tooluniverse-regulatory-genomics

调控基因组学研究技能

通过转录因子结合、染色质状态和调控元件注释，系统研究基因调控。整合 JASPAR（TF 基序）、ENCODE（功能基因组学实验）、RegulomeDB（调控变异评分）和 UCSC cCRE。

领域推理

识别调控元件需要综合多条证据：仅凭序列保守性不足以判断（许多保守序列并不具有调控作用）；染色质可及性是必要条件，但并非充分条件（开放染色质可能具有结构性作用）；TF 结合峰需要通过基序验证；eQTL 证据则将元件与转录结果联系起来。单一数据类型不足以得出结论。高可信度的调控元件至少需要两种独立证据类型，理想情况下应具备全部四种。

查询，不要猜测

• TF 结合基序：通过 jaspar_search_matrices 和 jaspar_get_matrix 获取；不要凭记忆描述基序。
• 实验性 ChIP-seq 数据：使用 ENCODE_search_experiments 搜索；不要假设某个 TF 在特定细胞类型中已进行过分析。
• 基因组区域的 cCRE 注释：使用精确坐标调用 UCSC_get_encode_cCREs；不要猜测元件类型。
• 变异的调控影响：查询 RegulomeDB_query_variant；绝不要仅凭位置估算调控重要性。

---

关键原则：

1. 优先使用英文查询——在所有工具调用中使用英文基因/TF 名称；以用户使用的语言作答
2. 分层整合证据——结合基序（JASPAR）+ 实验（ENCODE ChIP-seq）+ 变异（RegulomeDB）证据
3. 坐标精确——基因组坐标必须注明组装版本（优先使用 GRCh38）
4. 记录阴性结果——报告 TF 在 ENCODE 中没有 ChIP-seq 数据的情况

---

进行计算，不要只作描述

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。不要只描述将如何操作——实际执行并报告结果。使用 ToolUniverse 工具获取数据，然后使用 Python（pandas、scipy、statsmodels、matplotlib）进行分析。

适用场景

• “哪些转录因子会结合在基因 X 附近？”
• “这个 SNP 会影响某个调控元件吗？”
• “查找肝组织中的 CTCF 结合位点”
• “这种细胞类型中有哪些活跃的增强子？”
• “展示 T 细胞中 H3K27ac 的 ChIP-seq 实验”
• “rs1234567 是否位于调控区域中？”
• “哪些 TF 基序与这个基因组区域重叠？”
• “查找癌细胞系中的 ATAC-seq ENCODE 实验”
• “预测这个非编码变异对表达/染色质可及性的影响”
• “直接根据 DNA 序列预测调控活性（表达、可及性、TF 结合）”
• “这些增强子变异中，哪一个预测会造成最大的扰动？”

