云生信学生物信息学

陈洛南的网络生物学研究,如何从动态网络信号走向临床问题?

作者:发布于 2026-11-21约 7 分钟阅读
陈洛南及合作者的动态网络研究线索:定向网络流熵、肺癌多组学转移研究与时空组学分析框架,依据文献1至3绘制的阅读示意图

学者研究方向观察 · 第8篇|陈洛南(当前院系简介列于上海交通大学数学科学学院、人工智能学院)
文献核对截至:2026年11月21日

疾病进展往往不是所有分子同时、平稳地变化。一个值得追问的问题是:能不能从组学数据中观察分子之间的关系变化,在明显恶化之前识别系统接近转折的信号?陈洛南及合作者的公开研究,为这个问题提供了从网络方法到肿瘤应用的若干案例;它们仍属于计算方法和研究性验证,不能直接等同于已经可用于临床决策的检测工具。1–3

陈洛南及合作者的动态网络研究线索:从定向网络流熵、肺癌多组学转移研究到时空组学分析框架,依据文献1至3绘制的阅读示意图
图:依据文献1—3整理的阅读示意图;方法评估、患者样本研究与综述框架属于不同证据层级,非实验结果或诊疗流程。

线索一:网络里不仅要看“谁变了”,还要看“关系怎么变”

2025年7月29日,《PLOS Computational Biology》发表了DNFE方法研究,陈洛南署名列末位。论文由多位作者合作完成,提出定向网络流熵(DNFE),尝试把组学测量转换为带方向的网络,用于识别生物过程中可能出现的临界状态及动态网络标志物。1

常见的差异表达分析主要比较基因表达量;DNFE研究把注意力扩展到分子间网络结构及其方向信息。作者将该方法用于六个真实数据集,包括三个单细胞数据集、两个肿瘤组织数据集和一个血液数据集,并报告了临界状态识别、动态网络标志物筛选等结果;数值模拟也比较了不同噪声条件下的方法表现。1

这类方法的价值不在于“网络图更复杂”,而在于提出一个可检验的问题:当单个基因变化不明显时,基因之间的关联和方向信息是否已经出现系统性改变?作者进一步讨论“暗基因”——它们未达到传统差异表达阈值,却可能在网络指标上显示变化。1

线索二:把网络预警接到肺癌转移的具体问题

2024年发表于《Nature Communications》的研究,将动态网络标志物用于肺腺癌器官特异性转移问题。论文结合原发灶单细胞RNA测序与血清质谱数据,分析骨、脑、胸膜及肺内等转移相关状态,并探索哪些分子信号可能出现在可辨认的转移表型之前。2

研究报告在18位肺腺癌患者的原发灶中获取单细胞数据;另一队列对117位患者血清进行了液相色谱—质谱分析。作者通过两种数据来源交叉筛选候选信号,并对SAA1与肺癌骨转移的关系进行了临床样本及动物模型验证。2

这项工作把网络分析与单细胞、血清蛋白组和临床问题相连,示范了一个研究路径:在组织中寻找与转移过程相关的细胞状态,再考察是否能在外周血中找到更容易检测的候选蛋白。2

边界同样重要。论文纳入的是Ⅲ或Ⅳ期患者,作者指出仍缺少大规模前瞻性队列来验证血清蛋白的预测价值;对于早期肺癌、不同转移部位以及模型的泛化能力,还需要后续研究。因此,文中候选物不能写成已获验证的常规筛查指标,也不能据此推断患者的实际转移风险。2

线索三:从单一网络指标扩展到时空组学

陈洛南2026年在《Journal of Molecular Biology》发表的单作者综述,梳理了动力学系统生物学与时空组学的结合。综述讨论动态网络标志物、能量景观,以及从单细胞组学重建连续轨迹等方向,并提出这些方法有望为动态虚拟细胞等研究提供理论与计算基础。3

综述不是新的临床试验,也不证明某种模型已经具备诊断性能;它能提供的是问题框架:静态的单次测量如何补充时间变化,细胞状态转换如何与组织空间信息结合,以及计算推断需要哪些实验或临床数据来验证。3

从这几项公开成果可以谨慎归纳出一条研究主线:用网络方法刻画分子间关系及其变化,再将信号放到单细胞、血清组学和疾病进程的具体场景中检验。这个归纳只覆盖本文选取的公开论文,不代表课题组未公开计划或全部研究成果。1–3

读这类研究时,先把证据层级拆开

研究问题 论文提供的证据 读者还应核对
网络指标能否识别临界状态? DNFE在模拟及六个真实数据集中开展评估[1] 数据集、分组方式、外部验证是否独立于模型开发?
网络线索能否连接临床样本? 肺腺癌研究结合原发灶单细胞数据和血清蛋白组,并对SAA1进行验证[2] 患者分期、样本来源、验证队列大小和前瞻性设计是否充分?
时空数据如何纳入模型? 2026年综述总结动态网络、能量景观及单细胞轨迹方法[3] 综述提出的方法方向,哪些已有实验支持,哪些仍属研究设想?

如果要借鉴这条研究路径,建议先明确具体终点,例如细胞状态转变、病理进展还是转移发生;再检查数据是否有对应的时间、分期或随访信息。计算得到的候选网络、组织或血液中的分子检测结果、以及患者层面的临床预测,是不同证据环节,不能互相替代。1,2

需要云生信协助梳理单细胞、转录组或多组学分析路径时,可先提供论文DOI、数据编号和希望回答的研究问题,再据数据类型讨论分析范围。联系云生信,沟通组学分析需求

参考文献与核对说明

  1. Peng X, Qiao R, Li P, Chen L. DNFE: Directed network flow entropy for detecting tipping points during biological processes. PLOS Computational Biology. 2025;21(7):e1013336. DOI:10.1371/journal.pcbi.1013336。PubMed:40729372;开放全文。
  2. Zhang X, Xiao K, Wen Y, et al. Multi-omics with dynamic network biomarker algorithm prefigures organ-specific metastasis of lung adenocarcinoma. Nature Communications. 2024;15:9855. DOI:10.1038/s41467-024-53849-3。PubMed:39543109;开放全文。
  3. Chen L. Pioneer: Dynamical Systems Biology for Spatiotemporal Omics Data. Journal of Molecular Biology. 2026;438(19):169864. 2026年5月18日在线发表。DOI:10.1016/j.jmb.2026.169864。PubMed:42155623。

核对说明:研究事实依据PubMed记录和期刊开放全文;作者单位按各论文发表时所列信息。陈洛南当前院系简介显示其任职于上海交通大学数学科学学院、人工智能学院。本文所述方向是对三篇公开论文的编辑性归纳,不是成果全集或未公开研究计划。文献1与2核对开放全文;文献3依据PubMed摘要解读。配图为文献阅读示意图,不是实验结果或诊疗流程。本文由云生信独立整理,引用不表示相关学者或机构与云生信存在合作或背书。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