信息速览
IntAct — 分子相互作用数据库 AI-Ready Wikipedia
INFOBOX
| 项目 | 内容 |
|---|---|
| 全名 | IntAct Molecular Interaction Database（IntAct 分子相互作用数据库） |
| 维护机构 | EMBL-EBI（欧洲分子生物学实验室欧洲生物信息学研究所；英国剑桥 Hinxton Wellcome Genome Campus） |
| 创立 | 2004 年（NAR 数据库专刊创刊论文；策划与 Swiss-Prot 团队合作） |
| 数据来源 | 文献策划（literature curation）+ 作者直接提交；不收预测互作 |
| 当前版本 | Release 252（2026-01；与 UniProt release 2025_04 同步） |
| 规模（R252） | 1,787,152 二元互作 / 917,295 互作记录 / 145,895 互作分子 / 23,889 篇策划文献 |
| 精细注释 | 90,968 突变特征 / 76,513 实验 / 250 检测方法 CV / 4,120 词表项 |
| 物种覆盖 | 3,725 物种；人类物理 PPI 428,940 条（2025-07 口径） |
| 联盟地位 | IMEx 国际分子交换联盟中央仓库（Active 成员 + 数据物理集中地） |
| 标准体系 | HUPO-PSI：PSI-MI XML 2.5/3.0、MITAB 2.7、MI-JSON、MIQL、PSICQUIC |
| 姊妹项目 | Complex Portal（大分子复合物百科；CPX 编号） |
| 许可 | 数据 CC BY 4.0；软件/转储 Apache 2.0 |
| 认证 | ELIXIR Core Data Resource + Global Core Biodata Resource |
| 官方入口 | https://www.ebi.ac.uk/intact |
| 本库条目 | order 482 · record_id 582 · 类别：基因组学与多组学 × 药物发现与化学 |
§0 E-E-A-T 信任声明与免责声明
- 经验：本条目基于 IntAct 官网（首页/About 页/下载页）、IMEx 联盟官网（成员名录与规则）、NAR 2004 创刊论文（PMID 14681455）、NAR 2013 MIntAct 论文（PMID 24234451）、NAR 2022 推荐引文（PMID 34761267）、Complex Portal NAR 2025 论文（PMID 39558156）与 Nature 系列综述（s41540-026-00698-z）核对；数字全部标注 release 版本。
- 专业性：数据模型（Experiment/Interaction/Interactor）与 n-ary 语义依据 2004 创刊论文原文；格式与查询规范依据 HUPO-PSI/PSICQUIC 官方文档；AI 用例（PLM-interact 突变效应微调）依据 Nature Communications 原文数据。
- 权威性：IntAct 为 EMBL-EBI 官方资源、ELIXIR 与全球核心生物数据资源双重认证；本条目为第三方百科解读，不替代官方文档与 PSI 标准原文。
- 可信度：文内数字进入文末「口径存照」；Release 252 与 2025-07 人类口径两套数字并行时已显式标注。
- 免责：互作数据为研究用途（官网免责声明：不担保正确性、可能受专利约束）；本条目不构成医疗建议。
- 时效：口径锁定 2026-09-19/20（Release 252 发布后）；IntAct 每月滚动发布，下一次发布以官网为准。
§1 数据集概览
§1.0 📌 30 秒速览
- 是什么：EMBL-EBI 的专家团队逐篇阅读文献，把实验证明的蛋白/核酸/小分子互作翻译成机器可读记录——带方法、物种、结合区域、突变效应的"证据网络"。
- 多大：Release 252（2026-01）178 万条二元互作、23,889 篇手工策划文献、3,725 个物种、9 万条突变特征。
- 为什么重要：它是 IMEx 国际联盟的中央仓库（DIP/MINT/MatrixDB 等的策划数据都汇到这里）；每条边都有具体文献背书——PPI 机器学习最常用的金标准底座之一。
- 怎么用：CC BY 4.0 全开放——FTP 拉全量 MITAB（807 MB）、REST/PSICQUIC 编程查询、Cytoscape 可视化。
- 一句话：STRING 告诉你"谁可能和谁有关系"，IntAct 告诉你"谁和谁已被证明有关系、用什么方法、在什么条件下"。
§1.1 摘要
IntAct（Molecular Interaction Database）由欧洲生物信息学研究所（EMBL-EBI）维护，是免费开源的分子相互作用数据库与分析工具集。它只从两条通道取数：文献策划——专业生物文献策划员（biocurator）逐篇阅读同行评议论文，把文中实验证明的每个相互作用按标准提取；作者直接提交——作者在论文发表前把未发表数据入库。它不收录预测互作：库里每一条边都对应一篇具体文献、一个具体实验方法与一段具体实验条件。
Release 252（2026 年 1 月发布、与 UniProt release 2025_04 同步）包含：1,787,152 条二元互作（由 917,295 条互作记录——含 n-ary 复合物记录——投影而来）、145,895 个互作分子（126,704 蛋白 + 12,320 核酸 + 小分子与词表项）、76,513 个实验、23,889 篇手工策划文献、90,968 条突变特征、250 种互作检测方法受控词表、4,120 个本体术语，覆盖 3,725 个物种。人类口径：428,940 条直接/物理关联 PPI（2025-07 统计）。
IntAct 是 IMEx（International Molecular Exchange Consortium，国际分子交换联盟）的中央仓库：DIP、MINT、MatrixDB、IID、InnateDB、UniProt group（Swiss-Prot/SIB）等 Active 成员按同一套深度策划规则（deep curation model——对一篇文章中全部实验证明互作做完整提取）策划数据，物理写入 IntAct，成员库再回迁各自站点展示子集。BioGRID 仅为其 Observer（观察员）。
数据的标准化程度极高：HUPO-PSI 分子互作（MI）标准贯穿始终——PSI-MI XML 2.5/3.0、MITAB 2.7、MI-JSON 四种导出格式，MIQL 查询语言，PSICQUIC 标准查询协议（50+ 服务统一语法），250 种检测方法与 4,120 个受控词表项消除自由文本歧义。许可为双轨制：数据 CC BY 4.0，软件与数据转储 Apache 2.0。IntAct 同时是 ELIXIR Core Data Resource 与 Global Core Biodata Resource（全球核心生物数据资源）——"不可替代"级基础设施的官方认证。
其团队同时运营姊妹项目 Complex Portal（手工策划的大分子复合物百科，CPX 编号，数据入 IntAct 数据模型）——从两两互作到组装体全谱覆盖。
§1.2 战略价值
- PPI 证据的金标准层：预测网络（STRING 类）与实验证据库（IntAct 类）是互作数据的两个层级——IntAct 是"每条边可溯源到文献与方法"的那一层，所有预测模型的评测都绕不开它。
- IMEx 联盟的治理样板：多数据库共享策划规则、分工不重复、数据物理集中——"文献级数据主权协作"在世界范围内做到这个深度的只有 IMEx；任何联盟式数据工程都值得研究这套治理。
- 突变-互作扰动的稀缺标注：90,968 条突变特征（含增强/削弱/无影响方向标注）把静态互作网络升级为"互作动力学"数据——疾病突变机制解释与 ML 突变效应建模的直接原料。
- 标准生态的发起方：PSI-MI 格式、PSICQUIC 协议、MIQL 查询语言——IntAct 团队是这套"互作数据操作系统"的制定者与执行者；格式复利让 50+ 数据库可以联邦查询。
- 深度策划的方法论证据：23,889 篇文献 × 平均 75 条互作 × 每条含区域/PTM/条件——"把文献读透"这项人类智力工作被制度化为可复用数据资产。
§1.3 同类数据集横向对比
| 维度 | IntAct | BioGRID | STRING | MINT | mentha |
|---|---|---|---|---|---|
| 机构 | EMBL-EBI | 独立（美/加） | 丹麦/欧洲 | 意大利 | 欧洲 |
| 数据性质 | 实验（文献+提交） | 实验（文献） | 实验+预测+文本挖掘 | 实验（汇入 IntAct） | IMEx 自动整合 |
| 人类口径 | 428,940 物理 PPI | 230 万非冗余（2025-07） | 143,591 物理对（该口径） | 同源 | 动态 |
| 综合评分 | 无（证据自判） | 无 | 有（综合置信） | 无 | 有（排名） |
| n-ary 保留 | 是（XML/JSON） | 二元为主 | 二元 | 是 | 二元 |
| 突变注释 | 90,968 条 | 有（遗传互作强） | 无 | 同源 | 弱 |
| IMEx 身份 | Active + 中央库 | Observer | 非成员 | Active | 基于 IMEx |
- IntAct vs BioGRID：记录量 BioGRID 更大（289 万条/87,122 篇），但 IntAct 的联盟中枢身份、n-ary 语义与精细注释（区域/PTM/突变方向）独有；BioGRID 的化学互作与 CRISPR 模块是差异化强项。
- IntAct vs STRING：STRING 覆盖 12,000+ 物种、融合预测通道并给综合分——适合"补全网络"；做评测必须剔除其非实验通道，而 IntAct 天然纯净。
- IntAct vs Complex Portal：互作边 vs 组装体——复合物（≥2 分子 + 体外可重建 + 已证明特定功能）在 CPX 编号体系，数据模型互通。
§1.4 版本时间轴
| 时间 | 里程碑 |
|---|---|
| 2003-08/09 | 创刊论文收稿（08-15）与修回（09-23） |
| 2004-01 | NAR 数据库专刊创刊论文刊出：~2,200 互作、三组件数据模型、GO 格式词表（PMID 14681455） |
| 2005-2010 | HUPO-PSI 标准成熟（PSI-MI 格式演进）；IMEx 联盟规则确立 |
| 2013 | MIntAct 项目：11 个互作数据库以 IntAct 为共同策划平台（PMID 24234451） |
| 2015-06 | Complex Portal 上线（re3data 记录 2015-06-20） |
