食物里还藏着13.5万种「暗物质」分子，科学还不知道它们在做什么
网络科学家发现，食物中除了约150种已知营养成分外，还有13.5万种从未被归类的分子——它们不提供能量，却像成千上万种药物一样在细胞里做微调控。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
万物脱离连接就失去了意义
Barabási认为科学长期专注拆解局部，却忘了整体——基因、神经元、人单独存在时毫无意义，只有在相互连接中才产生功能：意识是神经元共同做的事，生命是基因和分子共同做的事，社会是人们共同做的事。网络科学的出发点就是先画出连接图，再问为什么会这样，而不是只研究孤立的零件。
— Barabási网络不是随机长出来的，而是赢家通吃
传统随机图理论假设节点之间的连接完全由骰子决定，预测每个节点的连接数应接近一条钟形曲线。但万维网的实际数据显示，98%的网页只有一到五个链接，而Google当时却有8亿个链接，差了好几个数量级。Barabási和合作者发现原因是「优先连接」：新节点加入网络时，总是更容易连到已经连接多的节点上，于是枢纽节点会随着网络增长自然涌现，网络越大，最大枢纽和最小节点之间的差距就越悬殊。
— Barabási随机网络模型本是个纯数学传说
Strogatz解释，Erdős和Rényi当年提出随机网络模型，关心的其实是一个纯粹的数学问题——按钮和细线的比喻：往桌上扔一堆按钮，再随机扔线把它们两两连起来，当线和按钮的比例达到某个临界值时，捡起一个按钮会突然带起一大团，这个现象是不连续的相变。他们追求的是这个优美的相变证明，而不是在模拟真实社会中朋友是怎么交到的，这正是随机模型和真实网络之间的根本落差。
— Strogatz85%的药物根本不碰致病基因
网络医学把基因组学给出的「零件清单」和蛋白之间的相互作用连接起来绘成地图，发现一种疾病涉及的基因在网络中并非随机分布，而是聚集在一个特定的「疾病模块」里——就像把细胞比作纽约地图，精神类疾病都聚在时代广场附近，代谢病在华尔街附近。Barabási团队统计发现，85%的药物并不直接结合致病蛋白或致病基因本身，而是作用在下游，因为致病基因往往牵涉太多关键过程，动它风险太大，真正该找的是「药物靶点」在疾病模块中的下游位置。
— Barabási一个血液测试能省下9万美元和半年等待
以类风湿关节炎为例，疾病模块由100到200个蛋白构成，主流药物Humira只能扰动模块的一侧，如果患者的病变发生在模块另一侧，这款药对他就无效——这解释了「大多数药物只对20%到40%的患者有效」这个医学界的公开秘密。Barabási参与创立的公司Cypher利用16个基因组成的生物标志物，从一份血样就能预测Humira是否对某个患者有效，而Humira治疗费用高达9万美元，且常规试药要花六个月才能知道是否起效，这个测试能直接把猜测环节去掉。
— Barabási基因组只能解释一到两成的致病原因
在美国十大致病死因中，基因组只能解释10%到20%的疾病成因，剩下的来自环境因素——运动、睡眠、压力，而其中最大的一个是食物。顺着这个思路，团队开始把食物里的所有分子绘制成图，结果发现传统营养学只认定约150种已知成分，但食物中实际还携带着13.5万种从未被归类的分子，这些分子不提供热量、对代谢「隐形」，于是被称为「营养的暗物质」——以多酚类为例，植物不会跑，只能靠合成大量化学物质自卫（洋葱基因数量是人类的两倍），这些多酚进入人体后不被当作营养，而是像成千上万种药物一样结合蛋白质和DNA，微调细胞活动。
— Barabási下一片处女地：大脑和可以按需打印的新材料
Barabási认为网络科学下一个重大突破口是大脑——神经元之间由突触永久连接，这是一种「物理网络」，不同于社交网络中那种可有可无的虚拟握手，这种密集的物理连接方式本身就决定了大脑的结构和功能。另一个方向来自他早年研究材料科学的背景：现在3D打印已经能精确到分子尺度，于是问题变成——如果可以任意打印网络结构，而不再局限于规则晶格或完全随机排列，我们该打印出什么样的网络，才能造出前所未有的新材料。
— Barabási原话 · 已逐字校验
And there was a guy came along and he put a big box on the table and said, you know, I just funded a company and why didn't you just take my t-shirt? And the t-shirt said, Google on it. It was Larry Page handing out as a graduate student, his first t-shirt.
有个人走过来，把一个大箱子放在桌上说，我刚创办了一家公司，你要不要拿件我的T恤。T恤上印着Google。那是Larry Page当研究生时派发的他的第一件T恤。
Barabási12:25
This is what we call preferential attachment. And this growth and preferential attachment, we were able to show is responsible for the emergence of the hubs. That is, if a network is growing and the choices are not random, hubs will naturally emerge.
这就是我们所说的优先连接。我们能证明，正是增长加上优先连接，才导致了枢纽节点的出现。也就是说，如果一个网络在增长，而且连接的选择不是随机的，枢纽就会自然而然地出现。
Barabási16:38
But in reality, 85% of the drugs do not bind to anything related to the disease. They don't bind to what we call disease proteins or disease genes.
但实际上，85%的药物并不结合任何与疾病相关的东西，它们不结合我们所说的致病蛋白或致病基因。
Barabási29:14
The dirty secret of medicine is that virtually most drugs are only effective to 20, 30, 40% of the patients.
医学界一个不光彩的秘密是，几乎大多数药物只对百分之二十、三十、四十的患者有效。
Barabási33:25
this is a $90,000 treatment. And it takes about six months or longer to know whether the drug has an effect for you, whether it works for you or not.
这是一种九万美元的治疗。而且需要大约六个月甚至更长时间，才能知道这种药对你是否有效。
Barabási35:30
Now our databases have about 135,000 molecules that are not nutritional components that are carried by our food.
现在我们的数据库里，有大约十三万五千种并非营养成分、却存在于我们食物中的分子。
Barabási39:33
we called it the dark matter of nutrition because it's not existing within the can of nutrition.
我们称之为营养的暗物质，因为它们并不存在于营养学既有的罐子里。
Barabási43:43
数字与实体
| 不结合致病基因的药物比例 | 85% | 29:14 |
| 确认药效所需时间 | 约6个月或更长 | 35:30 |
| 类风湿关节炎疾病模块涉及蛋白数 | 100到200个 | 34:29 |
| 预测Humira疗效所用生物标志物基因数 | 16个 | 34:29 |
| 传统营养学已知成分数量 | 约150种 | 39:33 |
| 基因组能解释的疾病成因比例 | 10%到20% | 37:30 |
| 当时Google的链接数 | 8亿 | 17:39 |
| 大多数网页的链接数占比 | 98%的网页有1到5个链接 | 17:39 |
术语
- preferential attachment优先连接
- 新节点更倾向于连向网络中已经连接数较多的节点
- scale-free network无标度网络
- 节点连接数没有典型规模，少数枢纽节点拥有极多连接
- disease module疾病模块
- 某种疾病相关基因在生物网络中聚集形成的局部子网络
- foodome食物组
- 映射食物中所有分子（不只是已知营养成分）的研究项目
- dark matter of nutrition营养的暗物质
- 食物中数量庞大、不提供能量但可能调控健康的非营养分子
收听指南
关心复杂系统、生物医药数据、精准医疗或食品健康交叉领域的研究者和产品人，想了解网络科学能带来哪些实际工具。
开篇关于六度分隔和Kevin Bacon游戏的闲聊可以跳过，不影响后面的核心内容。