tooluniverse-gene-regulatory-networks

遺伝子制御ネットワーク解析

GRN の推論は、「どの TF がどの遺伝子を制御しているか」という問いから始まります。 直接的な証拠（ChIP-seq による結合）は、間接的な証拠（共発現の相関）よりも強力です。遺伝子の近くに TF が結合していても、それだけでは制御を証明できません。TF を摂動したときに発現が変化するかを確認してください。JASPAR は結合モチーフを提供しますが、プロモーターにモチーフが存在することは計算上の証拠にすぎません（T3）。関連する細胞種で TF がその遺伝子座に存在することを示す ENCODE ChIP-seq データは、より強い証拠です（T1）。GTEx の eQTL は、どの変異が発現に影響するかを示しますが、上流の制御因子は特定しません。機序を理解するには、TF モチーフ破壊解析と組み合わせてください。

推測せず、検索してください：JASPAR のマトリックス ID、Enrichr のライブラリ名、GTEx の組織識別子を決して推測しないでください。必ず TF 名で JASPAR を検索し、enrichr を呼び出す前にライブラリ名を確認してください。

使用する場面

ユーザーが次の内容について尋ねたときに、このスキルを有効にします。

• 転写因子（TF）の結合部位、モチーフ、標的遺伝子
• 遺伝子制御ネットワークまたは転写制御
• 制御の観点から見たクロマチン状態とヒストン修飾
• TF と標的の関係、および共制御
• 遺伝子制御に対する eQTL の影響
• 制御因子間のタンパク質間相互作用

説明するのではなく、計算してください

解析に計算（統計、データ処理、スコアリング、エンリッチメント）が必要な場合は、Bash 経由で Python コードを記述して実行してください。実行方法を説明するのではなく、実際に実行して結果を報告してください。ToolUniverse ツールでデータを取得し、Python（pandas、scipy、statsmodels、matplotlib）で解析してください。

ワークフロー

フェーズ 0：入力の明確化

次の点を確認してください。

• クエリは特定の TF（例：「TP53 の制御ネットワーク」）に関するものですか、それとも標的遺伝子（例：「CDKN1A を制御する因子は何ですか」）に関するものですか？
• 特定の組織／細胞種が関係しますか？
• 解析では、直接結合（モチーフ）と機能的な標的（ChIP-seq、エンリッチメント）のどちらを重視しますか？

フェーズ 1：TF モチーフの検索（JASPAR）

JASPAR で TF の位置重み行列（PWM）と結合モチーフのプロファイルを検索します。

ツール：jaspar_search_matrices

Parameters:
  search   string   TF name to search (e.g., "TP53")
  limit    integer  Max results (default 10)
  collection string JASPAR collection filter (e.g., "CORE")
  species  string   Taxonomy ID filter (e.g., "9606" for human)

例：

{"search": "TP53", "limit": 5}

戻り値は {status, data: {count, results: [{matrix_id, name, collection, base_id, version, sequence_logo}]}} です。

ツール：jaspar_get_matrix（モチーフの詳細情報を取得）

Parameters:
  matrix_id  string  JASPAR matrix ID (e.g., "MA0106.3")

PFM（位置頻度行列）、生物種、TF クラス、UniProt ID が返されます。

フェーズ 2：TF の標的遺伝子（Enrichr）

Enrichr を使って、ChIP-seq 実験から標的遺伝子を特定します。

ツール：enrichr_gene_enrichment_analysis

Parameters:
  gene_list  array   List of gene symbols (REQUIRED)
  library    string  Enrichr library name (default "GO_Biological_Process_2023")
  top_n      integer Top enriched terms to return (default 10)

制御ネットワーク解析に役立つライブラリ：

• "ENCODE_TF_ChIP-seq_2015" -- ENCODE ChIP-seq による TF 結合
• "ChEA_2022" -- ChIP-seq エンリッチメント解析（より広範な網羅性）
• "TRRUST_Transcription_Factors_2019" -- 文献に基づいてキュレーションされた TF と標的の関係
• "ARCHS4_TFs_Coexp" -- RNA-seq による TF の共発現

例（遺伝子セットに結合する TF を検索）：

{
  "gene_list": ["CDKN1A", "BAX", "MDM2", "GADD45A", "BBC3"],
  "library": "ENCODE_TF_ChIP-seq_2015",
  "top_n": 10
}

