tooluniverse-functional-genomics-screens

功能基因组学筛选结果解读

通过整合必需性（DepMap）、约束（gnomAD）、通路（Reactome、STRING）、可成药性（DGIdb）和临床证据（CIViC、COSMIC），验证并确定遗传筛选（CRISPR-KO、CRISPRi、shRNA）命中结果的优先级。

指导原则：

1. 命中结果只是待验证的假设——筛选结果包含假阳性；应通过正交证据进行验证
2. 选择性很重要——泛必需基因是不理想的药物靶点；情境特异性必需性具有很高价值
3. 通路优先于基因——富集通路比单个命中基因更可靠
4. 可成药性注重实际应用——优先考虑可通过化学方法调节的靶点
5. 优先使用英文查询——在工具调用中使用英文基因名称

不要猜测，要查询

对任何科学事实不确定时，请先查询数据库。

---

不要只描述，要实际计算

如果分析需要计算（统计、数据处理、评分、富集分析），请通过 Bash 编写并运行 Python 代码。不要只描述准备怎么做——实际执行并报告结果。使用 ToolUniverse 工具检索数据，然后用 Python（pandas、scipy、statsmodels、matplotlib）进行分析。

工作流

Phase 0: Input Processing → gene list, screen type, cell line, disease context
Phase 1: Hit Validation → DepMap dependency, gnomAD constraint, UniProt function
Phase 2: Pathway & Network → Reactome enrichment, STRING network, functional clusters
Phase 3: Druggability → DGIdb interactions, druggable categories, PharmacoDB
Phase 4: Clinical Evidence → CIViC, COSMIC mutations
Phase 5: Literature → PubMed for key hits
Phase 6: Prioritized Report → ranked target list with multi-dimensional scoring

---

各阶段详情

阶段 1：命中结果验证

工具：

• DepMap_get_gene_dependencies(gene_symbol=...)——仅返回基因元数据（不返回各细胞系的评分）
• DepMap_search_cell_lines(query=...)——细胞系元数据
• gnomad_get_gene_constraints(gene_symbol=...)——pLI、LOEUF（可能返回 "Service overloaded"）
• UniProt_get_function_by_accession(accession=...)——功能概要

分类：泛必需（>90% 的细胞系）、选择性必需（特定谱系）、情境特异性（仅限筛选模型）。Chronos < -0.5 = 可能必需，< -1.0 = 强必需。

DepMap 各细胞系 Chronos 评分：DepMap_get_gene_dependencies 仅返回元数据。要获取各细胞系的实际评分，请使用细胞系分析技能中附带的脚本——tooluniverse-cell-line-profiling/scripts/depmap_gene_dependency.py（下载当前的 DepMap Public CRISPRGeneEffect.csv 一次并缓存；可按 gene 或 cell-line 查询）：

python depmap_gene_dependency.py gene KRAS --lineage Lung --top 20   # most-dependent lines
python depmap_gene_dependency.py cell-line A375 --top 25             # genes the line needs

Chronos < -0.5 ≈ 依赖，< -1.0 表示强必需。如果无法运行该脚本，可使用 gnomAD 约束数据，并通过 PubMed_search_articles(query="[gene] CRISPR screen [cancer]") 查询。

阶段 2：通路与网络

• ReactomeAnalysis_pathway_enrichment(identifiers="TP53 BRCA1 EGFR")——以空格分隔的字符串
• STRING_get_network(identifiers="GENE1\rGENE2\rGENE3", species=9606)——以回车符分隔
• STRING_functional_enrichment(identifiers=..., species=9606)——GO/KEGG 富集分析

阶段 3：可成药性

• DGIdb_get_drug_gene_interactions(genes=["EGFR","BRAF"])——药物-基因相互作用
• DGIdb_get_gene_druggability(genes=[...])——类别（激酶、GPCR 等）
• 对高优先级命中结果，还应搜索 search_clinical_trials 和 PubMed，查找尚未收录在 DGIdb 中的新型抑制剂。

阶段 4：临床证据

• civic_search_evidence_items(molecular_profile=gene)——不是 query
• COSMIC_get_mutations_by_gene(gene_name=...)——体细胞突变频率

阶段 6：优先级报告

评分（0-18）：

标准	评分 3	评分 0
选择性必需性	在疾病中 < -0.5，且在其他情况下 >-0.2	>-0.2（非必需）
通路趋同	同一通路中有 3 个或更多命中结果	孤立命中
可成药性	有已批准药物	不可成药
临床证据	CIViC 治疗证据	无临床数据
约束	pLI >0.9	无数据
文献	多项验证研究	无发表文献

等级：T1（15-18）高置信度，T2（10-14）有前景，T3（5-9）推测性，T4（<5）可能是假阳性。

---

边缘情况

• gnomAD 负载过高：重试一次，继续处理但不使用 gnomAD，并注明这一数据缺口
• 基因不在 DepMap 中：改用 gnomAD + UniProt
• 命中列表较大（>500）：对完整列表进行通路富集分析；对排名前 50 的基因进行逐基因分析
• 非癌症筛选：DepMap 的参考价值较低；提高约束和通路分析的权重
• shRNA 与 CRISPR：对 shRNA 提高验证门槛（存在脱靶效应）

局限性

• DepMap 以癌症为中心（约 1000 个癌症细胞系）
• 不分析原始筛选数据（请在上游使用 MAGeCK/BAGEL）
• STRING 中的相互作用是关联关系，并非因果关系