“疾病的本质是网络的扰动，干预的本质是网络的重塑。”
从"单靶点"到"网络"的范式革命
传统生物医学遵循"一个基因→一种疾病→一个药物"的线性思维。但人体不是线性系统—— 每一个蛋白质都不是孤立工作的，它们在庞大的互作网络中协同运作。 网络医学（Network Medicine）将疾病理解为蛋白质互作网络的扰动， 将干预理解为对网络的重塑。
一个靶点 → 一个药物
一个网络 → 多种干预策略
单基因致病论
网络扰动致病论
药物设计：抑制单一靶点
干预设计：重塑网络平衡
群体统计推断
个体网络特征计算
奠基文献：do Valle 2021
2021年，do Valle 等人在 Nature Food 发表奠基性论文， 首次证明网络邻近性（Network Proximity）可以预测 食物多酚对蛋白质靶点的干预效果，并通过体外实验验证了预测结果。
核心发现
多酚的蛋白质靶点在PPI网络中聚集分布，而非随机分散
网络邻近性可以预测多酚的生物学效应，并与实验结果高度一致
为"食物-网络-健康"的量化关系提供了首个系统性证据
对 Capome 的意义
网络医学为SEMO算法的"网络适配"逻辑提供了底层科学支撑。 SEMO不是简单匹配"营养素→靶基因"，而是在整个PPI网络中， 通过统计检验量化化合物靶点集合在网络中的分布显著性—— 这正是网络医学"网络邻近性"思想的工程化实现。
9,607
PPI子网络
25M+
化合物-网络组合
T-test
统计量化引擎
网络医学文献时间线
2004
Barabási提出“无尺度网络”理论，揭示蛋白质互作组的网络拓扑结构
2011
网络医学（Network Medicine）概念正式提出，构建疾病-基因-药物的统一网络框架
2017
食品多酚靶点映射研究启动，将食物成分纳入网络医学体系
2019
Barabási Nature Food 论文——营养暗物质概念，揭示139,000+化合物的隐藏作用
2021
do Valle Nature Food 奠基性论文——网络邻近性预测多酚效果并通过实验验证
2023
SEMO算法将网络医学理论工程化——从理论框架到可计算的个人健康方案引擎