食物裡還藏著13.5萬種「暗物質」分子，科學還不知道它們在做什麼
網絡科學家發現，食物中除了約150種已知營養成分外，還有13.5萬種從未被歸類的分子——它們不提供能量，卻像成千上萬種藥物一樣在細胞裡做微調控。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
萬物脫離連接就失去了意義
Barabási認為科學長期專注拆解局部，卻忘了整體——基因、神經元、人單獨存在時毫無意義，只有在相互連接中才產生功能：意識是神經元共同做的事，生命是基因和分子共同做的事，社會是人們共同做的事。網絡科學的出發點就是先畫出連接圖，再問為什麼會這樣，而不是只研究孤立的零件。
— Barabási網絡不是隨機長出來的，而是贏家通吃
傳統隨機圖理論假設節點之間的連接完全由骰子決定，預測每個節點的連接數應接近一條鐘形曲線。但萬維網的實際數據顯示，98%的網頁只有一到五個鏈接，而Google當時卻有8億個鏈接，差了好幾個數量級。Barabási和合作者發現原因是「優先連接」：新節點加入網絡時，總是更容易連到已經連接多的節點上，於是樞紐節點會隨著網絡增長自然湧現，網絡越大，最大樞紐和最小節點之間的差距就越懸殊。
— Barabási隨機網絡模型本是個純數學傳說
Strogatz解釋，Erdős和Rényi當年提出隨機網絡模型，關心的其實是一個純粹的數學問題——按鈕和細線的比喻：往桌上扔一堆按鈕，再隨機扔線把它們兩兩連起來，當線和按鈕的比例達到某個臨界值時，撿起一個按鈕會突然帶起一大團，這個現象是不連續的相變。他們追求的是這個優美的相變證明，而不是在模擬真實社會中朋友是怎麼交到的，這正是隨機模型和真實網絡之間的根本落差。
— Strogatz85%的藥物根本不碰致病基因
網絡醫學把基因組學給出的「零件清單」和蛋白之間的相互作用連接起來繪成地圖，發現一種疾病涉及的基因在網絡中並非隨機分布，而是聚集在一個特定的「疾病模塊」裡——就像把細胞比作紐約地圖，精神類疾病都聚在時代廣場附近，代謝病在華爾街附近。Barabási團隊統計發現，85%的藥物並不直接結合致病蛋白或致病基因本身，而是作用在下游，因為致病基因往往牽涉太多關鍵過程，動它風險太大，真正該找的是「藥物靶點」在疾病模塊中的下游位置。
— Barabási一個血液測試能省下9萬美元和半年等待
以類風溼關節炎為例，疾病模塊由100到200個蛋白構成，主流藥物Humira只能擾動模塊的一側，如果患者的病變發生在模塊另一側，這款藥對他就無效——這解釋了「大多數藥物只對20%到40%的患者有效」這個醫學界的公開秘密。Barabási參與創立的公司Cypher利用16個基因組成的生物標誌物，從一份血樣就能預測Humira是否對某個患者有效，而Humira治療費用高達9萬美元，且常規試藥要花六個月才能知道是否起效，這個測試能直接把猜測環節去掉。
— Barabási基因組只能解釋一到兩成的致病原因
在美國十大致病死因中，基因組只能解釋10%到20%的疾病成因，剩下的來自環境因素——運動、睡眠、壓力，而其中最大的一個是食物。順著這個思路，團隊開始把食物裡的所有分子繪製成圖，結果發現傳統營養學只認定約150種已知成分，但食物中實際還攜帶著13.5萬種從未被歸類的分子，這些分子不提供熱量、對代謝「隱形」，於是被稱為「營養的暗物質」——以多酚類為例，植物不會跑，只能靠合成大量化學物質自衛（洋蔥基因數量是人類的兩倍），這些多酚進入人體後不被當作營養，而是像成千上萬種藥物一樣結合蛋白質和DNA，微調細胞活動。
— Barabási下一片處女地：大腦和可以按需打印的新材料
Barabási認為網絡科學下一個重大突破口是大腦——神經元之間由突觸永久連接，這是一種「物理網絡」，不同於社交網絡中那種可有可無的虛擬握手，這種密集的物理連接方式本身就決定了大腦的結構和功能。另一個方向來自他早年研究材料科學的背景：現在3D打印已經能精確到分子尺度，於是問題變成——如果可以任意打印網絡結構，而不再侷限於規則晶格或完全隨機排列，我們該打印出什麼樣的網絡，才能造出前所未有的新材料。
— Barabási原話 · 已逐字校驗
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.
有個人走過來，把一個大箱子放在桌上說，我剛創辦了一家公司，你要不要拿件我的T恤。T恤上印著Google。那是Larry Page當研究生時派發的他的第一件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.
這就是我們所說的優先連接。我們能證明，正是增長加上優先連接，才導致了樞紐節點的出現。也就是說，如果一個網絡在增長，而且連接的選擇不是隨機的，樞紐就會自然而然地出現。
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.
但實際上，85%的藥物並不結合任何與疾病相關的東西，它們不結合我們所說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.
醫學界一個不光彩的秘密是，幾乎大多數藥物只對百分之二十、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.
這是一種九萬美元的治療。而且需要大約六個月甚至更長時間，才能知道這種藥對你是否有效。
Barabási35:30
Now our databases have about 135,000 molecules that are not nutritional components that are carried by our food.
現在我們的數據庫裡，有大約十三萬五千種並非營養成分、卻存在於我們食物中的分子。
Barabási39:33
we called it the dark matter of nutrition because it's not existing within the can of nutrition.
我們稱之為營養的暗物質，因為它們並不存在於營養學既有的罐子裡。
Barabási43:43
數字與實體
| 不結合致病基因的藥物比例 | 85% | 29:14 |
| 確認藥效所需時間 | 約6個月或更長 | 35:30 |
| 類風溼關節炎疾病模塊涉及蛋白數 | 100到200個 | 34:29 |
| 預測Humira療效所用生物標誌物基因數 | 16個 | 34:29 |
| 傳統營養學已知成分數量 | 約150種 | 39:33 |
| 基因組能解釋的疾病成因比例 | 10%到20% | 37:30 |
| 當時Google的鏈接數 | 8億 | 17:39 |
| 大多數網頁的鏈接數佔比 | 98%的網頁有1到5個鏈接 | 17:39 |
術語
- preferential attachment優先連接
- 新節點更傾向於連向網絡中已經連接數較多的節點
- scale-free network無標度網絡
- 節點連接數沒有典型規模，少數樞紐節點擁有極多連接
- disease module疾病模塊
- 某種疾病相關基因在生物網絡中聚集形成的局部子網絡
- foodome食物組
- 映射食物中所有分子（不只是已知營養成分）的研究項目
- dark matter of nutrition營養的暗物質
- 食物中數量龐大、不提供能量但可能調控健康的非營養分子
收聽指南
關心複雜系統、生物醫藥數據、精準醫療或食品健康交叉領域的研究者和產品人，想了解網絡科學能帶來哪些實際工具。
開篇關於六度分隔和Kevin Bacon遊戲的閒聊可以跳過，不影響後面的核心內容。