复杂疾病例如癌症或糖尿病的发生发展通常不归因于单个分子的突变或功能失调，而是由相关调控网络或系统的功能异常所造成。因此，以网络为基础来分析疾病的分子机制非常重要。虽然总体来说基于分子生物学的经典医学已经取得了重大进展，然而现行的方法仍然主要基于单个基因和蛋白质的研究，并不足以解决复杂疾病中越来越多的问题。因此，对可应用在设计及寻找用于预防、诊断和治疗疾病的新医疗解决方案方面的系统生物学新方法和新技术有强烈的需求。生物网络医学正是使用基于网络的方法，在分子水平上对复杂疾病进行系统研究，从而被视为帮助有效诊断、预后和治疗复杂疾病的有力手段。

本期JMCB专辑以“生物网络医学”为主题，收集了基于生物分子网络的系统医学领域的最新研究进展，尤其是用于揭示疾病发生与发展复杂性、提供疾病治疗手段的网络计算方法创新。本专辑中多篇研究论文的主题从致病基因分析到生物标记检测再到基于分子网络的疾病诊断，可以大致分为基于序列数据的研究和基于表达数据的研究。 （限时全部文章free，快来围观！）

在第一篇文章中，采用基于序列的预测工具结合已知磷酸化及蛋白质相互作用信息，Wang等人计算检测到9606个潜在的与磷酸化相关的单核苷酸多态性（phosSNPs），这些phosSNPs可显著地影响特定人群的激酶与底物相互作用的磷酸化调控网络，且作者进一步证明了phosSNPs参与的磷酸化调控网络可能影响癌症的易感性。

基于序列数据，Melamed等人开发了一个与关联性网络相关的信息理论框架，即使用总体相关的基因改变模块（GAMToC），整合了拷贝数据和突变数据来鉴定出包含非随机组合变异的基因模块。此外，同样根据序列信息，Jiang博士提出了一个名为pgWalk的新方法，该方法整合了多个表型和基因组数据，通过构建疾病-基因网络来优先考虑候选致病基因。

不同于DNA序列相对静态的信息，基因或者蛋白质的表达数据提供了疾病动态变化的信号。通过研究表达数据的关联或网络信息，Zhang等人开发了一种新颖的计算框架EdgeBiomarker，该方法基于网络特性鉴定临界生物标志物，即使对单样本也可进行精确网络诊断。交叉验证结果表明，利用被传统方法所忽视的非差异表达基因的临界标志物，相较于差异表达基因的网络节点生物标记，可实现更高精度的诊断和预后，这说明某些致病信息不在传统方法所能检测到的表达水平、而只在网络水平出现。

为了研究由Rho GTPases控制的细胞迁移，Kim等人构建了一个Rho GTPases信号网络的动态网络模型，并且开发了布尔网络模型用来分析在细胞外基质依赖性细胞迁移过程中凸起上Rho GTPases信号网络的不同状态及应急重构。

  为了从动力学角度研究癌症转移过程中的上皮间质转变（EMT），Tanaka等人首先将癌症EMT定义为基因调控网络的结构变化，在此模型中运用网络生物学方法获取癌症EMT的基本特征。他们发现癌症EMT历经三个连续稳定阶段，且其中每一个都沿着EMT的轨迹形成了一个潜在低谷。

在一项对癌症网络模型的研究工作中，Zhang等人癌前病变、原位癌、转移癌等癌症类型的组织转录组数据进行了计算分析，揭示各种癌症在整个病程发展过程中，高水平乳酸盐的产生机制。由此建立不同癌症以乳酸脱氢酶为中心的共表达网络，表明各种压力可能是促进因素，并提出相关的转录调控系统。他们的研究结果为针对不同癌症的不同阶段设计个性化治疗方案提供了重要信息。

这些研究展示了生物分子网络在解决医药问题上的巨大潜力和能力。随着这一领域进一步发展并伴随大数据的应用，生物网络医学将在精准医学或个体化治疗中发挥更加重要的作用。