| 2018-2021 | PSICQUIC 生态成熟（50+ 服务）；ELIXIR Core Data Resource 认证 |
| 2022 | Del Toro et al. NAR："fine-grained"定位（PMID 34761267）；Gogl 定量 fragmentomics 集成 |
| 2023-2024 | GPCR-RAMP 互作组（Sakmar lab，2024）集成；新 logo（Cristoffer Sevilla 设计）；Global Core Biodata Resource 认证 |
| 2025 | Complex Portal 2025 论文（hu.MAP3.0/MuSIC 预测复合物；PMID 39558156）；Sandra Orchard 退休（2025-11） |
| 2026-01 | Release 252：1,787,152 二元互作；UniProt 2025_04 同步；N 端蛋白形集成 |
§1.5 应用场景矩阵
| 场景 | 用什么 | 典型动作 |
|---|---|---|
| 网络构建 | FTP MITAB 全量 | 方法过滤 → networkx/igraph 建图 → 拓扑分析 |
| 靶点邻域分析 | Web/REST 单蛋白 | TP53 类靶点互作伙伴 → 通路归属 → 脱靶预警 |
| PPI 链接预测 | MITAB + 方法列 | 按方法分层训练集 + 按文献切分防泄漏 |
| 突变效应建模 | 特征列突变注释 | 6,979 条方向标注 → 微调 PLM |
| 复合物研究 | Complex Portal/CPX | 化学计量 + 拓扑 + 子复合物可视化 |
| 跨库联邦 | PSICQUIC | 一条 MIQL 同时查 IntAct/MINT/DIP |
| 文本挖掘 | FTP 句子级数据 | 关系抽取模型训练语料 |
| 功能推断 | 互作邻居 + GO | guilt by association 富集 |
§1.6 组件全景
- 互作主库：917,295 条互作记录（含 n-ary）→ 1,787,152 条二元投影；
- 互作分子注册：145,895 个分子实体（蛋白 126,704 / 核酸 12,320 / 小分子与词表项）；
- 实验层：76,513 个实验（方法、物种、条件、载体）——互作的"上下文容器"；
- 精细特征层：90,968 条突变特征 + 结合区域 + PTM 依赖；
- 词表层：250 检测方法 + 4,120 CV 项（GO 格式公开）；
- 姊妹库：Complex Portal（CPX 编号复合物 + hu.MAP3.0/MuSIC 预测复合物）；
- 服务层：REST API / PSICQUIC / MIQL / Cytoscape App / DocBot。
§1.7 为什么"deep curation"是它最贵的资产
绝大多数 PPI 数据库的最低目标是"知道 A 和 B 有互作"；IntAct 的策划深度是把一篇论文里的"上下文"也变成结构化字段：
浅层策划（多数聚合库）
A ──互作──▶ B （一列布尔事实）
IntAct deep curation
A ──方法:anti-tag coip──▶ B
│ 实验: 76,513 之一个
│ 文献: PMID:12345678 (Smith 2021)
│ 物种: Homo sapiens (9606)
│ A 区域: 12-45 SH2 domain
│ B 区域: 233-236 pY 模体
│ 条件: 需要 B 的 Y233 磷酸化
│ 突变: B/Y233F ──削弱──▶ 互作
└ 证据: 论文正文原句可溯源
这层"区域 + PTM 依赖 + 突变方向"的注释是 90,968 条突变特征的来源，也是机器学习文献里反复被引用的突变扰动对（如 MCM7-Y600E 增强互作、ISCU-N151A 削弱互作）的出处。
§1.8 三组件数据模型速记
- Experiment（实验）：一组互作 + 实验条件（通常对应一篇文献的一个实验体系）；
- Interaction（互作）：≥1 个 Interactor 的参与记录（不强制二元）；
- Interactor（互作分子）：蛋白/核酸/小分子/词表项 + 序列与特征。
一切导出格式（MITAB 的行、XML 的节点层级、JSON 的对象树）都是这三组件的投影——理解它们就理解了 IntAct 的全部结构。
§1.9 独特视角：一个"不造分"的数据库
IntAct 的第 15 列（置信分）常为空——它拒绝造综合置信分，把方法、文献、条件原样给你，由你按研究问题自行加权。这与 STRING（综合置信分）与 IID（I-score）的哲学相反。在"AI 要分数"的时代坚持"AI 要证据"，这个立场本身就是方法学声明：分数会掩盖方法异质性（Y2H 的假阳性谱与共晶完全不同），而分层证据让使用者自己决定信什么。
§2 医学与科学背景
§2.1 蛋白互作与疾病机制的关系
细胞功能由蛋白复合体与信号网络执行：信号转导、代谢调控、基因表达、免疫识别——几乎全部通过蛋白间瞬时或稳定的物理结合实现。疾病本质上是网络扰动：突变破坏界面（如 ZAP70 视图中粉色线 = 受定点突变影响的互作）、病原蛋白劫持宿主网络、药物分子结合靶点蛋白。理解"谁和谁互作、在哪里互作、什么条件下互作"因此是分子医学的基础设施问题。
§2.2 互作检测方法的证据层级
250 种检测方法覆盖不同证据强度与假阳性谱：
| 方法 | CV 编号 | 证据性质 | 注意 |
|---|---|---|---|
| 酵母双杂交（Y2H） | MI:0018 | 体内、高通量、间接 | 假阳性较高、核系统偏好 |
| 免疫共沉淀（anti tag coip） | MI:0006 | 体外/体内、中等通量 | 需注意抗体特异 |
| 亲和纯化-质谱（AP-MS） | MI:0004 类 | 体内复合物、高通量 | n-ary 证据主力、间接成员 |
| X 射线共晶 | MI:0114 | 结构级、直接 | 分辨率与截断蛋白注意 |
| FRET/BRET | MI:0380 类 | 活细胞、瞬时 | 距离敏感 |
方法分层是 IntAct 分析纪律的第一课：同一蛋白对在"共晶 + coip"下的证据强度与"仅 Y2H"完全不同——不做方法过滤的网络分析等于把所有证据等权混合。
§2.3 n-ary 语义与二元投影
TAP/AP-MS 实验给出的是"一个钓饵拉出一群伙伴"的组装体证据。IntAct 从 2004 年起就明确：多蛋白互作可表示为单个 n-ary 互作，不人为拆分（创刊论文原文存照 5）。衍生后果：
- Interactions（917,295）是记录真值；Binary Interactions（1,787,152）是投影值；
- 一个 n 元复合物投影贡献 C(n,2) 条二元对——网络拓扑（密度、度分布）随投影模型（spoke vs matrix）显著变化；
- MITAB 只承载二元投影；完整 n-ary（含化学计量）在 XML/JSON。
§2.4 IMEx 深度策划模型
IMEx 的"deep" curation 与普通文献索引的区别在于"完整性承诺"：一篇文章中全部实验证明的 PPI 都要被完整策划（不挑重点）——这消除了"策划员只录明星互作"的偏倚。规则包括：单一策划规则集（跨成员一致）、统一检索界面、标准下载格式、CC 署名许可。代价是单位文献的策划成本极高——这正是 23,889 篇文献（相对 BioGRID 的 87,122 篇）但深度注释领先的取舍。
§2.5 突变-互作扰动的医学语义
90,968 条突变特征把"位点级突变"与"互作级后果"连接：
- 增强（increased interaction，MI:1126 类）：突变使结合更强——如 MCM7-Y600E 增强某互作；
- 削弱（decreased interaction，MI:1125 类）：突变削弱结合——如 ISCU-N151A；
- 无影响（no effect）：阴性信息同样有价值——排除界面候选位点；
- 破坏（disrupted）：结合消失——疾病突变机制解释的直接证据。
疾病解读链条：患者错义突变 → 是否位于互作界面 → IntAct 突变特征佐证 → 通路扰动假设。这是从 VUS（意义未明变异）到机制假设的一环证据。
§2.6 复合物的功能单位语义
Complex Portal 对"复合物"的定义刻意严格：≥2 个蛋白和/或核酸的组装体、体外足够稳定可重建、已被证明具有特定分子功能——三个条件缺一不可。这把"凑在一起的蛋白群"与"功能机器"（剪接体、核孔复合物、蛋白酶体）区分开。复合物条目含化学计量（stoichiometry）、拓扑与结合区域，ECO 证据编码标注每条声明的证据类型。2025 年起，hu.MAP3.0 与 MuSIC 的高置信机器学习预测人类复合物入库但显式标注——预测与实验证据的边界仍然清晰。
§2.7 宿主-病原互作的特俗价值
3,725 个物种的覆盖使 IntAct 成为宿主-病原蛋白互作（HP-PPI）的天然载体：病毒蛋白与宿主因子的物理结合、细菌效应蛋白的靶点——这些跨物种边在感染生物学与抗病毒药物靶点筛选中直接可用。物种 CV（NCBI taxonomy）使"取全部人-病毒互作"成为一条 MIQL 查询。
§2.8 蛋白形（proteoform）层级的互作
2026-01 集成的 N 端蛋白形（Gevaert lab，VIB Ghent，与 UniProt 联合策划）把互作证据细化到蛋白形层级：同一基因的不同 N 端形态可以获得新互作或失去旧互作——互作网络在 isoform/proteoform 维度上是"多张网"而非"一张网"。加上既有的 isoform 投影（MITAB 列 1 的 P04637-1 形式），IntAct 是少数在亚基因层级表达互作的库。
§2.9 互作数据与多组学的接口
- 基因组：GWAS/罕见病变异 → 互作邻域定位候选基因；
- 转录组：共表达 + 物理互作双重过滤 → 更高置信的功能模块；
- 蛋白组：AP-MS 原始数据（Px 联盟标准）→ IntAct 策划层；
- 代谢组：蛋白-小分子互作（ChEBI）→ 代谢酶-底物/变构关系；
- 药物组：药物靶点互作邻域 → 脱靶与再利用。
§3 数据集规格
§3.1 规格总表
| 项目 | 规格 |
|---|---|
| 数据库名 | IntAct Molecular Interaction Database |
| 维护方 | EMBL-EBI（英国剑桥 Hinxton） |
| 创立 | 2004（NAR 创刊论文；2003 收稿） |
| 当前版本 | Release 252（2026-01；UniProt 2025_04 同步） |
| 发布节奏 | 每月一次 |
| 二元互作 | 1,787,152 |
| 互作记录（含 n-ary） | 917,295 |
| 互作分子 | 145,895（蛋白 126,704 / 核酸 12,320） |
| 突变特征 | 90,968 |
| 实验 | 76,513 |
| 策划文献 | 23,889 |