戻り値は {status, data: {library, gene_count, enriched_terms: [{rank, term, p_value, combined_score, overlapping_genes, adjusted_p_value}]}} です。

重要：Enrichr は遺伝子リストを受け取り、エンリッチメントされた TF を示します。ある TF の標的を検索するには、TRRUST ライブラリを使用するか、TF の ChIP-seq 標的を直接検索してください。

フェーズ 3：制御エレメントのコンテキスト

3a：ヒストン修飾（ENCODE）

ツール：ENCODE_search_histone_experiments

Parameters:
  target   string   Histone mark (e.g., "H3K27ac", "H3K4me3", "H3K27me3")
  tissue   string   Tissue/cell type (e.g., "liver", "brain")
  limit    integer  Max results (default 10)

一般的なヒストンマークとその意味：

• H3K27ac -- 活性化したエンハンサーとプロモーター
• H3K4me3 -- 活性化したプロモーター
• H3K4me1 -- プライム状態／活性化したエンハンサー
• H3K27me3 -- Polycomb によって抑制された領域
• H3K9me3 -- ヘテロクロマチン

例：

{"target": "H3K27ac", "tissue": "liver", "limit": 5}

戻り値は {status, data: {total, experiments: [{accession, histone_mark, biosample_summary, status, lab}]}} です。

3b：発現量的形質遺伝子座（GTEx）

ツール：GTEx_query_eqtl

Parameters:
  gene_symbol  string  Gene symbol (e.g., "TP53"). REQUIRED.

組織全体のeQTL SNPを返し、遺伝子発現に影響する遺伝的変異を示します。

例：

{"gene_symbol": "TP53"}

{status, data: {singleTissueEqtl: [{snpId, variantId, geneSymbol, pValue, tissueSiteDetailId, nes}]}}を返します。nes＝正規化効果量。負の値は、altアレルによって発現量が低下することを示します。

3c：調節バリアントのアノテーション（RegulomeDB）

ツール：RegulomeDB_query_variant

Parameters:
  rsid  string  dbSNP rsID (e.g., "rs7412")

調節スコア（1a～7）、組織特異的スコア、重複する調節特徴を返します。

フェーズ 4：タンパク質相互作用ネットワーク

4a：STRING データベース

ツール：STRING_get_interaction_partners

Parameters:
  identifiers     string   Protein/gene name (REQUIRED, e.g., "TP53")
  species         integer  NCBI taxonomy ID (default 9606 for human)
  limit           integer  Max partners to return
  required_score  integer  Min combined score 0-1000 (400=medium, 700=high, 900=highest)

例：

{"identifiers": "TP53", "species": 9606, "limit": 10}

{preferredName_A, preferredName_B, score, escore, dscore, tscore, ascore}の配列を返します。スコアの内訳：escore（実験）、dscore（データベース）、tscore（テキストマイニング）、ascore（共発現）。

4b：IntAct 相互作用

ツール：intact_get_interaction_network

Parameters:
  gene_symbol  string   Gene symbol (REQUIRED)
  limit        integer  Max results

IntActの実験的に検証された分子相互作用を返します。

4c：BioGRID 相互作用

ツール：BioGRID_get_interactions

Parameters:
  gene_symbol  string   Gene symbol (REQUIRED)
  limit        integer  Max results

実験系の詳細とともに、物理的相互作用および遺伝的相互作用を返します。

フェーズ 5：文献の背景情報

ツール：EuropePMC_search_articles

Parameters:
  query  string   Search query (REQUIRED)
  limit  integer  Max results (default 10)

例：

{"query": "TP53 transcription factor regulatory network", "limit": 5}

ツール：PubMed_search_articles

Parameters:
  query  string   Search query (REQUIRED)
  limit  integer  Max results (default 10)

フェーズ 6：オントロジーアノテーション（任意）

ツール：ols_search_terms

Parameters:
  query     string  Search term (REQUIRED)
  ontology  string  Ontology ID (e.g., "so" for Sequence Ontology, "go" for Gene Ontology)
  limit     integer Max results

調節エレメントの種類を検索する例：

{"query": "transcription factor binding site", "ontology": "so", "limit": 5}

フェーズ 7：ネットワークの機能エンリッチメント解析

ツール：STRING_functional_enrichment

Parameters:
  identifiers  string  Comma-separated gene names (REQUIRED)
  species      integer NCBI taxonomy ID (default 9606)

