STRING蛋白互作数据库如何帮你读懂细胞内的蛋白质网络？

图1 STRING蛋白互作数据库的概念网络全景

引言

细胞内的蛋白质几乎从不单独行动。它们通过物理结合或功能协作，形成复合物、信号通路与调控网络；只看单个蛋白，往往无法理解它究竟在做什么。研究者真正需要的，是一张"谁和谁发生关联"的全局图谱。STRING蛋白互作数据库（Search Tool for the Retrieval of Interacting Genes/Proteins）正是这样一张可搜索、可打分、可下载的全局网络。

换句话说，STRING把散落在实验与文献中的碎片化证据，变成了一张可以"直接提问"的知识图谱。无论你是刚开始接触组学的新手，还是需要为靶点筛选搭建证据链的资深研究者，都能从这里找到起点；它也因此常被当作"我的基因和谁有联系？"这类问题的默认答案。

什么是STRING蛋白互作数据库？

STRING蛋白互作数据库是一个免费开放的公共资源，把散布在实验、文献和计算预测里的蛋白互作信息，整合成一张覆盖众多物种、可搜索可打分可下载的全局网络。

· 它的定位：STRING由瑞士生物信息学研究所（SIB）、诺和诺德基金会蛋白质研究中心（CPR）与欧洲分子生物学实验室（EMBL）等联合维护，被全球生物数据联盟与ELIXIR指定为核心数据资源（Core Data Resource）。

· 它的规模：截至STRING 12.5，收录约5930万个蛋白质、覆盖12535个物种；2023年的12.0版即已上报约5900万蛋白质、超过1.2万个物种。从人类、小鼠、大肠杆菌到植物与病原体，绝大多数常见模式生物都在其中。

· 它整合什么：既收录物理互作（如两个蛋白直接结合），也收录功能关联（如同属一条通路、共调控、共表达），并在两者间保持区分。

· 它输出什么：可交互的网络视图、逐条互作的置信度分数、通路与功能富集分析、网络聚类，以及可复现的批量下载与程序化API。

STRING的原理与结构：从证据到置信度分数

STRING的核心不是去"测"互作，而是把多条近似独立的证据通道概率式地合并成一个0–1的置信度分数，回答"这条互作到底有多可信"。

· 七条证据通道：STRING将所有证据归入七类通道——①实验互作（整合BioGRID、HPRD、MINT等）；②人工审编数据库/通路（KEGG、Reactome、BioCyc、Gene Ontology等，该通道统一给予0.900高分）；③文献文本挖掘（统计显著的基因共现，也含OMIM）；④共表达数据；⑤基因组邻接；⑥基因融合；⑦系统发育共现。其中⑤⑥⑦属于基因组上下文预测。

· 分数是置信度，不是强度：STRING官方明确，分数不表示互作强度或特异性，而是"这条互作是否真实存在"的置信度指标，并经基准校准；0.5大致意味着约每两条互作里可能有一条是假阳性。

· 阈值怎么设：界面分数范围0.150–0.999（下载文件为150–999）。常用三档：中等≥0.4（更全但更噪）、高≥0.7（精度与覆盖平衡）、最高≥0.9（只留高置信）。

· 合并方式：各通道作为近似独立的信息来源被概率式合并（Naive Bayes式），而通道内部来源往往并不独立，因此合并打分时通道间权重更被看重。

· 网络怎么看：在网络视图里，每条连接线通常按置信度着色，鼠标悬停即可查看它来自哪些通道；你也可以关闭某一通道，观察网络是否被明显削弱。这种"可解释的透明度"，正是STRING被广泛用作默认起点的原因之一。

· 2025年新能力：STRING 12.5引入调控网络（regulatory network），用审编通路数据库加微调语言模型解析文献，标出互作的类型与方向性；可分别查看功能、物理、调控三类网络。同时富集分析更新了FDR校正与冗余过滤。 

 图2 七类证据通道经合并器输出0–1置信度分数

如何测定与选型：为你的问题选择合适的证据与阈值

STRING不替你测互作，而是把别人测过、算过的结果整理打分；因此选型的关键是选定正确的物种、证据通道与置信度阈值。

· 输入方式：可输入一个或多个基因/蛋白的标识符（如UniProt、Ensembl、NCBI编号），也可直接提交序列做同源映射。

· 选对物种：STRING覆盖12535个物种，每次分析都要定位到对应NCBI分类号；生物学结论只在同一物种内成立，跨物种推断需谨慎。

· 选对证据通道：不同问题看重不同通道。研究物理结合优先看experimental与database通道；研究功能/共调控可结合text-mining与co-expression；做跨物种泛化可参考基因组上下文类预测通道。