| 物种 | 3,725 |
| 检测方法 CV | 250 终端方法 |
| 词表总量 | 4,120 项（GO 格式公开） |
| 人类物理 PPI | 428,940（2025-07 口径） |
| 导出格式 | MITAB 2.7 / PSI-MI XML 2.5 / XML 3.0 / MI-JSON |
| 全量体积 | intact.zip 807.1 MB（MITAB） |
| 访问通道 | Web / FTP / REST API / PSICQUIC / Cytoscape App |
| 查询语言 | MIQL（PSICQUIC 规范） |
| 许可 | 数据 CC BY 4.0；软件/转储 Apache 2.0 |
| 认证 | ELIXIR Core Data Resource；Global Core Biodata Resource |
| 引文 | Del Toro 2022 NAR（PMID 34761267） |
§3.2 数据发布口径的地图
- 月度滚动：每月一个 release；统计数字随之漂移——引用必须带 release 号（如 R252）与日期。
- 双口径并行：Binary Interactions（178 万）与 Interactions（92 万）并存且含义不同——规模引用必须指明口径。
- UniProt 同步戳：每个 release 标注对齐的 UniProt 版本（R252 ↔ 2025_04）——蛋白 ID 语义随 UniProt 演进。
- 人类口径的历史性：428,940 是 2025-07 的综述引用口径，不是某个 release 的官方快照——精确到月的数字应查当月 release 统计页。
- IMEx 联合口径：IntAct 下载文件含 IMEx 成员（MINT/DIP/UniProtKB 策划团队）记录——“全库"与"仅 IntAct 团队策划”（source database 列 MI:0469）是两个口径。
§3.3 DAIMS 数据AI就绪度评估
| # | 维度 | 指标 | 评分（1-5） | 依据 |
|---|---|---|---|---|
| 1 | A 可获得 | 免费获取 | 5 | CC BY 4.0；无需注册 |
| 2 | A 可获得 | 获取流程 | 5 | FTP/API/PSICQUIC/Web 五通道 |
| 3 | A 可获得 | 分发格式 | 5 | MITAB/XML2.5/XML3.0/JSON 四格式 |
| 4 | A 可获得 | 历史版本回溯 | 4 | 月度 release 可溯；归档粒度一般 |
| 5 | D 文档 | 官方文档 | 5 | 用户指南/培训/DocBot |
| 6 | D 文档 | 方法透明度 | 5 | PSI 标准 + 策划规则全公开 |
| 7 | D 文档 | 引用规范 | 5 | 推荐引文（Del Toro 2022）+ 论文列表 |
| 8 | I 互操作 | 标识符 FAIR | 5 | EBI-xxx + UniProt AC 双 ID 体系 |
| 9 | I 互操作 | 本体对齐 | 5 | PSI-MI CV（GO 格式）+ NCBI taxon + ChEBI |
| 10 | I 互操作 | 跨资源整合 | 5 | PSICQUIC 50+ 服务；UniProt/Reactome 互链 |
| 11 | M 元数据 | 参数元数据 | 5 | 方法/物种/条件/角色/区域全 CV 化 |
| 12 | M 元数据 | 版本元数据 | 4 | release + UniProt 同步戳；人类快照粒度弱 |
| 13 | S 可持续 | 治理机制 | 5 | EMBL/ELIXIR 资助；IMEx 联盟治理；20+ 年连续 |
| 14 | S 可持续 | 资源持续供给 | 5 | Global Core Biodata Resource 认证 |
综合 63/70（4.5/5）——标准与互操作是教科书级：PSI-MI/PSICQUIC 就是"AI-Ready 数据格式"的行业原型；扣分仅在版本快照粒度与人类口径的历史性混用。
§3.4 存储与计算需求
- 全量 MITAB：807 MB zip（解压后数 GB）——pandas 单机可全装；42+ 列制表符。
- XML/JSON：完整 n-ary 结构更大（GB 级）——按需流式解析（SAX/ijson）而非全量 DOM。
- 网络内存：17.8 万互作分子、178 万边的无向图——networkx 单机轻松；全库含属性图建议 GraphML/Parquet。
- 增量策略：月度 release 差量小——固定版本号 + 逐月快照比"追 latest"更可复现。
- API 配额：批量大查询走 FTP；REST 适合单基因/小列表——避免逐行打公共 API。
§3.5 获取通道
- Web 门户：单蛋白/互作检索、MIQL 高级查询（Advanced Search）、Graph 网络视图、突变视图（ZAP70 例的"受突变影响的互作"高亮）。
- FTP：
ftp.ebi.ac.uk/pub/databases/intact/current/——intact.zip（全量 MITAB）、pmidMITAB27.zip（按文献打包）、psi25/psi30（XML）、句子级文本挖掘数据。 - REST API：
ebi.ac.uk/intact/ws/——JSON 响应，单基因/互作检索、interactor 详情、复杂查询。 - PSICQUIC：
ebi.ac.uk/Tools/webservices/psicquic/——注册表 50+ 服务；MIQL 语法统一；MITAB/XML 输出。 - Cytoscape App：IntAct App——分层视图（互作/区域/PTM/突变）、嵌套导航、多层过滤、子网络、命令行自动化。
- Complex Portal REST：
ebi.ac.uk/intact/complex-ws/——CPX 复合物查询与下载。
§3.6 口径对齐表
| 数字 | 口径 A | 口径 B | 使用建议 |
|---|---|---|---|
| 互作量 | 1,787,152（binary 投影） | 917,295（记录含 n-ary） | 规模引用分清两口径 |
| 人类互作 | 428,940（2025-07 综述口径） | 当月 release 统计页 | 历史口径 ≠ 当前快照 |
| 文献量 | 23,889（IntAct 全库） | 87,122（BioGRID 对照） | 深度 vs 广度两种策划 |
| 物种数 | 3,725（IntAct 收录） | 12,000+（STRING 含预测） | 实验证据 ≠ 预测覆盖 |
| 突变特征 | 90,968（全库） | 6,979（方向标注子集，PLM 用例） | 总量 ≠ 监督信号量 |
| 复合物 | CPX（手工策划） | hu.MAP3.0/MuSIC（预测，2025 起） | 实验与预测分开引用 |
§3.7 版本选择纪律
- 新分析：直接用当前 release（撰写时为 R252）——除非需衔接旧结果。
- 方法学写入：release 号 + 下载日期 + UniProt 同步版本三元组入论文方法节。
- 跨版本对比：月度滚动使"上月 vs 本月"差异含新增策划与 UniProt ID 演进——对比须先 diff ID 映射。
- 人类口径复现：428,940 这类历史数字要用当月统计重算——综述引用值不适合直接做当前基线。
- IMEx 口径声明：全库 or 仅 IntAct 团队策划（source 列过滤）——两者相差可观。
§3.8 数据文件与字段详表
| 数据面 | 粒度 | 关键字段 |
|---|---|---|
| MITAB 互作表 | 每二元对一行 | id_a/id_b（UniProt+isoform）、alt_id（EBI-xxx）、alias、method（MI:xxxx）、first_author、pmid、taxid_a/b、int_type（MI:0407 等）、source_db（MI:0469=intact）、int_id、特征列（mutation/binding site/stoichiometry） |
| Interactor 表 | 每分子一行 | EBI-xxx、UniProt AC、sequence、taxon、molecule type、别名、CV 项 |
| Experiment 层 | 每实验一组 | 方法、物种、载体/细胞系、宿主物种、检测条件 |
| 特征层 | 每特征一条 | feature type（binding site/mutation/modification）、原始/替换氨基酸、位点范围、效应（增强/削弱/无影响/破坏） |
| Complex Portal | 每 CPX 一条 | CPX 编号、名称、组分+化学计量、ECO 证据码、物种、定义、来源文献 |
| 句子数据 | 每证据句一条 | PMID + 句子 + 互作映射（文本挖掘语料） |
§4 数据结构
§4.1 对象模型
Experiment（实验：方法/物种/条件；通常对应一篇文献）
│ 1..n
▼
Interaction（互作记录；n-ary 允许）
│ 参与者 2..n
├──▶ Interactor A（蛋白/核酸/小分子；EBI-xxx）
├──▶ Interactor B（同上）
├──▶ 参数：stoichiometry / biological role（bait/prey）
└──▶ 特征：binding site / mutation（90,968）/ PTM 依赖
导出投影：
MITAB 行 = Interaction 的二元投影（n-ary 展开成对）
PSI-MI XML = 全结构（Experiment→InteractionSet→Interaction→Participant→Feature）
MI-JSON = 同 XML 语义的 JSON 树
关键语义：互作记录是"实验观察到的分子集合"——二元投影是分析便利，不是生物事实的全部。
§4.2 REST API 单蛋白查询
#!/usr/bin/env python3
"""IntAct REST API：取 TP53 (P04637) 的互作"""
import requests
BASE = "https://www.ebi.ac.uk/intact/ws"
# 1) 按 UniProt AC 找互作（JSON 分页）
r = requests.get(f"{BASE}/interaction/findInteractions",
params={"query": "uniprotkb:P04637",
"format": "json", "page": "0", "pageSize": "100"},
timeout=60)
r.raise_for_status()
data = r.json()
print("总命中:", data.get("totalCount"))