---

关键工具

工具	用途	关键参数
jaspar_search_matrices	按 TF 名称或生物体查找 TF 结合基序	name、species、collection、tax_id
jaspar_get_matrix	获取特定 JASPAR 基质的完整 PWM/PFM	matrix_id（例如 "MA0139.1"）
JASPAR_get_transcription_factors	列出所有 TF 基质（分页）	page、page_size
UniBind_search_datasets	查找经过整理、由实验获得的直接 TF-DNA 结合位点数据集	tf_name、species、cell_line、collection（Robust/Permissive）
UniBind_get_dataset	获取一个 UniBind 数据集的结合位点详情（JASPAR 基序、score/CentriMo 阈值、BED/FASTA URL）	dataset_id
UniBind_list_tfs	列出/筛选 UniBind 中已分析的 TF	search（子字符串）、limit
ENCODE_search_experiments	搜索 ENCODE ChIP-seq/ATAC-seq/WGBS 实验	assay_title、target、biosample_term_name、limit
ENCODE_search_histone_experiments	专门搜索组蛋白标记 ChIP-seq	histone_mark、biosample_term_name、limit
ENCODE_search_chromatin_accessibility	搜索 ATAC-seq/DNase-seq 实验	biosample_term_name、limit
ENCODE_get_experiment	获取特定 ENCODE 实验的完整元数据	accession（例如 "ENCSR000EGM"）
ENCODE_search_annotations	搜索 ENCODE cCRE 和染色质状态注释	annotation_type、biosample_term_name、limit
ENCODE_get_chromatin_state	搜索 ChromHMM 分割数据	biosample_term_name、limit
UCSC_get_encode_cCREs	获取与基因组区域重叠的 cCRE	chrom、start、end
RegulomeDB_query_variant	评估变异的调控影响	rsid（例如 "rs4994"）
ENCODE_search_biosamples	查找 ENCODE 中可用的细胞系/组织	term_name、biosample_type、limit
EnsemblReg_get_motif_features	获取区域内的 TF 结合基序实例（Ensembl Regulatory Build）	region、species
EnsemblReg_get_constrained_elements	获取区域内受进化约束（净化选择）的元件——下文提到的保守性证据类型	region、species
EnsemblReg_get_binding_matrix	获取 Ensembl 结合基质稳定 ID 对应的完整 PWM/PFM	binding_matrix_id（例如 ENSPFM0320）
MEME_fimo_scan / MEME_discover_motifs / MEME_tomtom_compare / MEME_list_databases	扫描序列以查找已知基序 / 从头发现新基序 / 将基序与 JASPAR-HOCOMOCO-CIS-BP 进行比较 / 列出可用的比较数据库	sequences、motif_text（MEME 格式）
HOCOMOCO_search_motifs / HOCOMOCO_get_motif	按基因名称查找经整理的、源自 ChIP-seq 的 TF 基序 / 获取完整基序详情和可选 PWM	query（基因名称）/ motif_id
Dfam_search_families / Dfam_get_family / Dfam_get_annotations	查找转座元件/重复序列家族 / 获取某个家族的详情 / 获取基因组区域的重复序列注释	name_prefix/clade/repeat_type / accession / chrom,start,end

基于序列的深度学习模型（预测，而不只是注释）

上面的工具会告诉你某个位点已知的信息（数据库）。而这些模型会直接根据 DNA 序列预测调控活性，并通过对比参考序列窗口与替代序列窗口的评分，预测非编码变异会产生什么影响。RegulomeDB 根据变异与现有注释的重叠情况为其排名；这些模型则能为新变异提供定量、感知组织背景的效应大小，即使该变异没有注释也不例外。适用于注释没有结果，或问题是“这个等位基因会在多大程度上改变调控”的情况。

工具	操作	预测内容	上下文	访问方式
AlphaGenome_atlas_lookup_variant / AlphaGenome_atlas_scan_interval	预计算查询：单个 SNV / 区域内的每个 SNV	统一 AVI_SCORE（AlphaGenome + AlphaMissense）及各轨道评分，不运行实时模型	每次扫描最多 10 kb	托管 API — ALPHA_GENOME_API_KEY（查询速率远高于下方实时操作）
AlphaGenome_predict_interval / AlphaGenome_score_variant / AlphaGenome_score_ism_variants	区域特征预测 / 变异评分 / 饱和诱变扫描	RNA-seq、ATAC、CAGE、剪接轨道（前沿精度，单碱基分辨率）；ISM 会按影响程度对 ≤500 bp 窗口内的每种替换进行排名，适合回答“这个元件中哪个碱基起作用”	最多 1 Mb（ISM 窗口 ≤500 bp）	托管 API — ALPHA_GENOME_API_KEY
run_enformer_predict / run_enformer_variant_effect	特征预测 / 评分	5,313 条人类（+1,643 条小鼠）轨道：表达、染色质、TF 结合	196 kb	远程 MCP 服务
run_borzoi_predict / run_borzoi_variant_effect	特征预测 / 评分	RNA-seq 覆盖度（侧重表达 / polyA / 剪接），7,611 条轨道	524 kb	远程 MCP 服务
run_chrombpnet_predict / run_chrombpnet_variant_effect	特征预测 / 评分	染色质可及性（ATAC / DNase），碱基分辨率的特征和计数	~2 kb	远程 MCP 服务
Evo2_score_variant	评分	基因组基础模型的对数似然差；适用于编码和非编码区域	最多 1 Mb	托管 NIM — NVIDIA_API_KEY
gi_*（可选启用，GENOMIC_INTELLIGENCE_MCP_URL）	特征预测（6 项任务）+ 先查找基因再进行预测的组合操作	启动子、剪接位点、增强子活性、染色质状态、表达、基因注释	—	公共演示服务，共享限速配额，无需密钥

