周涛倡议成立复杂网络圈时，我没事找事顶了一把。现在圈子成立了，我也应该履行一下基本的义务，写篇博文庆贺一下。

 我是做实验生物学的，具体说，是果蝇遗传学，所以和复杂网络圈很难联系上。基础遗传学和理论物理或者数学关联不大，而且研究方法和思维方式也完全不一样，但我认为它们有一个共同点，那就是这些学科都追求结果的“简单、漂亮”。做果蝇遗传的人都想知道某个基因在特定的时间、特定的细胞里表现出的特定而且显著的功能。所以我们做的事情通常是：这个基因突变后，会让这个细胞的分化分裂改变？它突变以后，主要影响那些下游基因的表达？有哪些上游基因调节它？突变A或B基因没有表型，但它们同时突变后，会不会表型？

 得到简单而漂亮的结果是很令人赏心悦目的，这也是我的研究动力之一。研究动力之二当然就是养家糊口了。进入这个领域两年以后，做出了一些东西，也发了文章，觉得自己对果蝇遗传已经不是门外汉了。但后来我也发现这个领域也面临的一个比较严峻的问题。那就是，突变后有显著表型的基因已经基本被发现和研究过了。要有重大发现，除了绞尽脑汁、勤奋工作以外，还得很靠运气。所以如果还想在这个领域混，我要做好啃硬骨头的打算。可啃的硬骨头主要包括以下几块：1）寻找那些被我们忽视掉的表型。有些果蝇的突变体看起来是正常的，但其实不然。譬如有的果蝇视力下降、睡眠不佳、容易郁闷、性功能不全、怕冷怕热、心率不齐，都是不容易被发现的，得发明一些特定的观测方法来做进一步的研究；2）寻找基因冗余（redundancy）的原因。有些生物功能是由两个或几个结构相似或功能相似的基因控制的，突变一个基因不会表现出明显的功能缺陷，得把相关的冗余基因也突变掉，才会有表型；3）结合现代化的分子生物学和系统生物学的方法，研究在遗传学方法操纵下的活体细胞基因的表达谱，寻找与细胞生理过程有关的基因网络调节。这个方向应该算起步好几年了，但效果不算好，在方法学和研究思路上还需要不断改进；4）研究病态下的细胞行为和调控。做果蝇的人，也希望能借用果蝇的遗传学方法来研究老年痴呆、癌症等重要疾病的发病机理和相关基因。

这么一看，四块骨头里的后三块都要处理大量的数据、进行比对分析、找出其中的相关性，所以这些遗传学问题自然也就和“复杂”扯上了关系。从简单到复杂，再从复杂到简单，是科学良性发展得圈圈。我在这里想聊一聊“复杂”的基因网络。

按我的理解，基因网络包括三层含义：基因调节蛋白、蛋白之间相互调节、蛋白再调节基因。基因的异常会导致蛋白的异常，蛋白异常的信号会反馈给其他基因，这些基因再转录出更多异常水平的蛋白质。基因和蛋白的反馈也是一直不会停止的。

微观生命世界虽然很复杂，让人眼花缭乱。但总结一下，分子-细胞-发育-遗传的研究搞来搞去也就只有以下几个问题：1）膜的形成和膜上的信号转导；2）DNA的复制和基因的转录调节；3）蛋白质的相互作用；4）活体状态下酶的活性及其催化的底物；5）可能还有其他的。这里面中心的问题，应该是蛋白质的相互作用。因为几乎所有的分子水平上的生物学过程都牵涉到了蛋白的碰撞、聚集和解离。

某个重要基因突变以后，会导致与之紧密相连的局部网络的破坏，周边的网络接收到这个信号后，也朝着无序混乱的方向发展，最终导致细胞的死亡和变异；反之，某个重要基因的过量表达，同样也会先影响与之相连的网络，然后迅速扩大负面影响，最终导致细胞走上不归路。

在还没有搞清楚基因和蛋白在分子水平上的作用机理之前（如果这个搞清楚了，微观生物学也就该结束了），基因网络的基础还是来源于实验数据。所以实验数据的可靠性是基因网络研究的基础。当前已经有了很多可以产生大数据量的实验方法。例如：基因测序、检测蛋白质相互作用的方法（Y2H,IP）、研究蛋白调节基因的方法（chip）、基因表达谱（microarray）等等。

基因测序方法已经是很成熟可靠的方法，而且测序的速度越来越快，这让我们知道了越来越多的序列。基因序列是基因网络研究的基础。如果基因网络异常是因为某个或某两三个基因的突变引起的话，通过测序，我们有可能把突变找出来。例如，对癌细胞的基因组测序，可以让我们知道哪些基因的突变会导致癌症。但基因序列所提供的信息对于构建基因网络，还是远远不够的。

蛋白质相互作用的结果，是基因网络研究的关键，因为这写信息能让我们知道基因节点之间的直接联系。目前的方法还不能令人满意，会得到很多假的结果，也会丢掉很多实际存在的信息。在用这些数据的时候，要特别小心。最好把数据的可靠性进行一下划分归类再用。

基因表达谱的研究可以让我们知道编码蛋白的mRNA的浓度变化。mRNA的浓度和蛋白浓度不是一一对应的关系，因为不同蛋白的半衰期是不一样的。基因表达谱的研究发展得很不错，也被大家看好。但它也受到了两个瓶颈的限制：1）以上所说的，mRNA的变化不等于蛋白的变化;2)不同生物样本的基因表达谱的变化常常会出乎意料地复杂，有很多基因都在变化，难以找出哪些变化是关键的。要部分地解决这两个问题，需要在样本处理上下功夫，我们要把样本之间的其他差异控制到最小，而把我们想看的那一部分变化凸显出来。遗传学方法能精确地控制某个基因在特定的时间、特定的细胞里过量表达或者突变。也许两个的结合可以产生一些对基因网络研究很有用的数据。

突然发现写了这么长时间，该结束了。小结一下：基因网络和其他复杂网络的研究都会面临同样的问题，那就是对某些条件和数据的准确性难以把握。对于我来说，我最感兴趣的是如何把噪音调到最小，让基于数据的网络更接近实际的情况。只有好的网络，才能预测出可以供实验学科进一步研究的方向。