for rec in data.get("content", [])[:10]:
print(rec.get("ac"), "|", str(rec.get("summary"))[:80])
# 2) interactor 详情（EBI-xxxxxxx）
r2 = requests.get(f"{BASE}/interactor/EBI-366083", timeout=30)
print(r2.json().get("preferredName"), "|", r2.json().get("taxid"))
API 形态随版本演进：以
https://www.ebi.ac.uk/intact/ws/的 OpenAPI 描述为准；批量化请转 FTP。
§4.3 FTP 全量装载与网络构建
#!/usr/bin/env python3
"""下载全量 MITAB → pandas 解析 → 人类直接物理互作网络"""
import urllib.request, re
import pandas as pd
import networkx as nx
# 1) 下载（首次约 807 MB）
URL = "https://ftp.ebi.ac.uk/pub/databases/intact/current/psimitab/intact.zip"
urllib.request.urlretrieve(URL, "intact.zip")
# 2) 解压后读取（以实际解压出的 intact.txt 为准）
cols = ["id_a","id_b","alt_a","alt_b","alias_a","alias_b",
"method","first_author","pub_id","taxid_a","taxid_b",
"int_type","source_db","int_id","confidence"]
df = pd.read_csv("intact.txt", sep="\t", comment="#", header=None,
usecols=range(15), names=cols, dtype=str)
# 3) 拆解 PSI-MI 复合字段
df["method_mi"] = df["method"].str.extract(r'"(MI:\d+)"')
df["method_nm"] = df["method"].str.extract(r'\(([^)]+)\)')
df["pmid"] = df["pub_id"].str.extract(r'pmid:(\d+)')
df["int_type_mi"] = df["int_type"].str.extract(r'"(MI:\d+)"')
df["src_mi"] = df["source_db"].str.extract(r'"(MI:\d+)"')
df["uni_a"] = df["id_a"].str.extract(r'uniprotkb(?:/kb)?:([\w-]+)')
df["uni_b"] = df["id_b"].str.extract(r'uniprotkb(?:/kb)?:([\w-]+)')
# 4) 过滤口径示例：人类 + 物理互作（direct MI:0407 / association MI:0915）
m = (df["taxid_a"].str.contains(r'taxid:9606\b', na=False)
& df["taxid_b"].str.contains(r'taxid:9606\b', na=False)
& df["int_type_mi"].isin(["MI:0407", "MI:0915"])
& df["uni_a"].notna() & df["uni_b"].notna() & (df["uni_a"] != df["uni_b"]))
human = df[m].drop_duplicates(subset=["uni_a","uni_b","pmid","method_mi"])
print("人类物理互作（按文献-方法去重）:", len(human))
# 5) 建图 + 枢纽分析
G = nx.Graph()
G.add_edges_from(zip(human["uni_a"], human["uni_b"]))
print("节点:", G.number_of_nodes(), "边:", G.number_of_edges())
print("top hubs:", sorted(G.degree, key=lambda x: -x[1])[:8])
§4.4 方法分层与证据分级扫描
#!/usr/bin/env python3
"""按方法分层评估一个靶点列表的证据强度"""
TIERS = {"结构级": ["MI:0114"], # x-ray crystallography
"生化级": ["MI:0006", "MI:0018"], # coip / Y2H
"复合物级": ["MI:0004"]} # affinity chromatography tech 类
def evidence_tier(sub: pd.DataFrame) -> dict:
out = {}
for tier, mis in TIERS.items():
n = sub[sub["method_mi"].isin(mis)]["pmid"].nunique()
out[tier] = {"methods": int(n), "pmids": int(n)}
out["总文献"] = int(sub["pmid"].nunique())
return out
targets = ["P04637", "Q09472", "P43403"] # TP53 / EP300 / ZAP70
for t in targets:
sub = human[human["uni_a"].eq(t) | human["uni_b"].eq(t)]
print(t, evidence_tier(sub))
§4.5 突变特征提取
#!/usr/bin/env python3
"""从 MITAB 特征列提取突变-互作方向标注（增强/削弱/无影响/破坏）"""
import re
def mut_effects(feat: str):
out = []
for seg in str(feat).split("|"):
if "mutation" not in seg:
continue
mi = re.search(r'"(MI:\d+)"', seg) # 效应 CV
orig = re.search(r"original:([A-Za-z\-0-9]+)", seg)
repl = re.search(r"replacement:([A-Za-z\-0-9]+)", seg)
rng = re.search(r"range:([\d\-,]+)", seg)
out.append({"effect": mi.group(1) if mi else None,
"orig": orig.group(1) if orig else None,
"repl": repl.group(1) if repl else None,
"site": rng.group(1) if rng else None})
return out
# 效应 CV 速记：
# MI:1125 decreased / MI:1126 increased
# MI:2228 no effect / MI:2229 disrupted
# 产出：数千条 (突变, 方向, 位点, PMID) —— 突变效应模型的监督信号
§4.6 PSICQUIC 联邦查询
#!/usr/bin/env python3
"""PSICQUIC：一个语法查询 50+ 互作服务"""
import requests
REG = "https://www.ebi.ac.uk/Tools/webservices/psicquic/registry/psicquic/active/"
services = requests.get(REG, headers={"Accept": "application/json"}, timeout=30).json()
print("服务数:", len(services), "示例:", [s["name"] for s in services[:8]])
# 查 IntAct：P53 的人类互作，MITAB 输出
r = requests.get(
"https://www.ebi.ac.uk/Tools/webservices/psicquic/intact/webservices/current/search/interactor/P04637",
params={"format": "tab25", "query": "species:9606"}, timeout=60)
rows = [ln.split("\t") for ln in r.text.strip().split("\n") if ln]
print("返回行数:", len(rows), "首行 A 侧:", rows[0][0][:40])
§4.7 完整性清单
发布即检（建议写进流水线）：
- release 号与下载日期已固定（URL 带
current的快照要存档）； - 二元/记录双口径的统计对齐（读后行数 vs 官网统计）；
- method/int_type/taxid/source_db 四列 CV 拆解成功（
MI:\d+抽取命中率）； - 自互作（uni_a==uni_b）与 isoform 后缀的处理策略已声明；
- 按文献去重（pmid+方法）后保留的口径与论文一致；
- XML/JSON 路径（若需要 n-ary）的化学计量字段解析测试。
§4.8 数据血缘
期刊文献 / 预印本 / 作者直接提交
│
▼
IMEx 成员策划（IntAct/MINT/DIP/MatrixDB/IID/InnateDB/UniProt-SIB…统一规则）
│ 记录物理写入
▼
IntAct 主库（EBI）──每月 release──▶ FTP/XML/JSON/MITAB
│ │
├──▶ Complex Portal（CPX 复合物）│
├──▶ UniProt 条目互作区 │
├──▶ PSICQUIC 50+ 服务 │
└──▶ mentha 自动整合门户 ▼
终端分析（网络/AI）
反向血缘：每条互作记录可回溯到实验（方法/条件）→ 文献（PMID）→ 策划团队（source CV）→ 发布版本——四层溯源链完整。
§4.9 与 UniProt/Reactome 的整合消费
#!/usr/bin/env python3
"""把 IntAct 邻域接到 UniProt 功能注释（伪代码骨架）
1) 取靶点 IntAct 邻居（MITAB 过滤）
2) UniProt ID → GO/Reactome（UniProt REST）