**如何选择：**对于已知的单核苷酸变异，先查看 AlphaGenome_atlas_lookup_variant（或使用 atlas_scan_interval 扫描整个区域）——它会查询覆盖所有约 9B 种可能的人类 SNV 的预计算数据库，成本远低于实时调用，而且其 AVI_SCORE 已将 AlphaGenome 的调控信号与 AlphaMissense 的编码影响模型融合为一个数值。对于插入缺失、定制/合成序列或完整的逐轨道细节，改用实时 AlphaGenome_* 操作（predict_variant/predict_sequence/score_interval 也可用于原始轨道和不含变异的场景）；run_enformer_* / run_borzoi_* 是已发表且可自托管的对应工具（Enformer 适用于一般调控问题，Borzoi 适用于关注表达/剪接的问题）；问题专门涉及染色质可及性时，使用 run_chrombpnet_*；Evo2_score_variant 可作为仅依据序列进行的检查，也涵盖编码变异。输出是 Δ（替代序列 − 参考序列）效应大小，而不是经过校准的概率（AVI_SCORE 除外，它是统一影响评分）——应根据已知变异进行排序/校准。如果没有配置密钥/服务，则改用上面的注释工具，并说明这一点。

---

工作流

阶段 1：TF 基序发现（JASPAR）

当有人询问 TF 结合基序或哪些 TF 可能调控某个基因时：

1. jaspar_search_matrices(name="TF_NAME", species="Homo sapiens")
   -> Returns list of matrices with matrix_id, collection, version

2. jaspar_get_matrix(matrix_id="MA0139.1")
   -> Returns full PFM/PWM matrix, sequence logo URL, binding sites URL

3. For broad TF family search:
   jaspar_search_matrices(species="Homo sapiens", collection="CORE")
   -> Filter by TF family name in results

JASPAR 集合：

• CORE：高质量、非冗余矩阵（适用于大多数用例）
• CNE：保守非编码元件
• POLII：RNA Pol II 结合位点

关键响应字段：

• matrix_id：带版本号的 ID（例如，“MA0139.1”）——用于 jaspar_get_matrix
• name：TF 基因符号
• sequence_logo：结合位点标志图 PNG/SVG 的 URL
• collection：所属的 JASPAR 集合

阶段 1b：直接 TF-DNA 结合位点（UniBind）

JASPAR 提供基序模型；UniBind 提供经过整理、由实验得出的直接结合位点（以基序为锚点、达到碱基对分辨率，通过 DAMO/ChIP-eat 流程按 ChIP-seq 实验生成）。可用它查找支持某个 TF 结合的实验，并获取这些位点的可下载 BED/FASTA——它是 JASPAR 基序与原始 ChIP-seq 峰之间的中间层。

# Find curated binding-site datasets for a TF (filters compose)
tu.run_tool("UniBind_search_datasets",
            {"tf_name": "CTCF", "species": "Homo sapiens",
             "collection": "Robust", "page_size": 5})
#   -> list of {tf_name, total_peaks, dataset_id, dataset_url}