ネットワーク由来の遺伝子セットに対して、GO、KEGG、Reactomeのエンリッチメント解析を実行します。

よくある間違い

1. JASPAR ツール名：jaspar_search_matrices（小文字、複数形）を使ってください。jaspar_get_matrixではありません。

2. JASPAR 検索パラメーター：パラメーターはsearchです（queryやnameではありません）。

3. STRING 識別子パラメーター：identifiersは文字列として使ってください（配列ではありません）。複数のタンパク質には、配列のidentifiersを指定してSTRING_get_networkを使ってください。

4. Enrichr の方向性：enrichr_gene_enrichment_analysisは遺伝子セットを受け取り、エンリッチされたTF／経路を検索します。TFの標的を検索するには、既知の標的遺伝子と"TRRUST_Transcription_Factors_2019"ライブラリを使うか、ENCODE ChIP-seqデータを直接参照してください。

5. Enrichr のgene_listは必須：単一の文字列ではなく、文字列のJSON配列を指定する必要があります。

6. GTEx はgene_symbolを使用：Ensembl IDではありません。ツールが内部で解決します。

7. ENCODE の組織名："liver"、"brain"、"heart"のような小文字の組織名を使ってください。複雑なクエリは失敗する場合があります。組織名はシンプルにしてください。

8. BioGRID は相互作用をdictとして返す：キーは相互作用IDで、値にはOFFICIAL_SYMBOL_AとOFFICIAL_SYMBOL_Bが含まれます。

9. RegulomeDB のrsID形式：「rs」プレフィックスを含める必要があります（例："7412"ではなく"rs7412"）。

10. TRRUST の直接ツールはありません：TRRUSTデータには、単独のツールではなく、Enrichrライブラリ"TRRUST_Transcription_Factors_2019"を介してアクセスします。

よくある使用パターン

パターン 1：「TF X は何を調節しますか？」

1. jaspar_search_matrices -- TF Xのモチーフ情報を取得
2. TRRUST_Transcription_Factors_2019ライブラリを指定してenrichr_gene_enrichment_analysis -- 既知の標的を使用
3. STRING_get_interaction_partners -- 相互作用するタンパク質を検索
4. EuropePMC_search_articles -- TF Xの標的に関する文献を検索

パターン 2：「遺伝子 Y を調節するものは何ですか？」

1. 遺伝子 Yと共調節される遺伝子、およびENCODE_TF_ChIP-seq_2015ライブラリを指定してenrichr_gene_enrichment_analysis
2. GTEx_query_eqtl -- 遺伝子 Yの発現に影響するeQTLを検索
3. ENCODE_search_histone_experiments -- 遺伝子 Yの座位におけるクロマチンの背景を確認
4. RegulomeDB_query_variant -- 遺伝子 Yの近傍にある調節バリアントをアノテーション

パターン 3：「遺伝子セット Z を中心に制御ネットワークを構築する」

1. enrichr_gene_enrichment_analysis で遺伝子セット Z と複数の TF ライブラリを指定
2. ハブ遺伝子に対して STRING_get_interaction_partners を実行
3. STRING_functional_enrichment -- 経路の文脈
4. BioGRID_get_interactions -- 実験による検証
5. EuropePMC_search_articles -- 裏付けとなる文献

パターン 4：「遺伝子 X の組織特異的な制御」

1. GTEx_query_eqtl -- 遺伝子 X の組織特異的 eQTL
2. 特定の組織を指定して ENCODE_search_histone_experiments を実行 -- 活性を示す制御マーク
3. RegulomeDB_query_variant -- eQTL SNP の組織特異的な制御スコア
4. enrichr_gene_enrichment_analysis -- その組織で活性を持つ TF を特定

パターン 5：「変異 rs##### は制御に関与するか？」

1. RegulomeDB_query_variant -- 制御スコアと重複する特徴
2. GTEx_query_eqtl -- この変異は eQTL か？
3. ENCODE_search_histone_experiments -- 変異座位のクロマチンの文脈
4. EuropePMC_search_articles -- この変異に関する文献

エビデンスの評価

• T1：ENCODE ChIP-seq、JASPAR の検証済みモチーフ、GTEx の有意な eQTL
• T2：BioGRID／IntAct の相互作用、TRRUST のキュレーション済み関係
• T3：STRING の予測相互作用、Enrichr の統計的エンリッチメント
• T4：Sequence Ontology の用語、文献での言及