3) 富集分析（gProfiler/clusterProfiler）
"""
NEIGHBORS = {"P04637": {"Q09472", "P43403", "Q13547"}} # 来自 §4.3 输出
for target, neigh in NEIGHBORS.items():
# UniProt REST: /uniprotkb/{ac}.json → goComponent/GO/Reactome 字段
for ac in neigh:
# r = requests.get(f"https://rest.uniprot.org/uniprotkb/{ac}.json")
# go_terms = [x["properties"]["value"] for x in r.json()["uniProtKBCrossReferences"] if x["database"]=="GO"]
pass
# → GO 富集 → 功能解读
§5 下游分析协议
§5.1 任务×资源速查表
| 任务 | 主资源 | 配套 | 输出 |
|---|---|---|---|
| 靶点互作档案 | IntAct Web/REST | UniProt | 方法分层互作清单 |
| 全基因组网络 | FTP MITAB | networkx/igraph | 加权图 + 拓扑指标 |
| PPI 链接预测 | MITAB + 方法列 | 负例策略（§6.4） | AUROC/AUPR |
| 突变效应预测 | 特征列方向标注 | PLM/序列模型 | 方向分类器 |
| 复合物证据 | Complex Portal | IntAct 互作边 | 组装体清单 |
| 跨库一致性 | PSICQUIC 多服务 | 去重键（pmid+对） | 一致性报告 |
| 文献关系抽取 | 句子级数据 | NLP 模型 | 抽取器 + F1 |
§5.2 单靶点深度解读协议
- 取边：
uniprotkb:<AC>全量互作（Web/REST）； - 分层：方法 CV 三档（结构/生化/复合物）+ 互作类型过滤（剔除 co-localization）；
- 上下文：物种、组织/细胞系、bait/prey 角色；
- 区域：结合区域注释 → 界面残基清单；
- 突变：特征列突变 → 哪些位点变动影响互作；
- 文献：PMID 清单 → 关键论文原文复核；
- 产出：靶点互作档案（一页纸：邻域 + 证据强度 + 区域 + 突变）。
§5.3 网络模块挖掘协议
- 建图（方法过滤后）→ 权重可选（按方法档位/文献数）；
- 聚类：MCL 或 ClusterONE → 候选复合物/模块；
- 对照：与 Complex Portal 已知复合物对齐（Jaccard）；
- 富集：模块 GO/Reactome → 功能命名；
- 稳健性：跨 release 重跑 → 模块稳定性报告。
§5.4 PPI 预测评测协议
- 真值：IntAct 人类物理互作（固定 release）；
- 切分：按 PMID 切（同一文献不跨训练/测试）；
- 负例：策略显式（随机/定位不交叠/表达不共现）+ 敏感性分析（≥2 种负例报告波动）；
- 基线：随机、度保持随机、STRING 实验通道子集；
- 指标：AUROC + AUPR（正负比例失衡时 AUPR 优先）；
- 去泄漏：序列相似度阈值（Bernett 类去冗余）双报告。
§5.5 成本模型
| 动作 | 成本 | 频率 |
|---|---|---|
| FTP 全量下载 | 807 MB / 半小时 | 每 release |
| 解析入库 | 单机分钟级 | 每 release |
| REST 单靶点 | 秒级 | 日常 |
| Cytoscape 会话 | 分钟级 | 交互 |
| 文献复核（PMID 原文） | 小时级 | 关键结论 |
§5.6 失败模式清单
- 把 co-localization 当结合：未过滤互作类型——图密度虚高；
- hub 爆炸：TP53 度数千拖垮可视化与采样——分层采样/剪枝；
- isoform 重复计数：
P04637-1与P04637同对重复——先定投影规则； - 负例泄漏：随机负样本撞上"真实未发表"互作——多策略敏感性；
- 文献泄漏：同 PMID 跨 train/test——按文献切；
- 版本漂移：上月数字本月对不上——release 固定；
- IMEx 口径混淆：MINT/DIP 记录被当成 IntAct 策划——source 列检查；
- API 滥用：逐行打 REST 拉全库——被限流/超时，改 FTP。
§6 实证结果与方法学分析
§6.1 二十二年增长的三段结构
- 2004-2012（奠基期）：~2,200 → 数万；三组件模型与 CV 体系定型；Swiss-Prot 合作策划；
- 2013-2019（联盟期）：MIntAct 平台化（11 库共用）；IMEx 规则成熟；数据量进入十万级；
- 2020-2026（精细期）："fine-grained"定位（Del Toro 2022）；突变特征 9 万级；定量互作（Kd/fragmentomics）与蛋白形层级出现；178 万 binary。
增长动力从"录更多文献"转向"录得更深"——单位文献的注释密度持续上升。
§6.2 深度策划的实证代价与收益
- 代价：23,889 篇 vs BioGRID 87,122 篇——单位文献策划成本高一个量级；
- 收益：每篇平均 75 条二元互作全提取（完整性承诺）；区域/PTM/突变层只有这里成体系；
- 推论：做"广度索引"用 BioGRID，做"证据深读"用 IntAct——两库是互补不是替代。
§6.3 突变标注的实证规模
- 全库突变特征 90,968 条（R252）；
- 其中有明确方向标注（增强/削弱）的约 6,979 条（PLM-interact 引用口径）；
- PLM-interact 用这 6,979 条做监督：零样本下所有方法接近随机；全层微调后 AUPR +150%、AUROC +36%；
- 方法论启示：小样本方向标注 + 预训练序列模型 = 突变效应任务的可行配方；阴性标注（无影响）同样重要——排除候选界面。
§6.4 负例构造策略的实证比较
| 策略 | 做法 | 主要偏倚 | 适用 |
|---|---|---|---|
| 随机配对 | 无记录对随机采 | 采到真实未发现互作 | 快速基线 |
| 亚细胞不交叠 | 定位注释不重叠对 | 结构先验过强 | 保守负例 |
| 表达不共现 | 组织表达不重叠 | RNA 质量依赖 | 中庸 |
| 文献阴性 | "不互作"报告 | 样本极少 | 补充 |
纪律：评测报告 ≥2 种负例策略的结果区间——单策略负例的 SOTA 数字不可信。
§6.5 八个真实坑点
- 坑点 1：双口径混写——178 万 binary ≠ 92 万 records；引用必须选边并注明。
- 坑点 2：co-localization 污染——未剔 MI:0403 的网络分析把"同区室"当"结合"；图密度虚高。
- 坑点 3：负例污染——随机负例混入真实未发表互作；负例策略 + 敏感性分析双报告。
- 坑点 4：文献泄漏——同 PMID 跨 train/test 虚高指标；按文献切分。
- 坑点 5：isoform 投影——
-1后缀与 canonical 聚合规则未声明；同对重复计数。 - 坑点 6：IMEx 来源混淆——MINT/DIP 遗留记录当 IntAct 策划；source 列（MI:0469）过滤。
- 坑点 7：版本漂移——月度滚动使数字对不上；release 号 + 日期 + UniProt 同步三元组入方法节。
- 坑点 8：API 拉全库——REST 逐行查询打爆公共接口；批量走 FTP。
§6.6 审稿人自查清单
- [ ] release 号 + 下载日期 + UniProt 同步版本三元组？
- [ ] binary vs records 口径声明？
- [ ] 方法过滤规则（保留了哪些 MI 编号）？
- [ ] 负例策略 + 敏感性分析？
- [ ] 按 PMID 切分的去泄漏声明？
- [ ] isoform 投影规则？
- [ ] IMEx 成员记录的来源处理？
- [ ] 与 STRING/BioGRID 对照时的口径差异说明？
§6.7 版本治理的方法学含义
月度滚动 + UniProt 同步是"活的数据库"：ID 映射演进（merge/demerge）、方法 CV 增补、策划回溯修正都会改变数字。可复现的最小实践是版本三元组入方法学 + 全量快照存档（下载即存，不追 current）；跨版本结果对比前先做 ID diff。
§6.8 与人类遗传学证据的整合张力
把 IntAct 突变特征用于疾病解读的边界：一条"Y233F 削弱互作"的证据支持"该位点在界面"，但不等于患者的 VUS 致病——还需要：位点保守性、人群频率、家族共分离、功能实验。互作证据是链条一环，单独不构成因果结论。审稿常见退稿理由恰是"用互作邻域富集直接宣布致病机制"。
§6.9 互作类型语义的解读纪律
MI:0407 direct interaction：分子直接接触（共晶/生化证据）；MI:0915 physical association：物理关联但接触面未定；MI:0403 co-localization：仅共定位——不是结合；MI:0914 association：功能关联，物理性未证。
分级使用：结构建模只取 0407；网络分析可放宽到 0915；0403 只做背景参考。一句纪律：互作类型列不读，等于没读 IntAct。
§7 AI 就绪指南与应用场景
§7.1 IntAct 在医疗 AI 中的四种喂法
- 图监督：PPI 链接预测/互作类型分类——节点特征（序列 embedding+GO）+ 边标签（方法分层）；
- 序列监督：突变方向标注微调 PLM（PLM-interact 范式）——6,979 条方向对；
- 知识检索：RAG 语料——"蛋白 X 的互作伙伴与证据"结构化查询；
- 负样本工程：定位/表达先验负例 + 阴性突变标注——评测集构造。
§7.2 网络挖掘管线实操配方
FTP 全量 → 口径过滤（物种/类型/方法） → 去重（pmid+方法+对）
→ 建图（networkx） → 模块聚类（MCL/ClusterONE）
→ Complex Portal 对照 → GO/Reactome 富集 → 模块命名报告
关键旋钮：方法白名单、去重粒度、聚类分辨率——报告所有旋钮设置。
§7.3 突变效应模型选型
| 模型 | 输入 | 何时用 |
|---|---|---|
| PLM 微调（全层） | 序列对 + 突变 | 有 6k+ 方向标注、算力充足 |
| PLM + 分类头 | 同上（冻结） | 算力受限（效果弱于全层） |
| 结构先验规则 | 共晶/AlphaFold 界面 | 无标注冷启动 |
| 集成 | 结构 + PLM | 稳健生产 |
实证锚点：PLM-interact 全层微调 AUPR +150%/AUROC +36%（相对零样本）——冻结嵌入不足以学到方向语义。