# Full binding-site detail for one dataset
tu.run_tool("UniBind_get_dataset",
            {"dataset_id": "EXP030726.neural_stem_cells.SMAD3"})
#   -> tf_name, cell_line, jaspar_id[], tfbs_models[] each with
#      jaspar_id, total_tfbs, score_threshold, adj_centrimo_pvalue,
#      bed_url, fasta_url, summary_plot_url

# Discover valid tf_name values (search is client-side substring)
tu.run_tool("UniBind_list_tfs", {"search": "SMAD"})   # -> [SMAD2, SMAD3, SMAD4]

注意：species 是学名（'Homo sapiens'，而不是 taxid）；collection 为 'Robust'（高置信度）或 'Permissive'；公开可用，无需 API 密钥。

阶段 1c：Ensembl 调控构建（基序 + 缺失的保守性证据类型）

上文的领域推理列出了高置信度调控元件的四种相互印证的证据类型——保守性、可及性、TF 结合、eQTL——但此前没有可用的工具来获取保守性证据。 EnsemblReg_get_constrained_elements 可直接填补这一空缺：它会返回某个区域内受到进化约束（纯化选择）的元件，独立于 JASPAR/UniBind/ENCODE 的结合证据工具。将它与 EnsemblReg_get_motif_features（另一种数据库规模的 TF 基序实例来源，可补充 JASPAR/UniBind）结合使用，即可构建本技能的推理所要求的至少两种证据类型。

# TF binding motif instances in a region (species defaults to homo_sapiens)
tu.run_tool("EnsemblReg_get_motif_features", {"region": "7:140424943-140524564"})
#   -> motif_count, motif_features[] each with stable_id,
#      transcription_factor_complex, binding_matrix_stable_id, score,
#      start/end/strand

# Evolutionary conservation evidence for the same region
tu.run_tool("EnsemblReg_get_constrained_elements", {"region": "17:7661779-7687538"})
#   -> element_count, constrained_elements[] each with score (higher =
#      stronger conservation), start/end

# Full PWM for a binding matrix found above (e.g. from motif_features)
tu.run_tool("EnsemblReg_get_binding_matrix", {"binding_matrix_id": "ENSPFM0320"})
#   -> associated_tfs[], nucleotide-frequency matrix, threshold, consensus

操作注意事项（已通过实时验证，并非假设）：这三个端点的响应速度较慢——get_motif_features 通常需要 10-25 秒，get_binding_matrix 需要 50-60 秒，get_constrained_elements 在小区域上最多需要 25 秒。请设置较宽裕的超时时间（60-90 秒），不要把响应缓慢视为卡死。 get_constrained_elements 在较大区域上也不可靠（例如，在多次尝试中，约 100kb 的 BRAF 位点反复失败或超时，而较小的 TP53 区域则成功）——使用此端点时，优先选择远小于 50kb 的区域；在判断调用失败前，重试一次。

阶段 1d：TF 基序发现与比较（MEME Suite）+ 整理后的参考基序（HOCOMOCO）

JASPAR 提供经过整理的基序库；MEME Suite 工具则可让你从一组相关序列中从头发现基序，并将任意基序（新发现的或已知的）与参考数据库进行比较。HOCOMOCO 是另一个经过整理的参考库（基于 ChIP-seq 得出，仅包含人类/小鼠数据），可补充 JASPAR，而非取代它，因为两者基于不同的底层峰集合，对于同一 TF 的模型质量有时也会得出不同结论。

# 1. Scan sequences for known motif occurrences (submits a job to
#    meme-suite.org, polls ~10-30s)
tu.run_tool("MEME_fimo_scan", {
    "sequences": ">promoter\nGGATCCGCGCGCTATAAAAGGATCC...",
    "motif_text": "MEME version 5\n\nALPHABET= ACGT\n...",  # full MEME-format motif
    "pvalue_threshold": 0.0001
})
#   -> hits[] with start/stop/strand/score/pvalue/qvalue/matched_sequence

