tooluniverse-gwas-drug-discovery

GWAS 到药物靶点发现

将全基因组关联研究（GWAS）转化为可行动的药物靶点和药物再利用机会。

重要提示：工具调用中始终使用英文术语。请使用用户的语言回复。

---

概述

这项技能通过以下步骤，将 GWAS 的遗传学发现与药物研发相结合：

1. 识别遗传风险因素 - 找出与疾病相关的基因
2. 评估成药性 - 评估哪些基因可作为药物靶点
3. 确定靶点优先级 - 根据遗传证据强度排列候选靶点
4. 寻找现有药物 - 发现已获批或正在研究的化合物
5. 识别药物再利用机会 - 将药物与新的适应症相匹配

关键见解：有遗传学证据支持的靶点，获得临床批准的概率高出 2 倍（Nelson 等，《Nature Genetics》，2015 年）。

推理策略

要成功将 GWAS 结果转化为药物发现，就必须进行因果推理。遗传关联提供了观察性数据无法提供的因果方向：如果功能丧失变异能够预防疾病，那么抑制该基因产物就是值得检验的假设。效应方向（LOF 与 GOF）决定了需要抑制剂还是激动剂——如果判断错误，药物的作用方向就会相反。GWAS 的效应量较小（比值比通常为 1.1–1.5），但药物效应可能远大于或小于遗传效应；遗传信号验证的是靶点，而非剂量。在确定靶点之前，务必整合多种证据（eQTL 共定位、pQTL、L2G 分数），因为许多 GWAS 变异只会间接标记因果基因。

查询而非猜测：不要假设 GWAS 变异涉及哪个基因——请使用 OpenTargets_get_variant_credible_sets 或 gwas_get_associations_for_snp 获取实际映射的基因和 L2G 分数。不要猜测效应方向、比值比，或该靶点是否已有药物；务必查询工具。

---

工作流步骤

步骤 1：GWAS 基因发现

输入：疾病/性状名称（例如，“2 型糖尿病”“阿尔茨海默病”）

流程：查询 GWAS Catalog 获取关联结果，按显著性过滤（p < 5x10^-8），将变异映射到基因，并汇总证据。

工具：

• gwas_get_associations_for_trait - 按疾病获取关联结果
• gwas_search_associations - 灵活搜索
• gwas_get_associations_for_snp - SNP 特异性关联
• OpenTargets_search_gwas_studies_by_disease - 整理后的 GWAS 数据
• OpenTargets_get_variant_credible_sets - 含 L2G 预测的精细定位位点

步骤 2：成药性评估

输入：步骤 1 得到的基因列表

流程：检查靶点类别，评估可开发性和安全性，并检查是否存在工具化合物或结构。

工具：

• OpenTargets_get_target_tractability_by_ensemblID - 成药性评估
• OpenTargets_get_target_classes_by_ensemblID - 靶点分类
• OpenTargets_get_target_safety_profile_by_ensemblID - 安全性数据
• OpenTargets_get_target_genomic_location_by_ensemblID - 基因组背景

步骤 3：靶点优先级排序

评分公式：

Target Score = (GWAS Score x 0.4) + (Druggability x 0.3) + (Clinical Evidence x 0.2) + (Novelty x 0.1)

按综合得分为靶点排序。生成靶点档案。

步骤 4：搜索现有药物

流程：搜索药物-靶点关联，查找已获批药物和临床候选药物，并获取作用机制（MOA）和适应症数据。

工具：

• OpenTargets_get_associated_drugs_by_disease_efoId - 疾病的已知药物
• OpenTargets_get_drug_mechanisms_of_action_by_chemblId - 药物作用机制（MOA）
• ChEMBL_get_target_activities - 生物活性数据
• ChEMBL_get_drug_mechanisms / ChEMBL_search_drugs - 药物数据

步骤 5：临床证据与安全性

工具：

• FDA_get_adverse_reactions_by_drug_name - 安全性数据
• FDA_get_active_ingredient_info_by_drug_name - 药物成分
• OpenTargets_get_drug_warnings_by_chemblId - 药物警告

步骤 6：药物再利用机会

将药物靶点与新的疾病基因匹配，评估机制契合度，检查禁忌症，并估算再利用概率。

---

快速开始

from tooluniverse import ToolUniverse
tu = ToolUniverse()
tu.load_tools()

# Step 1: Get GWAS associations (use disease_trait not trait; no p_value_threshold param)
associations = tu.tools.gwas_get_associations_for_trait(disease_trait="type 2 diabetes")

# Step 2: Assess druggability (ensemblId lowercase d)
tractability = tu.tools.OpenTargets_get_target_tractability_by_ensemblID(ensemblId="ENSG00000148737")

# Step 3: Find existing drugs per target via DGIdb (OpenTargets drug query may return HTTP 400)
drugs = tu.tools.DGIdb_get_drug_gene_interactions(genes=["TCF7L2"])

---

按类别列出的所有工具

GWAS 与遗传学：

• gwas_get_associations_for_trait / gwas_search_associations / gwas_get_associations_for_snp
• OpenTargets_search_gwas_studies_by_disease / OpenTargets_get_variant_credible_sets