§7.4 公平性：基因宇宙的覆盖偏倚
IntAct 继承了文献宇宙的马太效应：TP53/EGFR 类蛋白的互作记录是冷门蛋白的百倍；冷门蛋白的"邻居少"不是生物学事实而是策划史。AI 后果：链接预测模型在热门子图上指标虚高、对冷门蛋白失效。对策：按文献年代/方法覆盖分桶评测；报告 per-bin 指标；谨慎外推到 under-studied 基因（IMPC 的教训同样适用于互作宇宙）。
§7.5 任务×资源速查表
| AI 任务 | IntAct 用法 | 关键字段 | 评测要点 |
|---|---|---|---|
| 链接预测 | 正例边 + 方法分层 | int_type/method | 按文献切 + 负例敏感性 |
| 突变效应 | 方向标注 6,979 | feature/effect/site | 类别不平衡处理 |
| 互作类型分类 | 类型 CV | int_type | 层级标签处理 |
| 复合物预测 | 边 + CPX 对照 | source/CPX | 与已知复合物 Jaccard |
| 文本抽取 | 句子级语料 | 句子+映射 | 实体规范化错误率 |
| 靶点推荐 | 邻域 + 突变热点 | 邻域+效应 | 前瞻验证设计 |
§7.6 端到端案例：疾病基因的互作机制假设
场景：外显子组发现患者错义突变（基因 G，位点 p.R300C）。
1) UniProt 定位 p.R300C → 命中 IntAct binding site 注释区域
2) 该区域互作对（A×B）的方法分层：共晶 1 篇 + coip 3 篇
3) 特征列：同位点系列突变（R300A/K）标注"削弱"（MI:1125）
4) 邻域富集：伙伴集中于 DNA 修复通路（GO:0006281）
5) 结论表述：该突变位于有实验证据的结合界面，系列突变显示
削弱效应，通路归属提示 DNA 修复机制假设 → 待功能实验验证
注意结论的强度控制：这是"机制假设的一环证据"，不是致病性判定。
§7.7 报告模板：方法学段落骨架
相互作用数据取自 IntAct Release 252（2026-01，与 UniProt 2025_04 同步）。
分析使用二元投影（1,787,152 条）；保留互作类型 MI:0407 与 MI:0915，
剔除 MI:0403（共定位）；物种限定 Homo sapiens（taxid 9606）；
同一蛋白对-文献-方法重复记录按 (UniProt A, UniProt B, PMID, MI method)
去重。isoform 投影保留 canonical 形态。数据于 <日期> 下载并存档
（URL/MD5 见补充材料）。预测评测按来源文献（PMID）切分训练与测试，
负例采用 <策略 A> 与 <策略 B> 双策略敏感性分析。
§7.8 成本与排期模板
| 阶段 | 工作 | 预算 |
|---|---|---|
| 周 1 | FTP 下载 + 解析入库 + 口径过滤 | 0.5 人日 |
| 周 1-2 | 网络构建 + 拓扑 + 分层统计 | 1 人日 |
| 周 2 | 模块聚类 + CPX 对照 + 富集 | 1-2 人日 |
| 周 3 | （预测任务）切分 + 负例 + 训练评测 | 3-5 人日 |
| 周 4 | 文献复核 + 方法学写作 | 1-2 人日 |
§7.9 消融案例：方法过滤对网络指标的影响
同一人类子集，三档过滤的典型差异（示意量级，具体以自算为准）：
- 全类型（含 co-localization）：边数最大、度分布最平（人人相连）；
- 剔除 0403：边数下降数成，模块化上升；
- 仅 0407+0915：边数最少、hub 度锐减、富集最锐利。
教训：网络指标（密度/聚类系数/中心性）是过滤口径的函数——不报口径的拓扑对比无效。
§8 伦理、许可与合规
§8.1 许可与义务结构
| 资产 | 许可 | 义务 |
|---|---|---|
| 互作数据（XML/JSON/MITAB/网页） | CC BY 4.0 | 署名（引用推荐文献） |
| 软件/网站/服务/Curator Tool | Apache 2.0 | 许可声明与 NOTICE |
| SQL 与图数据库转储 | Apache 2.0 | 同上 |
| 品牌与美术物料 | Apache 2.0 | 署名 |
| IMEx 联合数据（成员记录） | CC 署名许可 | 按成员引用规范 |
§8.2 引用与致谢模板
数据来源：IntAct Molecular Interaction Database, EMBL-EBI
（https://www.ebi.ac.uk/intact），Release 252（2026-01）。
引用：Del Toro N et al. The IntAct database: efficient access to
fine-grained molecular interaction data. Nucleic Acids Res.
2022;50(D1):D648-D653. PMID: 34761267.
（使用 Complex Portal 时另引：Balu S et al. NAR 2025, PMID 39558156）
§8.3 国内合规路径
- CC BY 4.0 属于"开放许可"范畴，商用/科研均可，署名义务需履行；
- 数据无人类受试者信息（分子层面数据）——不涉人类遗传资源管理材目录的出境审批；
- 数据下载后进入本地系统的边界：署名 + 版本声明 + 免责继承（官网 disclaimer：不担保正确性、可能受专利约束）；
- 产品集成（如临床决策支持）时建议：独立数据审计 + 免责声明 + 引用页。
§8.4 商业使用边界
- 允许：商业软件集成、数据库产品内嵌、衍生分析服务（CC BY 4.0 + Apache 2.0 均允许商用）；
- 注意：部分数据可能受第三方专利约束（官方免责声明明确提示）；商标与 logo 使用按品牌规范；
- 竞品场景（互作数据库产品）使用其数据：许可允许但商业伦理上建议差异化增值。
§8.5 合规台账最小模板
| 字段 | 示例 |
|---|---|
| 数据集 | IntAct Release 252（2026-01） |
| 下载 URL/日期 | ftp.ebi.ac.uk/.../intact.zip / 2026-09-20 |
| 许可 | 数据 CC BY 4.0；软件 Apache 2.0 |
| 署名方式 | Del Toro 2022 NAR 引用 |
| 使用场景 | 靶点互作检索模块 |
| 改动 | 过滤（物种/类型）+ ID 映射 |
| 再分发 | 附许可文本 + 版本戳 |
§8.6 IMEx 治理语义
IMEx 的治理是"规则统一 + 数据集中 + 品牌分散"：策划规则、质量门槛、许可条款统一；数据物理集中在 IntAct（单点权威）；各成员库保留自己的门户与用户群（回迁子集展示）。SAB（18 个月评审）提供科学监督。这套结构避免了联盟常见的"数据漂移"问题——任何成员的策划都直接进入中央库，不存在"双库不一致"的中间态。
§9 谱系与生态
§9.1 分子互作数据库时间线
| 年份 | 事件 |
|---|---|
| 1999-2003 | DIP/BIND/MINT 等第一代互作库上线 |
| 2004 | IntAct 创刊（NAR；~2,200 互作） |
| 2004-2010 | HUPO-PSI 标准化（PSI-MI 1.0→2.5）；IMEx 规则确立 |
| 2010-2015 | 第二代整合（iRefIndex 停更前整合期）；IMEx 平台化（MIntAct 2013） |
| 2015 | Complex Portal 上线 |
| 2015-2022 | STRING/IntAct 双雄格局；PSICQUIC 生态成熟 |
| 2022-2026 | fine-grained 深度注释时代：突变特征、定量互作、蛋白形层级、预测复合物（CP 内标注） |
§9.2 术语表
| 术语 | 含义 |
|---|---|
| MITAB | PSI 分子互作制表符格式（binary 投影；≥42 列） |
| PSI-MI | HUPO-PSI 分子互作标准（XML/表格双形态） |
| MI-JSON | JSON 形态的 PSI-MI 数据（浏览器友好） |
| MIQL | 分子互作查询语言（PSICQUIC 规范） |
| PSICQUIC | 互作数据标准 Web 服务协议（SOAP+REST） |
| n-ary | 多分子（≥3）互作记录（不拆分为对） |
| spoke model | n-ary 按"饵-猎物"星形投影成对的扩展方式 |
| deep curation | IMEx 深度策划：一篇文章全部互作完整提取 |
| IMEx | 国际分子交换联盟（策划共享联盟） |
| biocurator | 专业文献策划员 |
| bait/prey | 亲和纯化实验中的诱饵/猎物分子角色 |
| ECO | 证据与结论本体（Complex Portal 证据标注） |
| VUS | 意义未明变异（ACMG 分级） |
| CPX | Complex Portal 复合物编号 |
§9.3 资源选型决策树
需要互作数据？
├─ 每条边要文献/方法证据 ──▶ IntAct（或 BioGRID 广度版）
│ ├─ 需要 n-ary/化学计量 ──▶ PSI-MI XML/JSON（非 MITAB）
│ ├─ 需要突变方向 ──▶ 特征列 + MI:1125/1126/2228/2229
│ └─ 需要复合物 ──▶ Complex Portal（CPX）
├─ 要预测补全/大网络 ──▶ STRING（评测剔预测通道）
├─ 要跨库一站 ──▶ PSICQUIC registry
├─ 要 IMEx 动态整合 ──▶ mentha
└─ 要突变/化学/CRISPR 模块 ──▶ BioGRID
§9.4 与本库其他条目的关系
- UniProt 条目：IntAct 的 ID 主轴与同步基准；UniProt 条目页的互作区直接展示 IntAct 记录；
- STRING 类条目（如若有）：预测融合 vs 实验纯度的对照组；
- Open Targets：把 PPI 证据纳入靶点优先级时，IntAct 是"实验互作"通道的源头之一；
- 药物发现类条目（DrugBank 等）：靶点-药物网络与靶点-靶点互作网络的两层图。
§9.5 组合使用建议
- IntAct + Complex Portal：互作边 + 组装体单位——网络到机器的完整语义；
- IntAct + UniProt 变异：ClinVar/突变库位点 ↔ 界面注释——VUS 机制假设；
- IntAct + STRING：实验子图 + 预测扩展——候选边排序（实验边为种子）；
- IntAct + AlphaFold：界面区域注释 + 结构模型——界面可药性评估；
- IntAct + IMEx 兄弟库：子领域深读（MatrixDB 细胞外基质、InnateDB 免疫）。
§9.6 互作数据的生态角色