# 2. De novo motif discovery across >=2 related sequences (~30-120s)
tu.run_tool("MEME_discover_motifs", {
    "sequences": ">seq1\n...\n>seq2\n...",  # co-regulated gene promoters, etc.
    "nmotifs": 3
})
#   -> motifs[] with consensus, width, sites, evalue, probability_matrix

# 3. Identify which known TF a discovered (or any) motif resembles
#    (~5-20s)
tu.run_tool("MEME_tomtom_compare", {
    "query_motif": "MEME version 5\n...",
    "target_db": "JASPAR2026_vertebrates"  # or "HOCOMOCO_v12"; see list_databases
})
#   -> matches[] ranked by evalue, with target_id (e.g. JASPAR MA0106.3)

# 4. See available target databases for tomtom_compare (no remote call,
#    cached metadata)
tu.run_tool("MEME_list_databases", {"category_filter": "JASPAR"})

将 HOCOMOCO 用作整理后的交叉验证来源——给定 TF 名称，直接获取其整理后的共识序列/PWM/质量等级，无需发现步骤：

tu.run_tool("HOCOMOCO_search_motifs", {"query": "CTCF"})
#   -> [{motif_id: "CTCF.H14CORE.0.P.B", gene_name_human, quality, consensus, ...}]
tu.run_tool("HOCOMOCO_get_motif", {"motif_id": "CTCF.H14CORE.0.P.B", "include_pwm": true})
#   -> real verified response: consensus "hbRCCRShAGRKGGCGShvn", quality "B",
#      tfclass (superclass/class/family/subfamily), uniprot_ac_human "P49711",
#      pwm (if include_pwm=true)

质量等级从 A（最佳）到 D（最低）；data_sources 中的 "P" = ChIP-Seq 峰，"S" = HT-SELEX。使用 HOCOMOCO 的质量等级对同一 TF 的 JASPAR/MEME 发现基序进行合理性检查——等级较低或缺少条目本身就有参考价值（这表明该 TF 的结合特征可能尚未得到充分描述）。

重复元件（Dfam）

转座元件和其他重复序列可能生成、破坏或改变调控元件（携带自身 TF 结合位点的 SVA/Alu 插入是一种广为人知的机制）——当调控元件位于重复序列屏蔽区域内部或附近时，除了上文领域推理中的四种证据类型，还值得检查这一第五种背景因素。

tu.run_tool("Dfam_search_families", {"name_prefix": "AluS"})
#   -> [{accession: "DF000000003", name: "AluSc", repeat_type: "SINE", ...}]
tu.run_tool("Dfam_get_family", {"accession": "DF000000003"})
#   -> consensus_sequence, classification, clades[], citations[]

# Real example: TP53 locus (chr17:7,661,779-7,687,538, GRCh38) — the same
# region used in the Ensembl Regulatory Build section above — carries two
# real SVA retroposon insertions (SVA_E, SVA_A) and an AluSc SINE:
tu.run_tool("Dfam_get_annotations", {
    "assembly": "hg38", "chrom": "chr17", "start": 7661779, "end": 7687538
})
#   -> [{accession: "DF000001071", query: "SVA_E", type: "Retroposon",
#        bit_score: 180, e_value: "1.3e-50", seq_start: 7661463, ...}, ...]

nrph=true（默认值）仅返回非冗余的 profile 命中；设置为 false 则返回所有原始命中，包括重叠或得分较低的比对。

阶段 2：ENCODE 实验搜索

查找 ChIP-seq、ATAC-seq 或其他功能基因组学数据时：

对于 TF ChIP-seq：

ENCODE_search_experiments(
    assay_title="TF ChIP-seq",
    target="CTCF",              # TF gene name
    biosample_term_name="HepG2", # Cell line or tissue
    limit=10
)

对于组蛋白标记：

ENCODE_search_histone_experiments(
    histone_mark="H3K27ac",         # or H3K4me3, H3K27me3, H3K36me3
    biosample_term_name="liver",
    limit=10
)

