结构生物化学/系统生物学
系统生物学，网络生物学或整合生物学，是一种应用于生物医学和生物科学研究的新兴方法。系统生物学是一个基于生物学的跨学科研究领域，它侧重于生物系统中的复杂相互作用，使用更广阔的视角（整体主义而不是传统的还原主义）方法来进行生物学和生物医学研究。从它的角度来看，基因（或任何感兴趣的分子）及其产物（或更小的分子，如辅因子、信使分子和代谢物）被视为“节点”。节点之间的联系代表了一种关系，可以是物理相互作用、酶促反应或功能连接。该系统假设内部和外部扰动都会影响表型。质谱（MS）用于识别网络连线，例如蛋白质相互作用网络。特别是从2000年开始，该概念已广泛应用于生物科学的各种环境中。系统生物学的一个远大目标是模拟和发现涌现特性，即细胞、组织和生物体作为系统运作的特性，其理论描述只有使用属于系统生物学范围内的技术才有可能。这些通常涉及代谢网络或细胞信号网络。系统生物学有一些重要的推论：1）需要将生物过程作为一个整体来考察；2）为先进的计算和实验方法提供新的机遇，并依赖于这些技术。
在过去，研究通常在“一个基因-一个蛋白质-一个功能”的标准内进行，被称为“分子生物学范式”。这是一种思维方式，认为 1) 基因和蛋白质功能之间存在直接联系，这意味着基因及其翻译产物解释了生物功能，以及 2) 蛋白质被单独地以及线性地观察（下游和上游）。尽管已经开发出强大的技术并取得了显著的技术进步，但基因型-表型联系仍然是一个挑战。
'质谱法（MS') 用于此蛋白质组学研究。为了满足每种生物学需求，已经提出了各种策略，其中每种策略只是“总蛋白质组空间”的一部分。这些策略是
- • 鸟枪法/发现：可以识别样本中的大量蛋白质，但最有可能只检测到最丰富的蛋白质
- • 定向：识别特定的预定蛋白质集，并在高水平的可重复性下进行定量
- • 靶向：高可重复性，并且对于一小部分预选蛋白质具有高度准确性，具有高检测灵敏度和动态范围
- • 数据依赖性分析 (DDA)：正在兴起，但试图识别样本中的所有蛋白质
需要定量和识别分子的技术来定量和识别网络的边缘，这已通过两种方式解决：一种直接方法，即通过其更高的亲和力捕捉节点的相互作用分子来测量边缘，以及一种间接方法，该方法使用节点与分子和节点之间的测定。
在基于 MS 的蛋白质组学中，区分了两种类型的网络：蛋白质相互作用网络 (PIN) 是无向网络，因此没有方向偏好，而蛋白质信号网络 (PSN) 是有向网络，具有首选方向。PIN 可以通过基于 MS 的蛋白质组学的主要兴趣 蛋白质-蛋白质相互作用网络 (PPIN) 来举例说明，因为这些网络中节点和边缘之间的直接联系是可测量的。为了研究此类网络，蛋白质被用作“诱饵分子”来捕捉相互作用的蛋白质，然后通过 MS 识别它们。为了分析 PPIN，亲和纯化质谱 (AP MS) 是首选，因为它反映了 PPIN 的多方向性复杂性。然后，对 AP MS 数据进行解释，其中两个或多个共纯化的节点连接到边缘，形成网络，并且可以推断出蛋白质信号网络 (PSN)。
进行扰动实验以观察改变酶活性（例如在细胞中的激活或抑制）的影响，这可以用于与体外实验进行比较，从而可以提供网络重新连接的新见解。扰动有两种类型：主要影响边缘的扰动，以及影响节点的扰动，从而影响其边缘。磷酸化网络已被深入研究，其中使用激酶抑制剂下调磷酸肽会导致一个问题，即它是否依赖于激酶，但可能不依赖于激酶。目标是了解网络如何捕获和利用这些信息来产生表型或激发细胞反应。通过将静态 PPIN（用于识别具有设定网络属性的基因并可以与表型相关联）与使用微阵列测量的蛋白质-DNA 相互作用数据相结合，可以将网络连线与表型联系起来。然后，完成搜索以识别具有不寻常数量边缘的基因，这表明样本的表型子集中相关性可能发生变化。然后，对 How 数据和网络知识的结论的可靠性取决于多个因素：网络的覆盖范围和正确性、数据的质量以及相关性计算方法。此外，结果不会自动导致因果关系。
一般路线图
- 1) 从以前的研究中定义节点的起始网络
- 2) 破坏网络组件并呈现实验数据
- 3) 使用信息来改进网络模型，并从网络改进实验数据和表型
Bu Z, Callaway DJ (2011)。“蛋白质移动！蛋白质动力学和细胞信号传导中的远程变构”。蛋白质化学与结构生物学进展。蛋白质化学与结构生物学进展 83：163–221
Bensimon A, Heck AJ, Aebersold R. 基于质谱的蛋白质组学和网络生物学。Annu Rev Biochem. 2012;81:379-405。审查。PubMed PMID：22439968。