IntAct 是互作数据的"清算所"（clearinghouse）：上游（文献/提交/成员库）→ 中央策划 → 下游（门户/工具/模型）全链路。它不直接做终端产品（如药物发现 SaaS），但一切终端产品都可以经 PSICQUIC/FTP 消费它——"基础设施不做应用"的定位与 ELIXIR 的使命一致。
§9.7 互作资源家族的光谱定位
纯实验 ◀────────────────────────▶ 重预测
IntAct BioGRID MINT/DIP mentha IID STRING
深注释 ◀────────────────────────▶ 浅注释
（区域/PTM/突变只有最左端成体系）
§9.8 IntAct 生态的圈层地图
| 圈层 | 成员 | 关系 |
|---|---|---|
| 核心 | IntAct 主库 + Complex Portal | 同团队 |
| 联盟 | DIP/MINT/MatrixDB/IID/InnateDB/UniProt-SIB | IMEx Active |
| 观察层 | BioGRID/PrimesDB | IMEx Observer |
| 消费层 | UniProt/Reactome/InterMine 系/mentha | 数据消费与展示 |
| 工具层 | Cytoscape（App）/ComplexViewer/PSICQUIC 客户端 | 可视化与访问 |
| 标准层 | HUPO-PSI（PSI-MI/PSICQUIC）/ECO/ChEBI/NCBI taxon | 规范基座 |
§10 资源导航与 FAQ
§10.1 官方资源导航
| 资源 | URL |
|---|---|
| IntAct 首页 | https://www.ebi.ac.uk/intact |
| About/统计 | https://www.ebi.ac.uk/intact/about |
| 下载页 | https://www.ebi.ac.uk/intact/downloads |
| REST API | https://www.ebi.ac.uk/intact/ws/ |
| Complex Portal | https://www.ebi.ac.uk/complexportal |
| IMEx 联盟 | https://www.imexconsortium.org |
| PSICQUIC 注册表 | https://www.ebi.ac.uk/Tools/webservices/psicquic/ |
| Cytoscape App 文档 | https://ebi-intact.github.io/IntActApp/ |
| FTP 根 | https://ftp.ebi.ac.uk/pub/databases/intact/current/ |
| 支持 | https://www.ebi.ac.uk/support/intact |
§10.2 关键文献
| 论文 | 价值 | 标识 |
|---|---|---|
| Hermjakob 2004（创刊） | 数据模型与 CV 体系起源 | NAR 32:D452-5; PMID 14681455; doi:10.1093/nar/gkh052 |
| Orchard 2013（MIntAct） | 11 库共同策划平台 | PMID 24234451; doi:10.1093/nar/gkt1115 |
| Del Toro 2022（推荐引文） | fine-grained 定位与现状 | NAR 50:D648-653; PMID 34761267 |
| Balu 2025（Complex Portal） | 预测复合物与可视化 | PMID 39558156; doi:10.1093/nar/gkae1085 |
| PLM-interact（Nat Commun） | 突变效应微调用例 | IntAct 6,979 方向标注 |
| Nature 系统综述 2026 | 人类 428,940 口径 | s41540-026-00698-z |
§10.3 站内延伸阅读
- UniProt 蛋白质数据库 — ID 主轴与同步基准
- STRING 蛋白互作网络 — 预测融合路线对照（若已发布）
- BioGRID 蛋白与遗传互作 — 广度策划对照（若已发布）
- ChEBI 化学实体本体 — 小分子互作对象的 ID 体系
- DrugBank 药物数据库 — 药物-靶点网络的另一半
- AlphaFold 蛋白结构数据库 — 界面结构先验
§10.4 FAQ
Q1：IntAct 的数据从哪来？
只来自两条通道：专家对同行评议文献的逐篇策划，以及作者直接提交（论文发表前）。不收录预测互作。
Q2：IntAct 与 STRING 最大的区别？
IntAct 只有实验证据、保留方法与文献细节、无综合评分；STRING 融合预测与文本挖掘、给综合置信分。做"证据"研究用 IntAct，做"补全网络"用 STRING（评测时剔除预测通道）。
Q3：1,787,152 和 917,295 两个数什么关系？
后者是数据库互作记录数（含 n-ary 复合物记录），前者是把 n-ary 投影成二元对后的条数。一个 5 蛋白复合物记录投影贡献 C(5,2)=10 条二元对。
Q4：哪些数据库的策划数据会进 IntAct？
IMEx Active 成员：DIP、MINT、MatrixDB、IID、InnateDB、UniProt group（Swiss-Prot/SIB）、EMBL-EBI 自身。BioGRID 只是 Observer。全部 IMEx 数据物理集中于 IntAct。
Q5：IntAct 收录多少物种？
Release 252 覆盖 3,725 个物种（含人类、模式生物与宿主-病原对中的微生物）。
Q6：人类互作有多少？
2025-07 统计口径：428,940 条直接/物理关联的人类 PPI。全库二元互作 178 万（R252）。两套口径并存，引用时注明。
Q7：怎么引用 IntAct？
推荐引文：Del Toro N et al., “The IntAct database: efficient access to fine-grained molecular interaction data,” Nucleic Acids Res 50(D1):D648-653, 2022（PMID 34761267）。创始论文：Hermjakob H et al., NAR 2004;32:D452-5（PMID 14681455）。
Q8：许可证是什么？要注册吗？
数据 CC BY 4.0（含 XML/JSON/MITAB 与网页服务访问）；软件 Apache 2.0。FTP/API 免注册使用。
Q9：什么是 MITAB 2.7？
PSI 标准的制表符表格格式（binary 投影），≥42 列，含 ID/别名/方法/文献/物种/互作类型/来源库/特征等。全量 zip 约 807 MB，pandas/R 可直接装载。
Q10：MI-JSON 是什么？
为浏览器解析设计的 JSON 格式（PSI-MI XML 不适合浏览器直解），ComplexViewer 与多个前端基于它。
Q11：什么是 MIQL？
分子互作查询语言（Molecular Interactions Query Language），PSICQUIC 规范定义的标准查询语法，支持字段:值 + 布尔组合（如 species:9606 AND method:"MI:0018"）。
Q12：PSICQUIC 是什么？
HUPO-PSI 的标准 Web 服务规范（SOAP+REST），定义每个互作数据提供方必须实现的最小方法集；注册表里现有 50+ 服务（IntAct/MINT/DIP/InnateDB 等），统一 MIQL 语法。
Q13：为什么 IntAct 没有综合置信分？
设计哲学不同：不造黑盒分数，把方法、文献、条件全给你，由你按研究问题自行加权。需要分数可看 STRING 或 IID。
Q14：n-ary 互作如何导出？
MITAB 只保留二元投影；完整 n-ary 结构（含化学计量）需 PSI-MI XML 2.5/3.0 或 MI-JSON。
Q15：突变特征是什么？有多少？
90,968 条（Release 252）：突变对互作影响的机器可读记录，含方向（增强/削弱/无影响/破坏）与位点。其中有方向标注的约数千条（PLM-interact 工作用了 6,979 条增强/削弱注释）。
Q16：怎么找"某篇论文的所有互作"？
MIQL：pubid:<PMID>；或用按文献打包的 pmidMITAB27.zip。IMEx 规则要求一篇文章全部实验证明互作被完整策划，因此返回即"全量"。
Q17：怎么过滤"只看直接物理互作"？
用互作类型 CV：保留 MI:0407（direct interaction）/ MI:0915（physical association），剔除 MI:0403（co-localization）等弱证据。
Q18：IntAct 的 Complex Portal 是什么？
姊妹项目：手工策划的大分子复合物百科（CPX 编号），复合物定义 = ≥2 分子 + 体外可重建 + 已证明特定分子功能；含化学计量/拓扑/结合区域；2025 年起新增 hu.MAP3.0 与 MuSIC 的高置信预测人类复合物（显式标注预测）。
Q19：Complex Portal 的数据格式？
PSI-MI XML 2.5/3.0 + ComplexTAB（复合物专用 tab 格式）；REST API 在 intact/complex-ws 路径；可视化用 ComplexViewer（SVG 2D，可缩放到序列与子复合物）。
Q20：Cytoscape 怎么用 IntAct？
装 IntAct App：分层视图（互作/区域/PTM/突变）、预定义样式、多层过滤、子网络、session 保存；核心功能支持命令行自动化；PSICQUIC 桥接可跨服务扩展网络。
Q21：数据多久更新一次？
每月一个 release；Release 252（2026-01）与 UniProt 2025_04 同步。跨版本计数会漂移，引用需带版本号。
Q22：什么是 ELIXIR Core Data Resource？
欧洲生命科学基础设施（ELIXIR）认定的核心数据资源，标志其长期资助与保存地位；IntAct 同时是全球核心生物数据资源（Global Core Biodata Resource）。
Q23：IntAct 有 AI 聊天助手吗？
有：DocBot 站内问答（EMBL-EBI Terms of Use 约束，不收集个人数据）。
Q24：可以做 PPI 链接预测吗？
可以，但 IntAct 是正例库：负例需自行构造（随机对/亚细胞不交叠/表达不共现等），方法节必须报告策略与敏感性分析；切分按 PMID 防文献级泄漏。
Q25：突变效应预测的监督信号从哪来？
特征列的突变注释（增强/削弱/无影响），有方向标注的约 6,979 条（PLM-interact 用例）——小样本全层微调优于仅调分类头。