对于染色质可及性：

ENCODE_search_chromatin_accessibility(
    biosample_term_name="T cell",
    limit=10
)

对于调控注释（cCRE、ChromHMM）：

ENCODE_search_annotations(
    annotation_type="candidate Cis-Regulatory Elements",
    biosample_term_name="K562",
    limit=10
)

常见的 assay_title 值：

• "TF ChIP-seq" - 转录因子结合
• "Histone ChIP-seq" - 组蛋白修饰
• "ATAC-seq" - 染色质可及性
• "DNase-seq" - 开放染色质（较早期的方法）
• "WGBS" - DNA 甲基化

注意：ENCODE_search_experiments 仅返回实验元数据（登录号、生物样本、状态）。使用 ENCODE_get_experiment(accession) 获取文件下载链接和详细元数据。

阶段 3：cCRE 注释（UCSC + ENCODE）

注释特定基因组区域时：

UCSC_get_encode_cCREs(
    chrom="chr8",       # Chromosome (GRCh38)
    start=37966000,     # Start coordinate
    end=37967000        # End coordinate
)
# Returns cCREs with type: pELS (proximal enhancer), dELS (distal enhancer),
# PLS (promoter-like), CTCF-only, DNase-H3K4me3

cCRE 类型：

• PLS（启动子样）：TSS 附近具有较强的 DNase + H3K4me3 + H3K27ac 信号
• pELS（近端增强子）：具有较强的 DNase + H3K27ac 信号，且位于 TSS 的 2kb 范围内
• dELS（远端增强子）：具有较强的 DNase + H3K27ac 信号，且距离 TSS >2kb
• CTCF-only：存在 CTCF 结合，但没有增强子标记
• DNase-H3K4me3：未分类的可及区域

阶段 4：调控变异评分（RegulomeDB）

评估变异的调控影响时：

RegulomeDB_query_variant(rsid="rs4994")
# Returns:
#   regulome_score.ranking: "1a"-"7" (1a = highest regulatory evidence)
#   regulome_score.probability: 0-1 continuous score
#   tissue_specific_scores: dict of tissue -> score
#   overlapping features: eQTLs, TF binding, DNase peaks, motifs

RegulomeDB 评分解读：

排名	含义
1a	eQTL + TF 结合 + 匹配的 TF 基序 + DNase 峰
1b	eQTL + TF 结合 + DNase 峰
1c	eQTL + TF 结合或 DNase 峰
1d	eQTL + 基序或蛋白质结合
1e	eQTL + 基序命中
1f	仅 eQTL
2a	TF 结合 + 基序匹配 + DNase
2b	TF 结合 + 匹配的基序
2c	TF 结合（有或没有基序）
3a	DNase 峰 + 基序
3b	仅 DNase 峰
4	仅基序命中
5	靠近 Footprint
6	靠近 Footprint + TF
7	无证据

排名为 1a–2b 的变异最有可能影响基因调控。

---

工具参数参考

工具	必需参数	可选参数	说明
jaspar_search_matrices	（无 — 留空时返回全部）	name、species、collection、tax_id、page、page_size	使用 name 搜索 TF 名称
jaspar_get_matrix	matrix_id	—	必须使用完整版本号："MA0139.1"，而非 "MA0139"
JASPAR_get_transcription_factors	（无）	page、page_size	分页；默认 page_size=10
jaspar_get_matrix_versions	base_id	—	base_id 不含版本号（例如 "MA0139"）
ENCODE_search_experiments	（无 — 留空时返回全部）	assay_title、target、biosample_term_name、limit	assay_title 必须与 ENCODE 词汇表完全匹配
ENCODE_search_histone_experiments	（无）	histone_mark、biosample_term_name、limit	histone_mark： "H3K27ac"、"H3K4me3" 等
ENCODE_search_chromatin_accessibility	（无）	biosample_term_name、limit	返回 ATAC-seq 和 DNase-seq
ENCODE_get_experiment	accession	—	accession 格式："ENCSR..."
ENCODE_search_annotations	（无）	annotation_type、biosample_term_name、limit	annotation_type："candidate Cis-Regulatory Elements"
ENCODE_get_chromatin_state	（无）	biosample_term_name、limit	返回 ChromHMM 分段结果
ENCODE_search_biosamples	（无）	term_name、biosample_type、limit	biosample_type："cell line"、"tissue"、"primary cell"
UCSC_get_encode_cCREs	chrom、start、end	—	坐标使用 GRCh38；chrom 格式："chr1"
RegulomeDB_query_variant	rsid	—	rsid 格式："rs4994"（带 rs 前缀）

