活动的重要工具。简单来说，你可以把它想象成一张社交网络图——每个蛋白质就是一个"人"，而他们之间的连线就是"朋友关系"。这种网络关系能帮助我们看清细胞内的"社交圈"，比如哪些蛋白质经常一起工作，哪些处于核心地位。
在实际研究中，PPI网络有几个关键要素：
- 节点：代表单个蛋白质，大小通常反映其重要性
- 连线：表示蛋白质间的相互作用，不同颜色/线型可区分作用类型
- 聚类：功能相似的蛋白质会自然聚集成簇，就像兴趣小组
我处理过的一个阿尔茨海默症项目就通过PPI网络发现了Aβ蛋白周围有多个未被充分研究的互作伙伴，这为药物靶点筛选提供了新方向。相比传统的STRING数据库，GeNets的独特优势在于其机器学习驱动的分析方法，能更智能地识别关键节点和功能模块。
2. GeNets数据库的核心功能解析
GeNets（http://apps.broadinstitute.org/genets#）是Broad研究所开发的专业分析平台，它的机器学习算法特别适合处理组学数据。我实测过多个数据库，发现GeNets在三个方面表现突出：
2.1 智能基因筛选
系统会自动对你的差异基因列表进行特征学习，通过随机森林算法识别出枢纽基因（hub genes）。这比简单看表达量变化要靠谱得多——就像找团队中的关键人物不能只看谁说话大声，还要看他的连接能力。
2.2 通路聚类可视化
平台内置的Walktrap算法能自动将蛋白质分成功能模块。最近分析乳腺癌数据时，系统就把ERBB信号通路相关的15个蛋白精准聚成一类，还标注了"细胞增殖调控"的功能标签。
2.3 交互式调参
你可以实时调整聚类强度和网络密度。建议新手先用默认参数，生成基础网络后再微调。我常用的组合是：
- Clustering resolution: 0.7
- Minimum network size: 10
- Edge confidence: 0.4
3. 从数据到网络的完整实操
3.1 数据准备阶段
需要准备包含基因Symbol和logFC的CSV文件。遇到过最常见的坑是基因命名不统一——记得先用HGNC对照表校正符号。建议这样格式化数据：
Gene,logFC TP53,2.3 BRCA1,-1.8 ...3.2 平台操作流程
- 注册后选择"Network Analysis"
- 上传文件时勾选"Header exists"
- 在Advanced Options里设置：
- Organism: Homo sapiens
- Score threshold: 0.5（初筛可放宽到0.3）
- 点击"Run Analysis"等待约3-5分钟
3.3 结果优化技巧
生成初始网络后，建议：
- 移除"Not Assigned"节点（右键批量删除）
- 对剩余节点重新聚类
- 用Edge Filter隐藏低置信度连接（<0.6）
- 导出时选择SVG格式便于后期AI编辑
4. 机器学习驱动的深度分析
GeNets的算法核心在于其多层级特征整合能力。它会同时考虑：
- 拓扑特征（节点度、介数中心性）
- 功能特征（GO注释相似度）
- 表达特征（共表达模式）
最近帮客户分析肝癌数据时，系统通过集成学习发现了一个有趣现象：某些低表达差异的基因（logFC<1）由于处于网络关键位置，被算法标记为high-impact节点。后续实验验证了这些基因确实影响肿瘤转移。
对于想深入挖掘的研究者，平台还提供：
- 模块富集分析（一键链接到KEGG）
- 驱动基因预测报告
- 跨物种保守性评估
操作时注意查看"Algorithm Details"面板，那里会实时显示机器学习模型的决策依据。比如看到"High betweenness centrality weighted 0.7"的提示，就知道这个节点之所以被突出显示，主要是由于它的桥梁作用。