· 选对阈值：探索性分析用0.4更全面，验证性分析用0.7或0.9更严格；做差异表达等发现性筛选时，通常推荐先宽后严。

· 记录元数据：版本、物种、阈值、活跃通道、分析日期一并记录，保证结果可复现、可引用。

· 实用技巧：先做"窄而严"的高置信初筛，定位核心模块；再放宽到0.4找回较弱的间接关联，得到的基因集合往往更完整、更接近真实生物学。

· 知道边界：分数是置信度而非交互强度；文本挖掘通道天然含噪声；仅来自计算预测的通道通常不附带PMID；不同物种间的证据可比性有限。

条件与工艺：从序列到网络再到靶点的高效工作流

一个标准STRING工作流可概括为：定义目标蛋白→构建/检索网络→按置信度与通道筛选→聚类与富集→定位关键节点或候选靶点。

· 步骤1 定义目标：导入序列或ID，确认所在物种。

· 步骤2 构建网络：默认展示完整网络，可切换evidence、confidence或interactive等视图。

· 步骤3 筛选：设定置信度阈值与最大互作数，剔除低置信连接。

· 步骤4 提取与导出：下载PSI-MITAB或TSV文件，或直接导出网络图。

· 步骤5 富集与聚类：对网络做GO、KEGG、Reactome富集，识别功能模块与hub节点。

· 步骤6 验证：把候选带入湿实验或后续计算验证。

· 与组学衔接：把差异表达/差异磷酸化基因列表映射到网络，快速缩小候选范围，看模块与通路。

· 规模化：支持批量下载与REST API，适合大批量、流程化分析。

· 举个例子：你若关心某个与肿瘤相关的hub蛋白，可在STRING中拉出它的互作伙伴，做通路富集后常能看到细胞周期、DNA修复等模块，据此锁定更值得验证的候选基因。

· 应用场景：微生物与动植物系统生物学、宿主—病原互作、疫苗与药物靶点发现、多组学整合。

图3 从蛋白列表到候选靶点的STRING分析工作流

融入MatwingsVenus®（晓鹜®）的蛋白工程闭环

MatwingsVenus®（晓鹜®）的AI蛋白工程平台能把STRING这类公共互作证据接进"发现—设计—验证"闭环，让候选改造更有生物学依据。

· 先验网络：目标蛋白的互作伙伴、通路归属与功能模块，可作为设计约束与功能注释来源，减少"凭感觉挑位点"。

· 闭环衔接：把网络证据输入到序列设计、结构建模、亲和力成熟与多轮进化等环节，转化为可筛选的候选。

· 可解释设计：天鹜科技（Matwings Technology）主张数据驱动，用可解释的网络证据支撑商业化研发，降低黑箱风险。

· 边界声明：公共数据库证据用于指明方向，最终仍以实测数据为准，避免把预测当结论。

FAQ

Q1：STRING和PPI有什么区别？

PPI指蛋白质之间的相互作用本身，而STRING是收集、打分并整合这些相互作用的一个数据库与在线工具；前者是生物学概念，后者是承载该概念的数据与计算平台。

Q2：STRING的置信度分数越高越好吗？

不一定。分数越高代表互作越可能真实，但高阈值会漏掉真实却证据不足的互作；应根据是"发现"还是"验证"来选择阈值，而不是一味追高。

Q3：STRING能代替实验验证吗？

不能。STRING是整合与打分的公共资源，其分数是置信度而非实验事实；关键互作仍需湿实验或正交方法确认。

Q4：STRING免费吗？可以商用吗？

STRING免费开放网页访问、批量下载与API，可用于学术和商业研究；具体引用义务与使用条款请以官方网站为准。

总结

· STRING把分散的蛋白互作证据变成一张可解释的全局网络，核心是"七条通道+概率式合并+0–1置信度"。

· 选型关键是物种、证据通道、阈值三者的匹配。

· 12.5新增调控网络与方向性标注，让网络更贴近真实调控逻辑。

· MatwingsVenus®（晓鹜®）把公共网络证据接入"发现—设计—验证"闭环，让工程候选更有依据。

· 建议：先明确问题类型，再选通道与阈值，最后用实验验证关键结论。