---

常见模式

模式 1：TF 结合位点调查

Goal: Find where TF X binds and what motif it recognizes
Flow:
  1. jaspar_search_matrices(name="CTCF") -> get matrix_id
  2. jaspar_get_matrix(matrix_id) -> get full PWM, logo URL
  3. ENCODE_search_experiments(assay_title="TF ChIP-seq", target="CTCF") -> experimental binding data
  4. For specific tissue: add biosample_term_name="HepG2"
Output: Motif logo + experimental binding evidence

模式 2：调控变异解读

Goal: Assess if variant rs1234567 affects gene regulation
Flow:
  1. RegulomeDB_query_variant(rsid="rs1234567") -> score + overlapping features
  2. If score <= 2b: ENCODE_search_experiments(target=overlapping_TF) -> experimental evidence
  3. UCSC_get_encode_cCREs(chrom, start, end) -> check if variant in known cCRE
Output: Regulatory score + supporting evidence + cCRE context

模式 3：细胞类型调控图谱

Goal: Characterize active enhancers in a cell type
Flow:
  1. ENCODE_search_histone_experiments(histone_mark="H3K27ac", biosample_term_name="K562") -> active enhancers
  2. ENCODE_search_chromatin_accessibility(biosample_term_name="K562") -> open chromatin
  3. ENCODE_search_annotations(annotation_type="candidate Cis-Regulatory Elements", biosample_term_name="K562")
  4. ENCODE_get_chromatin_state(biosample_term_name="K562") -> ChromHMM states
Output: Active regulatory elements specific to the cell type

模式 4：基因调控区域定位

Goal: Find all regulatory elements near a gene
Flow:
  1. Get gene coordinates from MyGene_query_genes or ensembl_lookup_gene
  2. UCSC_get_encode_cCREs(chrom, start-50000, end+50000) -> nearby cCREs
  3. ENCODE_search_experiments(target=TF_OF_INTEREST) -> TF binding data
  4. jaspar_search_matrices(name=TF_NAME) -> motif for TF
Output: Map of regulatory elements around gene with evidence types

---

回退策略

主要工具	回退方案	适用情况
使用特定生物样本的 ENCODE_search_experiments	移除 biosample_term_name 过滤器	特定组织无结果
jaspar_search_matrices(name=TF)	jaspar_search_matrices(name=TF_family)	按精确名称未找到 TF
UCSC_get_encode_cCREs	不带坐标使用 ENCODE_search_annotations	坐标未知时
RegulomeDB_query_variant(rsid)	使用 ENCODE_search_experiments + JASPAR 手动评估重叠	rsid 不在 RegulomeDB 中

---

局限性

• ENCODE TF ChIP-seq：assay_title="TF ChIP-seq" 使用 ENCODE 的精确受控词汇——避免使用“ChIP-seq”（过于宽泛）
• UCSC cCREs：坐标必须采用 GRCh38（hg38）；hg19 变异需要进行 liftOver
• RegulomeDB：仅为具有已知 rsID 的变异评分；不支持新变异
• JASPAR：仅提供基序数据库，不提供基因组结合位置；需结合 ENCODE 获取实验依据
• ENCODE 实验结果：如果查询过滤条件过于严格，@graph 字段可能为空；请放宽过滤条件后重试