蛋白互作网络中的一阶邻居应该怎样阅读

一阶邻居回答的是局部关系

从查询蛋白出发，把所有直接互作对象展开，就形成一阶邻居网络。它适合快速观察候选蛋白可能接触哪些复合体、调控因子或通路成员，也适合在实验前发现明显的非预期关系。

这张网络不是细胞内真实存在的完整场景。不同互作来自不同组织、物种、处理条件和实验方法，合并后表达的是已记录关系的集合，而不是所有边同时发生。

阅读第一步应查看边的来源和条件，再决定哪些关系与当前实验有关。网络距离近，只代表资料中的连接步数少，不等于生物学影响必然更强。

经典蛋白被研究得更多，拥有的数据库互作通常也更多。它们在网络中看起来居中，部分原因是实验覆盖广，而不一定因为它们在当前细胞中承担最关键作用。

可以按证据数量、实验类型、组织条件和发布日期分层观察。若一个节点的连接几乎全部来自单一高通量实验，解释应比多方法重复验证更谨慎。

未知或低研究度蛋白连接较少，也不代表不重要。它可能只是缺乏实验覆盖，需要结合结构、表达、同源关系或新的扰动数据提出候选。

酵母双杂交偏向直接结合，免疫共沉淀可能捕获复合体成员，亲和纯化质谱则受到表达量和提取条件影响。把所有边画成同一种线，会隐藏这些证据差异。

阴性结果也不能简单解释为没有互作。蛋白定位、修饰状态和实验构建可能使真实关系无法被当前方法检测。网络资料适合积累阳性证据，对不存在的判断通常更弱。

实用的网络表应让读者回到实验类型、物种和原始来源。图形负责发现结构，来源表负责决定是否值得继续验证。

一个蛋白可以属于多个通路，通路之间也可能共享大量成员。标记颜色能帮助发现交叉，却容易让读者把数据库分类理解成互斥身份。

应区分查询蛋白、直接互作对象和通路成员，并说明通路资料的版本。若某条通路只由一个高连接节点驱动，其统计和机制意义都需要单独检查。

一阶网络最有价值的用途，是把候选范围缩小到可以设计实验的程度。选择少量具有多证据支持、条件匹配或结果矛盾的关系，往往比继续扩展二阶、三阶网络更能产生可验证问题。

网络可以帮助决定对照、时间点和可能的副作用观察。例如目标蛋白连接多个核心通路时，扰动实验应增加早期时间点，避免晚期广泛变化掩盖直接效应。

若关注药物靶点，还要检查组织表达、剂量、亚细胞位置和非目标关系。网络边只能提示可能联系，不能替代药理、安全性或临床证据。

交接一阶网络时，应同时提供节点表、边表、通路映射、筛选条件和未映射对象。OixCloud的数据通道强调这些上下文，让下一位研究者不仅看到图，也能重新理解图是如何形成的。

从一阶邻居扩展到二阶网络时，节点数量往往快速增长，高度连接蛋白会把原本局部的问题拉向细胞普遍过程。网络看起来更完整，却可能更难区分与查询对象真正相关的关系。

扩展前应先说明目的。如果目标是寻找直接候选，一阶关系通常已经足够；如果要观察通路间桥接，可以有条件地加入二阶节点，但应限制证据类型、组织和路径长度。

每次过滤都要保留前后数量和规则。只分享最后的漂亮子图，会让接收者无法知道哪些关系被排除，也无法评估结论对阈值有多敏感。

两个蛋白即使在数据库中存在可靠互作，若当前组织不表达其中一方，关系就不适用于该样本。表达证据不是互作证明，却能帮助排除明显不可能同时出现的对象。

信号过程具有时间顺序。早期短暂互作和晚期表达变化可能属于同一通路，却不应在静态图中解释为同时发生。时间序列能帮助区分直接响应与后续反馈。

亚细胞位置进一步限制接触机会。修饰或刺激可能让蛋白转位，因此位置资料也要对应条件。静态定位标签无法覆盖所有状态，但仍能发现明显冲突。

度数、介数和接近中心性描述不同结构属性。高度节点连接多，介数高的节点常位于模块之间，但这些指标都受到网络覆盖、方向和边权影响。

将中心性直接写成生物学重要性，会忽略组织特异性和功能冗余。一个结构上居中的蛋白可能在当前细胞中不表达，另一个低度节点却可能承担特异关键作用。

指标更适合与实验条件、表达、修饰和疾病证据共同筛选。候选排名应展示各项证据，而不是把它们压成无法解释的单一分数。

数据库持续加入新实验并调整标识。相同查询在不同年份得到不同邻居，可能是知识更新，而不是分析错误。保存访问日期、数据库版本和边的来源能解释这种变化。

如果分析依赖多个数据库，应先去重并记录冲突。同一关系可能被多个来源收录，也可能在物种、方向或实验条件上不一致。合并数量不能代替证据比较。

旧网络结果用于新项目时，应先确认标识映射和关键边是否仍有支持。历史图适合追踪研究演进，不宜未经核对直接成为当前实验依据。

好的候选不是连接最多，而是不同解释会给出不同实验结果。例如一个关系若只在刺激后出现，可以安排刺激前后时间点；若依赖某个修饰位点，可以比较野生型与位点突变。

正交方法能减少单一技术偏差。高通量筛选发现的互作，可以用不同原理的小规模实验验证；网络预测的通路影响，可以通过关键节点扰动和下游读数检查。

失败结果也应回到网络记录。它可能说明关系具有条件依赖、原证据受技术限制，或当前模型选择了错误候选。把结果写回证据层，网络才能随实验进展变得更可靠。