Q26：GNN 训练有什么特殊注意？
hub 偏置（TP53 度数千）：分层采样/去冗余；同一文献多方法重复记录需去重；isoform 投影先固定映射规则。
Q27：IntAct 与 UniProt 的关系？
双向联动：UniProt 条目展示 IntAct 互作；IntAct 用 UniProt 作蛋白 ID 主轴并与其 release 同步（2025_04）；两家还做了 isoform 与 N 端蛋白形的联合策划。
Q28：有哪些近期特色数据集？
GPCR-RAMP 互作组（215 GPCR/122 强互作/23 内源复合物，含 Kd）；定量 fragmentomics（Gogl 2022）；N 端蛋白形（Gevaert lab，VIB Ghent）。
Q29：数据里有负向互作（“确认不互作”）吗？
极少。个别文献报告阴性结果会被记录，但体量远小于正例；做负样本不能指望它。
Q30：下载文件为什么有 DIP/MINT 记录？
IMEx 成员策划写 IntAct + 历史遗留数据。看 MITAB 第 13 列（source database）分辨；psi-mi:"MI:0469"(intact) 才是 IntAct 团队策划。
Q31：如何做"方法分层"评测？
按检测方法 CV 分层：如"仅 Y2H（MI:0018）子集"评 Y2H 可预测性，"仅共晶（MI:0114）子集"评物理结合判定。方法异质性是 PPI 评测的主要混杂。
Q32：IntAct 记录蛋白-小分子互作吗？
是（Interactor 含 small molecule，ID 走 ChEBI）；同样蛋白-DNA/RNA（12,320 核酸）也收录。
Q33：句子级文本挖掘数据是什么？
FTP 上的辅助产物：把策划中的证据句子按文献整理，供 NLP 研究训练关系抽取模型——IntAct 对"从文本到结构"全链路开放的体现。
Q34：团队规模与历史人物？
创始论文 16 位作者横跨 9 个欧洲机构；Henning Hermjakob 与 Sandra Orchard 主持二十年；Orchard 2025-11 退休转 UniProt 代表；现任 IMEx 代表 Kalpana Panneerselvam。
Q35：Sandra Orchard 做了什么？
IntAct/Complex Portal 的奠基 Group Leader 之一，同时参与 UniProt/GO/InterPro 数十年；EMBL-EBI 2025-11 的致敬文称"从英格兰北部农场走向生物信息学前沿——AI 时代凸显数据策划的价值"。
Q36：一句话总结 IntAct 的 AI-Ready 价值？
把 20 年互作文献系统性翻译为带方法、文献、区域与突变方向的机器可读证据网络——是 PPI 建模里少见的"证据密度 × 标准化 × 许可自由"三高数据集。
Q37：spoke 和 matrix 扩展模型怎么选？
spoke 只保留"饵-猎物"边（保守、低噪声）；matrix 把 n-ary 全成对展开（敏感、高噪声）。IntAct 的 binary 列默认接近 spoke 式投影；matrix 展开自行做，且要声明。
Q38：能不能直接把 MITAB 灌进图数据库？
可以——列结构规整；建议先做 CV 拆解（method/int_type/taxid 抽 MI:xxxx）与去重键设计（A/B/PMID/方法），再入 Neo4j/Nebula；n-ary 需求则从 XML/JSON 灌。
§10.5 要点回顾
- 定位：实验证据互作的证据库——每条边有文献与方法，不收预测、不造综合分。
- 双口径：178 万 binary vs 92 万 records——引用分清，n-ary 语义是关键。
- IMEx 中枢：成员统一规则策划、数据物理集中——治理样板。
- 深度注释：区域/PTM/突变方向 9 万条——fine-grained 层独有。
- 标准生态：PSI-MI/MITAB/MIQL/PSICQUIC——格式即基础设施。
- 双许可：数据 CC BY 4.0、软件 Apache 2.0——商用无摩擦。
- 负例与泄漏：正例库 + 按文献切分——PPI 建模两大纪律。
- 方法分层：互作类型列不读等于没读——0403 不是结合。
- 版本三元组：release 号 + 日期 + UniProt 同步——可复现最小集。
- Complex Portal：复合物在 CPX——互作边与组装体双层语义。
口径存照（数字均注明口径与来源，写入正文前已核对）
- Release 252 统计（Binary 1,787,152 / Interactions 917,295 / Interactors 145,895 / Proteins 126,704 / Mutation Features 90,968 / Experiments 76,513 / Publications 23,889 / Nucleic Acids 12,320 / CV Terms 4,120 / Organisms 3,725 / Genes 1,299 / Methods 250；与 UniProt 2025_04 同步）= ebi.ac.uk/intact/about + 官网首页（“Release 252 - January 2026”）
- 人类 428,940 direct/physically associated PPIs（2025-07 统计口径）= Nature 系综述 s41540-026-00698-z（“as of July 14, 2025 … IntAct records 428,940 direct or physically associated human PPIs”）
- 创始：~2,200 binary and complex interactions / Swiss-Prot 合作 / 三组件模型 / n-ary 不拆分 / GO 格式 CV = Hermjakob 2004 NAR 32:D452-5（PMID 14681455, doi:10.1093/nar/gkh052；收稿 2003-08-15/修回 2003-09-23）
- MIntAct：11 库共同策划平台 = Orchard 2013（PMID 24234451, doi:10.1093/nar/gkt1115）
- 推荐引文：Del Toro 2022 NAR 50(D1):D648-653（PMID 34761267）= 官网 About “Please use this publication to cite IntAct”
- 许可双轨（数据 CC BY 4.0 / 软件+Curator Tool+SQL 与 Graph Database dumps Apache 2.0）+ 免责声明 = 官网 About License 节
- IMEx：单一策划规则/deep curation model/一篇文章全部 PPI 完整策划/CC 署名/数据集中于 IntAct/成员名录（Active: DIP,IntAct,MINT,MatrixDB,IID,InnateDB,UniProt group,Swiss-Prot group SIB,EMBL-EBI；Observer: BioGRID,PrimesDB）/mentha 门户/SAB 名单 = imexconsortium.org/about
- 下载：intact.zip 807.1 MB（MITAB 全量）/pmidMITAB27.zip/句子级文本挖掘数据/miTab2.7+miXML2.5+miXML3.0 = 官网下载页 + kghub.org 注册记录
- Complex Portal：定义（≥2 分子+体外可重建+特定分子功能）/ECO 证据码/ComplexTAB/ComplexViewer/hu.MAP3.0+MuSIC 预测复合物（2025）/REST complex-ws/创建 2015-06-20 = ebi.ac.uk/complexportal + Balu 2025（PMID 39558156, doi:10.1093/nar/gkae1085）+ re3data r3d100013295
- 认证：ELIXIR Core Data Resource + Global Core Biodata Resource = 官网首页底部声明
- 近期语料：GPCR-RAMP（215 GPCR/122 强互作/23 内源复合物，Sakmar lab 2024）/定量 fragmentomics（Gogl, Nat Commun 2022）/N 端蛋白形（Gevaert lab, VIB Ghent；与 UniProt 联合策划）= 官网 Featured Dataset + @intact_project 社媒公告（2025-2026）
- 人物：Sandra Orchard 退休（2025-11，EMBL-EBI 致敬文；转 UniProt 代表）/Kalpana Panneerselvam（IntAct IMEx 代表）/logo 设计 Cristoffer Sevilla = EMBL-EBI News（2025-11-25）+ 官网 About
- PLM-interact：IntAct 增强/削弱互作注释 6,979 条；全层微调 AUPR+150%/AUROC+36%；MCM7-Y600E（增强）/ISCU-N151A（削弱）案例 = Nature Communications PLM-interact 论文（经中文述评交叉核对）
- BioGRID 对照：230 万非冗余人类互作（2025-07-14）/全库 2,890,191 记录/87,122 篇 = Nature 系综述 + 摩熵化学工具百科
- DocBot/AI 问答（EBI Terms of Use；不收集个人数据）/隐私（仅作者姓名+通讯邮箱溯源）= 官网 DocBot banner + Privacy Notices
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- msigdb — 共享标签：基因组学与多组学 / 药物发现与化学
- lipid-maps — 共享标签：基因组学与多组学 / 药物发现与化学
- alphafold — 共享标签：基因组学与多组学 / 药物发现与化学
- disgenet — 共享标签：基因组学与多组学 / 药物发现与化学
- open-targets — 共享标签：基因组学与多组学 / 药物发现与化学
- alphafold — 共享标签：基因组学与多组学 / 药物发现与化学
- pdb — 共享标签：基因组学与多组学 / 药物发现与化学
- hmdb — 共享标签：基因组学与多组学 / 药物发现与化学
- binding-moad — 共享标签：基因组学与多组学 / 药物发现与化学
- lincs-l1000 — 共享标签：基因组学与多组学 / 药物发现与化学
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
