tooluniverse-gene-regulatory-networks

基因调控网络分析

GRN 推断从一个问题开始：哪个 TF 调控哪个基因？ 直接证据（ChIP-seq 结合）比间接证据（共表达相关性）更有力。TF 在基因附近结合并不能证明存在调控——检查扰动 TF 后表达是否发生变化。JASPAR 提供结合基序，但启动子中存在基序仅属于计算证据（T3）；将 TF 定位到相关细胞类型中特定基因座的 ENCODE ChIP-seq 数据则是更有力的证据（T1）。GTEx 的 eQTL 显示哪些变异会影响表达，但不能确定上游调控因子——结合 TF 基序破坏分析可获得机制层面的洞见。

查询，不要猜测：绝不要假设 JASPAR 矩阵 ID、Enrichr 文库名称或 GTEx 组织标识符——始终按 TF 名称搜索 JASPAR，并在调用 enrichr 前核实文库名称。

适用场景

当用户询问以下内容时，启用此技能：

• 转录因子（TF）结合位点、基序或靶基因
• 基因调控网络或转录调控
• 调控背景下的染色质状态和组蛋白修饰
• TF-靶标关系和共同调控
• eQTL 对基因调控的影响
• 调控因子之间的蛋白质-蛋白质相互作用

进行计算，不要只做描述

当分析需要计算（统计、数据处理、评分、富集分析）时，通过 Bash 编写并运行 Python 代码。不要描述你会怎么做——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

阶段 0：输入消歧

确定：

• 查询针对特定 TF（例如“TP53 调控网络”）还是靶基因（例如“什么调控 CDKN1A”）？
• 是否与特定组织/细胞类型相关？
• 分析应侧重直接结合（基序）还是功能性靶标（ChIP-seq、富集分析）？

阶段 1：TF 基序查询（JASPAR）

搜索 JASPAR，查找 TF 的位置权重矩阵（PWM）和结合基序特征。

工具：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)

示例：

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

返回 {status, data: {count, results: [{matrix_id, name, collection, base_id, version, sequence_logo}]}}。

工具：jaspar_get_matrix（获取详细基序信息）

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

返回 PFM（位置频率矩阵）、物种、TF 类别和 UniProt ID。

阶段 2：TF 靶基因（Enrichr）

通过 Enrichr，根据 ChIP-seq 实验识别靶基因。

工具：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)

用于调控网络分析的关键文库：

• "ENCODE_TF_ChIP-seq_2015" -- 来自 ENCODE ChIP-seq 的 TF 结合数据
• "ChEA_2022" -- ChIP-seq 富集分析（覆盖范围更广）
• "TRRUST_Transcription_Factors_2019" -- 经文献整理的 TF-靶标关系
• "ARCHS4_TFs_Coexp" -- 来自 RNA-seq 的 TF 共表达数据

示例（查找与基因集结合的 TF）：

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

返回 {status, data: {library, gene_count, enriched_terms: [{rank, term, p_value, combined_score, overlapping_genes, adjusted_p_value}]}}。

重要：Enrichr 接收基因列表，并告知哪些 TF 富集。要查找某个 TF 的靶标，请使用 TRRUST 文库，或直接查询该 TF 的 ChIP-seq 靶标。

阶段 3：调控元件背景

3a：组蛋白修饰（ENCODE）

工具：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)

常见组蛋白标记及其含义：

• H3K27ac -- 活性增强子和启动子
• H3K4me3 -- 活性启动子
• H3K4me1 -- 待激活/活性增强子
• H3K27me3 -- Polycomb 抑制区域
• H3K9me3 -- 异染色质

示例：

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

返回 {status, data: {total, experiments: [{accession, histone_mark, biosample_summary, status, lab}]}}。

3b：表达数量性状位点（GTEx）

工具：GTEx_query_eqtl

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

返回不同组织中的 eQTL SNP，展示影响基因表达的遗传变异。

示例：

{"gene_symbol": "TP53"}

返回 {status, data: {singleTissueEqtl: [{snpId, variantId, geneSymbol, pValue, tissueSiteDetailId, nes}]}}。nes = 标准化效应大小；负值表示 alt 等位基因会降低表达量。

3c：调控变异注释（RegulomeDB）

工具：RegulomeDB_query_variant

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

返回调控评分（1a-7）、组织特异性评分，以及重叠的调控特征。

阶段 4：蛋白质相互作用网络

4a：STRING 数据库

工具：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)

示例：

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

返回 {preferredName_A, preferredName_B, score, escore, dscore, tscore, ascore} 数组。评分组成部分：escore（实验）、dscore（数据库）、tscore（文本挖掘）、ascore（共表达）。