靶点评估：

• OpenTargets_get_target_tractability_by_ensemblID / OpenTargets_get_target_classes_by_ensemblID
• OpenTargets_get_target_safety_profile_by_ensemblID / OpenTargets_get_target_genomic_location_by_ensemblID

药物发现：

• OpenTargets_get_associated_drugs_by_disease_efoId / OpenTargets_get_drug_mechanisms_of_action_by_chemblId
• ChEMBL_get_target_activities / ChEMBL_get_drug_mechanisms / ChEMBL_search_drugs

安全性与临床：

• FDA_get_adverse_reactions_by_drug_name / FDA_get_active_ingredient_info_by_drug_name
• OpenTargets_get_drug_warnings_by_chemblId

文献：

• PubMed_search_articles / EuropePMC_search_articles / ClinicalTrials_search_studies

---

最佳实践

1. 多祖源 GWAS：纳入跨种族荟萃分析，以获得稳健信号
2. 功能验证：通过 eQTL、pQTL 和共定位分析进行确认
3. 网络分析：按通路（KEGG、Reactome）对 GWAS 命中结果分组
4. 安全性评估：检查 gnomAD pLI、GTEx 表达和 PharmaGKB
5. 批量操作：使用 tu.run_batch() 并行查询多个靶点

---

参数注意事项

问题	错误	正确
GWAS 性状参数	gwas_get_associations_for_trait(trait=...)	disease_trait=...（不存在 trait 参数）
GWAS p 值筛选	p_value_threshold=5e-8	不存在此参数；获取结果后在客户端筛选
OpenTargets ensembl 大小写	ensemblID="ENSG..."	ensemblId="ENSG..."（小写的“d”）
ClinicalTrials 工具名称	ClinicalTrials_search_studies(...)	ClinicalTrials_search_studies(...)
DGIdb 工具名称	DGIdb_get_drug_gene_interactions(...)	DGIdb_get_drug_gene_interactions(genes=[...])
OpenTargets 疾病药物	OpenTargets_get_associated_drugs_by_disease_efoId 可能返回 HTTP 400	对每个基因改用 DGIdb_get_drug_gene_interactions
GWAS 研究搜索参数	gwas_search_studies(disease_trait=...)	搜索研究时使用 efo_trait=...（disease_trait 仅适用于关联）

解读：从 GWAS 命中结果到药物靶点

GWAS 信号强度评估

信号质量	标准	药物发现价值
金标准	全基因组显著（p < 5e-8），在多个祖源人群中重复验证，L2G > 0.5，eQTL 共定位	最高优先级 — 已确立遗传因果关系
强	全基因组显著，L2G > 0.3，具有生物学合理性	高优先级 — 通过功能验证推进
中等	提示性（p < 1e-5），或虽显著但未经精细定位	中等 — 投入前需要更多证据
弱	仅有一项研究，未经重复验证，L2G 较低，缺少功能支持	低 — 仅用于提出假设

靶点优先级决策树

确定与 GWAS 相关的基因后，通过回答以下问题为其排序：

1. 该基因是否可成药？（DGIdb 类别：激酶/GPCR/离子通道 = 是；转录因子/支架蛋白 = 较难）

   • 如果已有获批药物 → 药物再利用机会（路径最快）
   • 如果可成药但尚无药物 → 新靶点（标准药物发现）
   • 如果不可成药 → 考虑反义寡核苷酸/PROTAC/遗传药物

2. 遗传作用方向是否明确？

   • LOF 变异会增加疾病风险 → 需要激动剂或基因疗法
   • GOF 变异会增加疾病风险 → 需要抑制剂（典型的小分子药物）
   • 作用方向不明确 → 药物设计前需要进行功能研究

3. 效应大小如何？（GWAS 的比值比）

   • OR > 2.0：效应强，可能具有较高外显率 → 类似孟德尔遗传病，置信度高
   • OR 1.2-2.0：效应中等，在复杂疾病中较常见 → 使用独立数据进行验证
   • OR < 1.2：效应小 → 单独来看，临床意义可能不大

4. 是否有临床先例？

   • 针对相同靶点的药物已获批用于任何疾病 → 已有安全性数据 → 风险较低
   • 药物正在进行临床试验 → 风险部分降低
   • 没有先例 → 面临完整的从头开发风险

---

故障排除

问题	解决方案
找不到该疾病的 GWAS 命中结果	尝试更宽泛的性状名称，检查同义词，使用 OpenTargets
基因不属于可成药类别	考虑抗体/反义寡核苷酸等治疗方式，检查通路邻近基因
没有针对该靶点的现有药物	该靶点可能是新靶点 - 检查 ChEMBL 中的工具化合物
L2G 分数较低	变异可能具有调控作用 - 检查 eQTL/pQTL 证据

---

参考文件

• REFERENCE.md - 详细概念、可成药性分级、临床转化、局限性、伦理
• EXAMPLES.md - 应用案例（亨廷顿病、阿尔茨海默病、糖尿病）及成功案例
• REPORT_TEMPLATE.md - 输出报告模板及评分标准
• PROCEDURES.md - 分步实施流程
• QUICK_START.md - 快速入门指南
• 相关技能：tooluniverse-drug-repurposing、disease-intelligence-gatherer、tooluniverse-sdk