4b：IntAct 相互作用

工具：intact_get_interaction_network

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

返回来自 IntAct、经实验验证的分子相互作用。

4c：BioGRID 相互作用

工具：BioGRID_get_interactions

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

返回物理和遗传相互作用及实验系统详细信息。

阶段 5：文献背景

工具：EuropePMC_search_articles

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

示例：

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

工具：PubMed_search_articles

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

阶段 6：本体注释（可选）

工具：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

调控元件类型示例：

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

阶段 7：网络功能富集分析

工具：STRING_functional_enrichment

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

对网络中的基因集进行 GO、KEGG、Reactome 富集分析。

常见错误

1. JASPAR 工具名称：使用 jaspar_search_matrices（小写、复数），不要使用 jaspar_get_matrix。

2. JASPAR 搜索参数：参数是 search（不是 query 或 name）。

3. STRING 标识符参数：将 identifiers 用作字符串（不是数组）。对于多个蛋白质，使用带有数组 identifiers 的 STRING_get_network。

4. Enrichr 的使用方向：enrichr_gene_enrichment_analysis 接受一个基因集，并查找富集的 TF／通路。要查找某个 TF 的靶点，可使用已知靶基因和 "TRRUST_Transcription_Factors_2019" 库，或直接查询 ENCODE ChIP-seq 数据。

5. Enrichr 必须提供 gene_list：必须是由字符串组成的 JSON 数组，不能是单个字符串。

6. GTEx 使用 gene_symbol：不是 Ensembl ID。该工具会在内部解析它。

7. ENCODE 组织名称：使用小写组织名称，例如 "liver"、"brain"、"heart"。复杂查询可能失败——组织名称应保持简单。

8. BioGRID 将相互作用作为字典返回：键是相互作用 ID，值中包含 OFFICIAL_SYMBOL_A 和 OFFICIAL_SYMBOL_B。

9. RegulomeDB rsID 格式：必须包含 "rs" 前缀（例如，"rs7412"，而不是 "7412"）。

10. 没有 TRRUST 专用工具：通过 Enrichr 库 "TRRUST_Transcription_Factors_2019" 访问 TRRUST 数据，而不是使用独立工具。

常见使用模式

模式 1：“TF X 调控什么？”

1. jaspar_search_matrices —— 获取 TF X 的基序信息
2. 使用 TRRUST_Transcription_Factors_2019 库调用 enrichr_gene_enrichment_analysis —— 使用已知靶点
3. STRING_get_interaction_partners —— 查找相互作用蛋白质
4. EuropePMC_search_articles —— 查找关于 TF X 靶点的文献

模式 2：“什么调控基因 Y？”

1. 使用基因 Y 的共调控基因和 ENCODE_TF_ChIP-seq_2015 库调用 enrichr_gene_enrichment_analysis
2. GTEx_query_eqtl —— 查找影响基因 Y 表达的 eQTL
3. ENCODE_search_histone_experiments —— 查看基因 Y 位点的染色质背景
4. RegulomeDB_query_variant —— 注释基因 Y 附近的调控变异

模式 3：“围绕基因集 Z 构建调控网络”

1. enrichr_gene_enrichment_analysis：使用基因集 Z 和多个 TF 文库
2. STRING_get_interaction_partners：查询枢纽基因
3. STRING_functional_enrichment——通路背景
4. BioGRID_get_interactions——实验验证
5. EuropePMC_search_articles——支持性文献

模式 4：“基因 X 的组织特异性调控”

1. GTEx_query_eqtl——查询基因 X 的组织特异性 eQTL
2. ENCODE_search_histone_experiments：指定组织——活跃调控标记
3. RegulomeDB_query_variant——查询 eQTL SNP 的组织特异性调控评分
4. enrichr_gene_enrichment_analysis——识别该组织中活跃的 TF

模式 5：“变异 rs##### 是否具有调控作用？”

1. RegulomeDB_query_variant——调控评分及重叠特征
2. GTEx_query_eqtl——该变异是否为 eQTL？
3. ENCODE_search_histone_experiments——变异位点的染色质背景
4. EuropePMC_search_articles——关于该变异的文献

证据评级

• T1：ENCODE ChIP-seq、JASPAR 验证的基序、GTEx 显著 eQTL
• T2：BioGRID/IntAct 相互作用、TRRUST 整理的关系
• T3：STRING 预测的相互作用、Enrichr 统计富集
• T4：Sequence Ontology 术语、文献提及